在各种图像处理中,去噪往往是一种必要的预处理手段.虽然它是一个很古老的问题,但是在不同阶段采用的方法不同,且取得的效果也有很大的区别.近年来,小波理论的发展得到了广泛的应用,小波去噪方面的应用研究得到了很好的发展.同时,统计理论对不可估计的噪声进行建模,描述噪声的统计特性,从而为去噪提供较好的依据.为此基于小波域统计模型的图像去噪研究有了良好的发展.该文首先对基于小波域的统计模型的一般方法进行了有效的分析讨论,并给出了一般过程.在详细介绍了小波理论中的多尺度分析后,讨论了统计模型的建立和估计.统计模型通常分为层间,层内和混合三种模型,该文除了概要介绍了三种模型的特点外,还分别对层间的隐马尔可夫模型,层内的邻域模型和贝叶斯混合模型进行了详细的讨论.理论分析和试验结果都说明基于小波域统计模型的图像去噪能获得很好的效果.同时还在小波域内简化的统计模型基础上对图像去噪的一般估计方法进行了研究.在分析贝叶斯风险估计基础上,将免疫算法引入其中,得到了比以往更精确的结果.在分析了阈值估计的基础上,对阈值函数进行一定的修正,提高了图像的信噪比,减少了图像的均方误差.试验结果证明了这一点.