图像去噪在数字图像处理中占有重要地位,其方法也越来越多,但其实质就是利用噪声的特性和各种先验信息尽可能的去除干扰,保留原图像信息,改善图像质量。本文针对传统算法的弊端,既考虑到了小波系数的尺度传递性,又考虑到了尺度内空间聚集性,提出了一种基于邻域模型和双变量模型的图像去噪新算法。本文通过对均匀离散曲波变换域中小波系数统计特性的研究,针对传统双变量模型未考虑到空间聚集性的不足,提出了一种新的双变量模型去噪算法。首先考虑到尺度内的小波系数的相关性引入邻域模型,采用蒙特卡洛算法得到噪声方差,进而进行图像去噪；然后再引入具有尺度传递性的双变量模型的基础上,利用小波系数与父系数的相关性,进而得到初始化图像；最后以初始化图像和原噪声图像为先验信息,推导出改进的双变量模型来处理原噪声图像,且以对称K-L散度和最大迭代次数为收敛条件,经过逐层迭代得到了最终去噪图像。实验结果表明该算法有效地改善了去噪图像质量。本文引入均方误差(MSE)和峰值信噪比(PSNR)来衡量图像的去噪效果,与以往的去噪算法相比,本文提到的算法保留了图像的更多细节和边缘特征,消除了图像过平滑的可能性,实验结果证明了该方法的有效性。