人类获取信息的途径主要是通过人的眼睛，人眼所看到的视觉信息，主要就是图像信息，也就是说图像是我们主要的信息来源。但是，图像在获取和传输的过程中很容易受到外界噪声的污染，而噪声的存在就使得图像在某些特征细节上不能被有效识别。所以在图像处理邻域，如何能够有效的去除噪声就显得尤为重要，图像去噪对后续的图像处理如图像压缩、信号检测和特征提取是一个必要的步骤。最大限度的提高图像信噪比来保留原始图像的特征信息，是我们研究图像降噪的主要目标。小波分析理论是局部的时频分析，时域和频域的联合，发展非常迅速，小波分析是一个强大的非平稳信号处理的工具，它通过缩放和平移运算功能对信号进行多尺度的详细分析计算，可以有效地从信号提取信息。小波分析是国际上公认的高新技术领域，在信号与信息处理领域，是一个尖端的课题和研究热点的领域，也因此使图像信号滤波去噪，图像边缘检测，图像压缩，图像融合的应用吸引着越来越多的研究者。本文在研究图像去噪时主要是应用小波分析理论，利用小波分析的特殊优势来处理图像信息。本论文研究工作主要将在以下方面进行展开：首先，详细介绍了图像去噪的一些基本方法，图像去噪的历史和现状。接着介绍了小波分析的基本理论，小波分析的发展历程和应用范围，主要介绍了其极具代表性的多分辨分析方面的知识。其次，详细介绍了小波去噪过程中三个主要应用的小波系数模型，分别是尺度间模型、尺度内模型和混合模型，还有图像中常见的噪声种类和各自的特点。然后，介绍了基于小波分析几个最为经典的阈值，VisuShrink阈值、Sureshrink阈值、 Bayesshrink阈值和AdaptBayesShrink阈值，以及分析了在阈值去噪方法中主要的最关键的阈值函数和阈值的选择问题，在经典阈值的基础上，本论文提出了新的去噪算法，一种是小波阈值去噪算法的改进，在MATLAB仿真试验中，得到的去噪效果有较大提高；结合小波变换和偏微分方程中的P-M模型，进行了图像去噪，有一定创新性；还提出了一种基于自适应邻域系数的小波图像阈值去噪方法，去噪效果优于第一种方法。