当今,数字图像处理技术被广泛应用,图像作为重要的信息在传输的过程中会受到各种各样的噪声影响,影响最普遍的噪声形式是高斯噪声和椒盐噪声。图像去噪领域已经研究出各种去噪方法来减少噪声带来的不利信息,比如去除高斯噪声的有维纳滤波算法、小波去噪算法、BM3D算法;去除椒盐噪声的有中值滤波算法、PCNN算法等。各个去噪方法优秀,能够达到很好去噪效果。但是对于图像中的混合噪声去除方法却没有很好的研究,仅仅是将上述两类方法进行简单叠加处理。针对上述所产生的问题,本文深入研究图像结构性质、噪声存在形式、去噪算法理论,以BM3D算法为主体,对混合噪声图像进行研究,主要工作内容如下:(1)由于BM3D算法中的核心步骤应用到了小波去噪算法,又由于小波去噪算法是图像去噪领域的基石。所以本文首先介绍小波变换的基本概念、数学推导、多分辨率分析等数学内容,接下来介绍小波阈值收缩去噪算法和小波比例萎缩去噪算法。在阈值收缩法中对阈值的选取加上图像奇异性检测改进、对阈值函数进行连续性改进;在比例萎缩算法首先引入Bayes阈值预处理,其次对最高层系数进行MAP估计处理,最后加入复小波改进。本章提出的两种改进算法都比相应的传统算法在峰值信噪比有所提高。(2)根据小波域下信号奇异点的分布特性,研究椒盐噪声在小波域的特点,给出锥领域的分析,通过实验观测小波域椒盐信号统计特性,给出小波域去除椒盐噪声的锥分析方法。接下来介绍BM3D算法的详细步骤,通过改变高斯噪声标准差、椒盐噪声密度、混合噪声中噪声的比例来验证BM3D算法在去除高强度高斯噪声、椒盐噪声、混合噪声的效果。(3)根据小波去噪算法和BM3D算法的特性,以及高斯噪声和椒盐噪声的分布特点,提出一种去除混合噪声的算法。该算法是在BM3D算法基础上做出改进,先是对混合噪声图像进行预去噪,牵引坐标求取相似块距离;接下来对BM3D算法中三维矩阵的阈值和阈值函数进行修订并对小波系数进行局部求和;最后对BM3D算法中维纳滤波的估计系数、图像块的大小、相似块的最大数目进行修订。仿真结果表明,改进的BM3D算法对混合噪声有较好的去除作用,并且能够很好的保持边缘细节。