读取图像方式是信息输入最重要的方式之一。因此,图像处理技术也渐渐引起学者们关注。近年来小波变换理论迅速发展起来,它在图像去噪中的应用也逐渐增加,但是小波变换无法准确的表达图像高维的几何特性,随着超小波相关理论的快速发展,Contourlet变换渐渐显露头角,它可以更好的保留图像的纹理和轮廓,一定程度上克服了小波的弱点。本文的主要工作如下:首先,研究了小波变换、Contourlet变换的相关原理及它们的实现算法。研究了基于小波变换的图像去除噪声的方法,同时在实验中选取了不同的小波基,并且分析了小波变换在去除图像噪声中存在的缺陷;研究了Contourlet变换、小波-Contourlet变换以及多参数收缩函数-Contourlet变换的相关原理以及它们的实现算法。经过Matlab仿真实验,综合分析比较了上述几种算法在图像去噪领域的优势与不足。其次,研究了循环平移的原理。由于在处理图像信号的过程中会产生伪Gibbs效应,引起图像不同程度上的视觉失真,因此将循环平移理论和Contourlet变换相结合,研究了相关原理以及实现算法。综合分析研究上述几种算法在图像去噪处理领域应用中的优劣性,分析几种算法的不足,文中把小波-Contourlet变换和循环平移理论相结合,提出了一种改进的去除图像中噪声的方法,这种方法很好的弥补了小波与Contourlet变换都缺少平移不变性的不足。经过Matlab仿真,可以看出,引入循环平移后很好的抑制了图像中出现的失真现象,明显提升了图像去噪后的视觉效果,提高了去噪后图像的PSNR的数值。最后,将文中几种算法进行比对分析。通过比较上述算法去噪后图像的PSNR值,以及各算法的运行时间,评价了图像质量。可以看出,改进后算法与多参数收缩函数-Contourlet变换的方法的PSNR值相比略差,但是大大缩短了运行时间,提高了运算效率。