在实际生活中,图像在采集和传输的过程中,难免会受到噪声影响,导致图像发生质量下降。人们一直在寻求既能有效地减小噪声,又能很好地保留图像边缘信息的去噪方法。小波变换与傅立叶变换相比,在时域和频域同时具有良好的局部化性质和多分辨率分析的特点,在图像降噪处理中得到越来越广泛的应用,但在实际图像去噪应用过程中,传统小波变换容易损失图像细节,且存在运算速度慢,存储空间需求大的缺点。而提升小波以其独特的算法结构,降低了计算复杂度,易实现整数到整数的变换等特点,成为小波研究与应用领域的新热点。首先,论文分析了小波图像去噪的发展状况和传统小波变换的基本理论,接着介绍小波去噪原理及目前常用的几类小波去噪方法,详细说明了阈值去噪法中阈值函数的选择和阈值的确定,并通过仿真实验比较了几种经典的阈值的去噪效果。其次,阐述了构造第二代小波的提升方法和提升方法理论实现传统Mallat算法的过程,探讨了提升小波变换相对传统小波的的优越性,并将它应用于边缘检测,提出了基于提升小波与canny算子结合的边缘检测方法,通过实验仿真说明了该方法的抗干挠性。最后,针对传统去噪技术如wiener滤波等时域滤波在去噪的同时,过多损失图像边缘和细节现象,提出了基于提升小波变换的增强边缘的去噪方法。考虑在去噪之前先用边缘检测的方法和图像融合方法增强图像的边缘和纹理细节,再用提升小波变换对图像进行分解,最后对图像高频进行自适应去噪处理,由于在去噪前图像的边缘和纹理细节被增强,即它们对应的小波系数被放大,因此减小了这些小波系数在阈值去噪过程中被萎缩的可能性,该去噪方法在去噪的同时较好的保留图像边缘信息,通过实验仿真说明了本文算法的有效性。