由于夜间获取的图像中含有较大的噪声，为了使得拍摄的目标物体更加清晰地呈现出来，需要对其进行降噪处理。在降噪技术发展的历史进程中，传统的有空域降噪技术和频域降噪技术两种。空域降噪技术计算量较小，使用计算机进行处理的时候所需内存也较小。但是，该技术很大程度上依赖于滑动模块的大小，而且某些方法很容易使得图像的边缘在处理之后变得模糊。同时，有学者尝试在频域中进行降噪，频域降噪主要基于傅里叶变换，变换之后进行处理，再进行反变换得到降噪后的图像。但是，频域变换作为一种全局性的，对图像局部处理得不够，而且图像的边缘模糊问题也没有得到很好的解决。小波分析作为一种局部性的变换分析，它得到的小波系数都体现图像中每一个细节信息，而且它具有多分辨率的特性也使得它在处理非平稳随机过程有较好的能力。因此，本文做了以下方面的研究：　　首先介绍了图像的基本数学表述方法以及如何选择图像质量的评价指标，在选择图像的评价指标方面，本文分析了传统的评价方法，最终选择客观的评价指标作为本文仿真实验结果的验证方法。　　其次，本文研究了传统的空域降噪和频域降噪的降噪原理以及各种方法的优缺点。空域降噪中，在邻域范围内，像素点的灰度值之间相关性较强，因此在进行降噪处理时需要把握好窗口的大小，而且灰度值也没有普遍的规律，所以窗口的大小难以把握。而频域降噪中，傅里叶变换是单一分辨的一种频域变换，它不能很好的刻画图像的细节信息。此外，本文还总结了传统的两种域内降噪的方法，并且做了详细的仿真分析。与小波降噪的方法相比，传统的这两大类方法都具有一定的局限性，而小波分析的方法可以兼具两者的优点且拥有两者都不可比拟的优势。　　最后，对小波分析的基本原理做了相关分析，通过比较分析传统软、硬阈值函数降噪的算法发现：硬阈值函数存在间断点的问题，而软阈值函数在小波系数绝对值较大的区域引起的部分高频信息损失。针对以上问题，提出一种新的阈值函数降噪算法，利用传统的阈值降噪步骤，使用新阈值函数将分解得到的小波系数进行保留或者收缩处理，最后将得到的新小波系数进行图像的重构。　　添加不同类型的噪声对改进的算法进行验证，实验结果表明，新的阈值函数降噪算法比普通算法更有效，通过新的阈值函数降噪得到的图像，有更大的峰值信噪比(PSNR)和更小的均方误(MSE), PSNR的值最大提高了1.97倍，MSE的值最大下降了54.4％。