图像在获取和传输的过程中不可避免地受到各种噪声的干扰，噪声导致图像偏离真实性，对图像理解、分析和图像的后续处理工作（特征提取、分割等）造成严重影响。因此，在图像使用前，对图像进行图像去噪预处理，这样会更好地保护图像的质量，突出图像本身的特征。当前，随着研究的不断深入，多尺度几何分析被提出并快速发展，成为当前研究的热点，并广泛的应用在图像去噪领域。本文以多尺度几何分析中的一种非下采样Contourlet变换为基础，在图像去噪应用领域下进行相关研究。主要工作如下：1、介绍了图像去噪的历史发展过程并给出了非下采样轮廓波变换的原理及实现过程。2、提出了基于分类准则的非下采样Contourlet变换域图像去噪方法。该方法首先对图像进行非下采样Contourlet变换，得到各个方向子带上的系数，用分类准则对每个子带的高频系数进行分类，再对系数利用修正的贝叶斯阈值进行处理估计出不含噪声的系数，最后对估计的系数进行逆变换，获得去噪图像。仿真实验结果表明，新算法更好的保持图像的边缘等细节信息，可以获得较高的峰值信噪比和较优的视觉效果。3、提出了基于NSCT域的多元BKF模型图像去噪方法。目前，很多统计方法应用在图像去噪领域中，但很多模型对系数处理仅仅建立在尺度内，忽略了尺度间的相关性，本文利用多元BKF模型，充分考虑尺度内和尺度间的系数相关性，更好地对图像进行去除噪声处理。实验结果表明，该方法能较强的抑制噪声，较好的保持原始图像的结构性。