数字图像日渐成为了人类获取信息的主要来源，而图像在采集、传输过程中往往容易受到外界因素干扰，使图像被噪声污染。为了有效地对图像进行后续处理，需要借助图像处理技术对带噪图像降噪。本文介绍了小波变换的图像去噪算法，在此基础上，研究了在Contourlet变换框架下的图像去噪算法。论文主要内容如下：(1)阐述了数字图像去噪的研究背景和课题选择的意义，并介绍了从小波变换到多尺度几何分析方法在图像去噪领域中的发展历程。重点讨论了轮廓波(Contourlet变换)的理论基础和结构组成，为后续研究Contourlet变换框架下的图像去噪算法提供了理论指导。(2)介绍了小波变换的经典阈值去噪算法中两个关键因素，即阈值和阈值函数的选择，并分别分析了不同阈值和阈值函数的优缺点。除此之外，概述了形态学的基本运算和结构元素的选择规则，分析证明了形态学滤波中形态学运算和结构元素对图像去噪的影响。(3) Contourlet变换框架具有良好的方向性，但是在传统的阈值去噪算法中，对所有的高频系数采用统一阈值处理，忽略了变换域中系数的相关性。因此，针对Contourlet多尺度阈值去噪算法中阈值的选取忽略了方向信息影响的问题，提出一种基于邻域窗能量平均的自适应阈值去噪算法。根据Contourlet系数能量分布特点，将系数划分到三个不同的区域，对三个区域的阈值采用不同的因子进行调整，从而得到更好的去噪效果。(4)将变换域邻域内系数的能量引入阈值估计中，虽然考虑了系数的邻域信息，但是对于高噪声的图像其处理能力仍然是有限的。通过比较分析发现，利用形态学滤波对带噪图像进行预处理是一种有效的手段。首先，算法的结构由两条支路并行处理组成。其次，对于形态学中的结构元素加入了代表细节信息的结构元素。最后，将预处理后的图像通过Contourlet变换阈值去噪，融合后得到最终的降噪图像。