图像在其获取或传输过程中常常会受到各种噪声的污染，从而降低了图像的主观和客观质量，给后继的图像处理和应用如图像分割、目标识别、图像检索以及图像的编码、传输等带来了诸多不利的影响，因此图像去噪问题在图像预处理中起着至关重要的作用。其思想就是在尽可能保留原始图像信息的前提下最大程度地剔除图像噪声，从图像逼近的角度图像去噪也可以看作是对原始图像的非线性逼近。论文首先从空间域和变换域两方面出发对传统的经典去噪算法进行研究，分析了其优缺点，并重点讨论了当前图像去噪算法的主流——基于小波变换的图像去噪算法。随后结合多尺度分析(Multiscale Geometric Analysis)工具——Contourlet变换，提出了一种新的基于Contourlet的多阈值图像去噪算法。近年来发展起来的多尺度分析理论有效的弥补了传统的小波变换在图像表达方面的缺陷，具有更好的多分辨特性、多方向特性和各向异性和稀疏性，在图像处理中的应用性能优于传统的小波变换。文中深入研究了离散Contourlet变换的构造和连续域Contourlet变换理论，并从理论上分析了Contourlet变换的性能，也论证了Contourlet变换用于图像处理的可行性，在此基础上给出了基于Contourlet的多阈值图像去噪算法。算法借鉴了经典的阈值去噪算法的思想，以Contourlet变换的系数分布规律和统计特性为准则，根据Contourlet变换后各层分解的系数数目及噪声强度自适应设定阈值，并利用硬阈值函数实现图像去噪。实验结果表明，使用本文算法去噪后的图像在主观视觉效果和客观质量等方面较传统的小波去噪算法有显著提高。