图像信息在生活与生产中起了越来越重要的作用,但是,图像在采集和传输的过程产生噪声是很难规避的,这使得图像去噪这项工作变得至关重要。图像去噪有许多方法,滤波方法是一种较为原始的去噪方法,该方法适用面窄,效果一般。最近,研究频率比较高的是小波阈值去噪方法,最初使用的是软阈值函数或者硬阈值函数来进行去噪,而这二者都存在较大缺陷,硬阈值函数不是连续的,软阈值函数对图像去噪容易使图像模糊失真。部分研究者提出了一些改进的阈值函数,但都或多或少存在缺陷,要么降低偏差而阈值函数不连续,要么阈值函数连续但偏差稍大,所以阈值函数还有很多的优化空间。在对以往研究者提出的多个阈值函数进行改进,提出一种新的阈值函数。该函数具有下面几个优点:第一,改良的阈值函数是连续函数,这样就能够避免图像去噪后产生伪吉布斯效应;第二,在改进的公式中引入了两个自适应调节参数,自适应的调节参数不仅可以使改进的阈值公式介于软、硬阈值公式之间,而且能够综合其他几个研究者所提出的该进阈值公式的优点,使其可以更加灵活的综合软、硬函数以及其他改进阈值函数的优点,随着小波分解层数的增加而调节不同的参数,改进的新的小波阈值函数就可以更好地解决图像去噪后偏差过大的问题。通过和以往的方法作比较发现新改进的小波阈值方法对于图像去噪具有更好的效果。为了验证提出的小波阈值函数的优越性,利用MATLAB进行了多组模拟实验,以现实生活中采集的两种植物的加噪图像为实验对象,让它与中值滤波、均值滤波、硬阈值、软阈值、半阈值以及几种经过研究者改进的阈值进行比较。计算信噪比和峰值信噪比,比较试验结果发现新改进的小波阈值函数比其他方法的信噪比都小、峰值信噪比都大,新改进的阈值方法比上述所提方法好、效果更佳。