图像去噪是图像处理中的一个重要环节,其目的就是根据噪声图像的某种先验知识,通过一定的处理尽可能多的消除噪声干扰、提高图像质量。本文提出了一种基于邻域模型的去噪方法和一种基于迭代最大似然估计(MLE)的去噪方法,这两种方法实质上都是双变量阈值去噪方法的延伸。大多数的阈值处理认为小波系数间是独立的,但事实上却有很强的相关性,小波系数不仅在尺度间与其父系数有着一定的相关性,在同一尺度内与其邻域内的系数也有一定的相关性。基于邻域模型的双变量阈值去噪方法的核心思想就是在利用小波系数与其父系数之间的相关性的同时,引进同一尺度内小波系数之问的相关性,其中父系数用来决定阈值函数,对同一尺度某一邻域内的相邻系数进行阈值处理。实验结果表明基于邻域模型的双变量阈值去噪方法要优于传统的双变量阈值去噪方法。基于迭代最大似然估计的双变量阈值去噪方法实质上就是用先验概率分布模拟小波变换系数,并通过迭代的方式用上一个估计值逐步优化先验概率分布,得到新的估计值。理论上,相应的双变量最大似然估计值是基于小波系数和其上个估计值推导得来的。实验结果表明该迭代过程明显提高了图像的去噪效果。