图像在输入与采集的过程中会受到噪声的污染。因此,在图像压缩前首先对图像进行去噪有助于提高图像的压缩质量。论文在自适应阈值去噪的基础上,改善EZW算法,以期获得更高的编码增益。论文首先对自适应阈值去噪算法进行了改善。在深入分析软、硬阈值函数优、缺点的基础上,以Gaussian噪声为背景,给出了一种具有参数可调节的自适应阈值函数。通过实验表明,该函数的去噪效果优于软、硬阈值函数。但是,去噪后图像边缘会出现Gibbs视觉失真现象。为了抑制该失真,论文给出了基于二进小波变换的自适应阈值去噪算法。该算法引用了尺度自适应阈值,克服了Donoho通用阈值不具备尺度间自适应性,导致图像细节丢失的缺陷。实验结果表明,该算法使图像无论在峰值信噪比方面还是在视觉效果方面,与小波软、硬阈值去噪方法相比,均有明显的提高和改善。论文还对EZW算法进行了改善。原始EZW算法辅扫描需构建复杂的量化器,而经研究发现,只需对系数进行处理,就可以用一个通用的量化器来处理每一层辅扫描的数据输出,得到辅扫描输出编码。因此,论文给出了有效位逼近量化的EZW辅扫描算法。此外,针对原始EZW算法主扫描编码过程中仍然存在编码资源浪费的问题,论文给出了增添编码符号的自适应EZW主扫描算法。该算法将增添编码符号的EZW主扫描算法和自适应EZW主扫描编码有效结合。其主要思想是,在每次扫描编码开始前预先统计主扫描方案的编码位数,选择编码位数最少的方案作为本次扫描的主扫描方案。通过增添编码符号的方法,减少了编码位数,达到提高编码效率的目的。实验结果表明,论文给出的改善算法不仅减少了编码位数,而且有效地提高了图像的压缩效率和重构质量。