随着计算机技术的进一步提高、多媒体技术的不断完善,数字图像处理技术得到了迅速的发展。然而现实中的图像一般为带噪图像,为了更好地对图像进行分析,就必须在图像预处理中减小图像中的噪声。本文以去除噪声、保留图像的边缘特征和重构图像清晰度为目的,主要针对提升小波变换在边缘检测和图像去噪的算法进行了研究。目前在去噪领域已经提出了许多算法,但是提出的相关理论和算法至今仍存在许多不足之处。小波分析是继Fourier分析之后的新的时频域分析工具。小波变换由于其所具有的优良性质,在理论、方法和应用技术方面得到了快速的发展。提升小波作为第二代小波,以其独特的算法结构、快速运算的能力和低存储需求等优点受到许多领域的广泛关注。因此本文在原有去噪方法的基础上作了改进,运用了提升小波变换对图像去噪,最终得到清晰的去噪图像。小波变换后的图像能量主要分布在低频部分,噪声基本上分布在高频部分,而图像的边缘信息是图像最为有用的高频信息。要想做到既能有效去除图像噪声,又不模糊图像边缘特征是很困难的,为了达到比较好的去噪效果,文中将提升小波去噪得到的图像与边缘检测图像相结合。具体做法是:先对含噪灰度图像进行边缘检测;再对含噪灰度图像进行提升小波阈值去噪,得到去噪后的图像;最后,将边缘图像与去噪后的平滑图像相融合,得到去噪后的图像。与灰度图像处理不同,处理彩色图像时,本文选择了RGB彩色空间,对各分量分别进行处理。理论分析和实验结果表明,本文算法与传统的去噪方法相比,图像在有效去噪的同时,能较好地保留图像的边缘信息,提高了图像的峰值信噪比。