图像去噪是图像处理中的一个热门话题,其思想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。Contourlet变换是一种非常有效的多尺度几何分析方法,其克服了小波变换的一些缺陷,具有多分辨、局部性和多方向性等优良特性,能够更有效地捕获图像中的几何结构,因此,Contourlet变换在图像去噪中具有广泛的应用前景。论文首先对Contourlet变换的原理和实现算法进行了研究,并在此基础上,对Contourlet变换在图像去噪中的应用进行了深入的研究,其内容主要包括以下几个方面：1、提出了一种基于Contourlet变换改进阈值函数的图像去噪算法,该算法通过对阈值去噪中的统一阈值和传统阈值函数进行分析,构造出一个新的阈值函数,新阈值函数在一定程度上改进了统一阈值“过扼杀”Contourlet系数的特点,同时也使硬阈值去噪中出现的伪吉布斯现象得到解决。2、提出了一种Contourlet变换自适应阈值和循环平移相结合的图像去噪算法,该算法通过对Contourlet变换系数的分析,得到一个利用各尺度各方向上能量的差异而设置的自适应阈值,然后结合循环平移进行去噪。仿真结果表明,该方法不仅能有效地滤除高斯噪声,提高去噪后图像的PSNR值,而且可以使图像的细节信息得到很好地保留。3、在混合噪声背景下,提出了一种中值滤波和Contourlet变换相结合的图像去噪方法,首先用中值滤波检测出脉冲噪声的噪声点并加以处理,然后用Contourlet变换对高斯噪声进行处理。仿真结果表明,该方法不仅能有效地滤除脉冲和高斯的混合噪声,提高去噪后图像的PSNR值,而且可以很好地保留图像的细节信息,改善视觉效果。