由于数字图像在量化和传输过程中常常会受到外部环境噪声的干扰,因此图像去噪在图像处理中具有重要的意义。非下采样双树复小波变换提供了一种新的多尺度图像分析工具,是实小波的改进并克服了其的缺陷,具有真正的平移不变性和多方向选择性。而且变换系数在图像分析中提供了更丰富的统计特征信息。稀疏表示是一种新兴的信号分析和综合方法,其目的就是在字典中用尽可能少的原子来表示信号。稀疏表示的应用广泛并已成功应用于图像去噪领域,在稀疏表示的过程中即可将噪声滤除。本文主要研究基于小波域稀疏表示的图像去噪算法,主要工作如下：1.综述了图像去噪的发展现状,简要叙述了图像去噪的性能评价标准；介绍了非下采样双树复小波的相关概念,并说明了非下采样双树复小波变换的优点及变换的分解与重构流程。2.首先用自适应各向异性二元非高斯统计模型模拟同一方向实部和虚部小波系数的联合概率分布;然后把双变量统计模型引入同一方向实部和虚部小波系数中,得到非下采样双树复小波变换自适应各向异性双变量去噪模型；最后运用最大后验概率来估计原图像的系数；得到一种基于非下采样双树复小波域的自适应各向异性双变量模型的图像去噪算法。并用实验验证所提算法的有效性。3.首先分析基于空间域图像分块处理稀疏表示去噪算法的缺陷,在小波域对图像进行分块处理克服了去噪图像的虚假边缘和过平滑;在稀疏表示模型中利用均方误差作为原始图像的先验知识,提出一种基于稀疏表示的图像去噪算法,并通过仿真实验验证算法的有效性。