随着计算机技术的快速发展，图像处理的理论和技术都取得了令人瞩目的成果，并且图像处理技术也得到了广大的应用。人类在获取图像信息的时候，不可避免地使图像被噪声污染，从而影响图像的视觉效果并且使图像的后续工作产生很大干扰，因此，图像去噪是图像处理不能缺少的环节。本文重点研究了灰色系统理论和轮廓波变换理论，并且介绍了几种传统的去噪算法。论文主要内容如下：(1)阐述了本课题的研究背景和意义，介绍了几种常见的图像噪声模型和几种常见的图像去噪方法，简要地概述了灰色系统理论的研究现状及其内容特色，为后续的研究打下了坚实的基础。(2)在分析了灰色关联度和Contourlet变换阈值去噪算法的基础上，提出了一种基于灰色关联度改进的Contourlet变换图像去噪算法。算法一方面考虑到Contourlet变换尺度内各相邻方向子带之间的灰色关联度、尺度间的影响及噪声强度的因素，对贝叶斯阈值进行改进；另一方面根据Contourlet系数本身的特点对折中阈值函数进行了改进，来达到自适应去噪的目的。(3)针对单幅图像的噪声没有规律的特性，提出一种GM(1,1)模型与轮廓波变换相结合的图像去噪算法。算法对带噪图像进行GM(1,1)建模和预测估计，为了减少运算量，根据图像像素点灰度值和高斯噪声的特性对GM(1,1)模型进行优化，设置一个判定范围使GM (1,1)模型不能准确估计的强噪声点自动保存下来，再对预测估计出来的图像进行轮廓波变换；为了给每个子带设定一个阈值，考虑到了轮廓波变换系数在尺度间和尺度内的相关性以及噪声强度的因素，最后用阈值函数对轮廓波变换的系数进行处理，以达到去噪的目的。(4)为了挖掘单幅图像噪声的规律，提出了一种GM(1,1)模型与小波变换相结合的图像去噪算法。算法用GM(1,1)模型对像素点及其邻域像素点进行建模，再根据像素点及其邻域像素点的发展规律来更新带噪图像像素点的信息。在对带噪图像建模时，为了消除负像素点对GM(1,1)模型建模的负面影响，对带噪图像像素点的值归一化后加1;为了减少运算量，根据图像像素点灰度值和高斯噪声的特性对GM(1,1)模型进行优化，设置一个判定范围使GM (1,1)模型不能准确估计的强噪声点自动保存下来。对预处理后的图像像素值减1后进行小波变换，并且对小波系数进行阈值处理，以达到去噪的目的。