数字图像在采集和传输过程中往往会受到噪声的污染,如何有效的消除噪声是图像处理中的一项重要课题。1994年,Donoho等人提出了小波阈值去噪方法,它将图像变换到小波域后对图像的小波系数进行阈值萎缩处理,这种去噪方法因为简单有效而被广泛应用。但传统的二维离散小波变换不利于表达图像的纹理和边缘等方向信息,在去噪时容易损失图像的细节信息,造成图像纹理和边缘的模糊。2007年,Ding等人提出了一种可分离的自适应方向提升小波(ADL),它能够在分数精度上检测图像的纹理方向,并沿着图像的纹理方向对图像进行方向提升小波变换,这样可以尽可能的减少图像分解后高频子带的能量。ADL最初被应用在图像压缩中并获得了成功。在本文中,我们把它移植到图像阈值去噪领域,利用它的自适应方向提升来保持图像的纹理信息。同时,本文对ADL进行了改进,提出了AOL(adaptive omnidirectional lifting),较之于ADL的±4 5°方向搜索范围,AOL能够在图像的0°°360°内搜索图像相关性最强的方向,这样可以更加精确的逼近图像的纹理,取得对图像纹理区域更好的去噪结果。由于AOL是可分离的小波变换,因此结构简单,并且因为提升变换,它的逆变换容易获取,利于硬件实现。实验表明该方法去噪后的图像在纹理区域无论PSNR值还是主观视觉效果均优于传统的二维离散小波变换。