在现实生活中所获得的图像往往都受到了噪声的干扰。这些噪声恶化了图像质量,使其模糊,甚至淹没了它们的特征,对我们的日常的图像应用、分析都带来了困难。图像去噪的目的是减少和消除图像中的噪声,以改善图像质量。近年来,随着小波变换理论,以及最近出现的Curvelet变换、Bandlet变换和Contourlet变换的出现,构成了一门新兴的学科:多尺度分析理论。对于上述变换,我们可以统称为多尺度分析。这类工具可以通过不同的分辨率刻画不同的频率,而今年来发展的一些工具,更是克服了小波变换的一些不足,在刻画线奇异等方面有了长足的进步。多尺度分析工具的出现给数字图像处理技术带来了革命。它们的出现,也为图像去噪提供了新的发展平台。本文首先总结了多尺度几何变换的一些基本原理和近年来的发展,并比较了他们各自的特点和不同,并着重对小波和Contourlet变换的图像去噪技术进行了介绍;其次,分析了噪声点在小波域上的分布特点,并根据这些特点提出了两种小波去噪方法:(1)一种细尺度间系数相关性的去噪方法,此方法通过对噪声点在小波变换后在细尺度内噪声的相关性进行统计,提出了一种细尺度内的“类零树”结构,基于这种结构并结合传统贝叶斯阈值去噪方法,提出了一种新的图像去噪方法,这种方法比传统贝叶斯去噪方法有更好的去噪效果;(2)提出一种结合小波边缘保护和“类零树”结构的去噪方法,这种方法借鉴了一种考虑了尺度间小波系数相关性的边缘检测的思想,通过这种尺度间系数相关性去检测边缘信息,对去噪后丢失的图像边缘进行了“修补”,从而解决了第一种方法部分丢失边缘的不足;最后,引入了Non-local均值方法,并将其运用在Contourlet域下。