传统小波理论提供了一种对信号进行多分辨率表示的方法,无论从理论方面还是实际应用方面都得到了很大的发展,在图像处理的各方面都得到广泛有效的应用。新兴的多尺度几何变换弥补了二维小波自身各向同性且方向选择性差,对于图像中的边缘和纹理等特性无法有效表达的不足之处。图像分割一直是图像处理领域研究的热点问题,如何结合和发挥多尺度几何变换的优点,提出适合某些领域的有效分割算法,成为近年来研究中关注的问题。本文首先分析了小波域收缩阈值去噪方法的优点及不足,再结合Curvelet变换的特点改进Normal Shrink阈值算法的尺度参数,提出一种改进的自适应阈值降噪方法。实验结果表明在图像降噪方面与传统的小波收缩阈值方法相比不但有更好的视觉效果,而且峰值信噪比值也更高。本文在分析了离散Contourlet变换,连续Contourlet变换和无下采样的Contourlet变换的基本原理的基础上,结合脉冲耦合神经网络模型提出了一种图像分割方法。该方法结合了Contourlet变换能够对边缘等信息进行稀疏表示的特性和脉冲耦合神经网络进行基于区域分割的优点。实验结果表明该算法在某些领域的分割问题上得到令人满意的效果,并且能兼顾分割的效率和准确率。