伴随着科技的快速发展,图像作为多媒体传播的载体,在生活中的应用变得越来越广泛。图像在传输的过程中由于外界或自身成像系统等原因产生了很多噪声,这些噪声不但影响了图像的视觉效果,甚至改变了图像的内容和质量,对图像分割、检索、特征提取等后续数字图像处理操作造成很大干扰。图像去噪技术正是为了解决这一问题而产生,其目的就是从受到噪声污染的图像中滤掉噪声,以期得到原始“纯净”的图像内容,但同时需要确保图像内部边缘和纹理等结构不受到太大影响。在频域空间进行去噪时,可以发现系数模值越大的位置包含的图像信息越多,通过其自身的统计特性有助于更精确的还原噪声点处原始的系数值,本文以此理论为基础分别提出了以下三种基于非下采样剪切波变换(NSST)域的图像去噪算法:1、基于先验柯西(Cauchy)模型的NSST域图像去噪方法。利用Cauchy分布对NSST变换域子带系数概率分布进行拟合,作为先验分布模型,再通过最大后验概率(MAP)方法估计不含噪声的系数。该方法不但保留了传统统计模型去噪方法中的优点,还通过对NSST具有更好拟合效果的柯西分布模型作为先验的概率分布模型,使估计出的系数更接近于原始图像的系数,具有极强的鲁棒性。2、基于Cauchy分布的NSST域隐马尔科夫树模型(C-NSST-HMT模型)图像去噪方法。通过NSST子带的联合分布统计得到NSST父子间具有持续性和聚集性,结合NSST系数概率分布符合Cauchy分布的特性,提出C-NSST-HMT模型,并将此模型应用到图像去噪中。该方法既考虑了子带内系数相关性,也考虑了尺度间父子系数的相关性。实验结果表明,该方法不仅能够有效的获得不含噪声系数的估计,而且能对边缘有一定的保护。3、基于父子系数和兄弟系数联合分布统计的NSST-HMT模型(C-F&B-NSST-HMT模型)及其去噪应用。通过NSST兄弟子带间的联合统计得到NSST兄弟系数间具有与父子系数间类似的统计特性,将兄弟间的持续性与聚集性作为HMT模型状态转移的参考因素之一,提出C-F&B-NSST-HMT模型,并将此模型应用于图像去噪。该方法不仅考虑了不同尺度同一方向子带间的相关性,也考虑了同尺度不同方向间子带相关性。实验结果表明,该方法对不含噪声系数的估计更加准确,具有更强的边缘保护能力。NSST是目前捕获二维图像重要特征能力最强的多尺度工具,Cauchy分布具有极强的能力描述NSST系数分布“高峰重尾”的特点,因此用Cauchy分布对NSST系数建模;在此基础上,本文的后两个算法又充分考虑了NSST系数尺度间、方向间存在的相关性,在实现图像去噪的同时,很好的保护了图像的边缘和纹理信息。