图像是人类获取信息的主要来源，然而，图像在获取、传输或储存过程中往往会受到各种噪声的污染，这给图像的后续处理带来严重的影响，因此图像去噪在图像预处理中起着至关重要的作用。小波变换由于其良好的时频性和多分辨率等特性而广泛应用于图像处理领域，然而，随着研究地不断深入，小波变换逐渐暴露出其缺陷和不足，它只能反映点状奇异性，且不具备各向异性，多尺度几何分析方法的提出，弥补小波变换的不足。本文重点研究了多尺度几何分析方法，在此基础上，提出了基于Contourlet变换和Shearlet变换的图像去噪算法。论文主要内容和研究工作如下：（1）阐述了图像去噪的研究背景和意义，对小波变换和多尺度几何分析进行简要介绍，分析和总结各方法的优势和不足，为后续新的图像去噪算法的提出提供理论依据。（2）通过分析通用阈值的不足提出一种新阈值，为了弥补硬阈值函数，软阈值函数，半阈值函数和半软阈值函数的缺陷提出一种改进阈值函数，把新阈值和改进阈值函数结合，提出一种改进的Contourlet变换的图像去噪算法，通过实验验证其可行性与有效性。（3）考虑到Contourlet变换的图像稀疏表示性能不足，研究了Shearlet变换，并结合能够对任意程度的拖尾信号进行准确建模的正态反高斯模型，提出一种基于Shearlet域正态反高斯模型的图像去噪算法，通过与几类经典去噪算法对比，在峰值信噪比（PSNR）,结构相似度均值（MSSIM）和视觉方面均有较大的改善。