磁共振成像技术(MRI)是近年来医学影像学中有效的诊断途径。但是快速成像以及高分辨率MRI使重构后的磁共振(MR)图像呈现出较大的噪声伪影,影响后续的临床诊断和治疗。用于视觉检测的幅度图像中的噪声并不是加性高斯白噪声,而是呈现出与信号相关Rician分布,因此不易从信号中去除噪声。而这些噪声伪影都是来自原始K-空间复数数据实部和虚部不相关的零均值加性高斯白噪声,所以原始K-空间的复数域去噪方法也成为此领域的研究热点。本文重点研究复数高斯噪声的小波域去噪方法,在类似维纳滤波中加入平移不变思想(TI),结合一次SURE硬阈值滤波和两次维纳滤波,提出了一种新颖小波域去噪算法,用于MR复数图像的实部和虚部数据的分别处理。本算法对Wirestain等人的方法在去噪性能上有了很大的提高,但是由于实虚两部分数据的分别去噪,对重构后的图像造成相位失真,而且计算代价较大。为了降低算法的时间复杂度和解决分别处理引入的相位失真问题同时保证算法的有效性,本文采用方向延拓小波变换,进一步把小波变换的三个小波子带细分为六个方向子带,用于提高小波变换的方向性,仅采用非抽取采样和SURE硬阈值滤波,提出了另一种小波域滤波算法,把实部和虚部数据看作统一的整体,用于整个复数数据的去噪。仿真实验结果显示本文提出的两种算法能有效地去除噪声,保留更多的边缘信息,与前人的几类MR图像去噪方法相比更具优势。