在图像的采集和传输的过程中,常常会被噪声污染,所以在对图像进行处理和分析之前,有必要先去除噪声；由于成像方式、客观环境等因素,单一传感器对一个场景获得的一副图像可能无法包含人们所关注的全部有用信息,图像融合技术通过将同一个场景的多幅图像进行融合处理,可以很好地解决这个问题。基于小波变换的分析方法是一种时频分析的方法,它具有良好的时频局部化能力,在图像处理中起到了非常重要的作用。在图像去噪中,小波变换可以很好地区分有用信息和噪声,从而有效地去除噪声；在图像融合中,将多幅待融合图像进行小波分解后,低频系数反映了图像的轮廓,高频系数反映了图像的细节,且三个方向的高频系数分别反映着图像的水平边缘、垂直边缘和对角方向的变化,对低频和高频系数采用不同的融合算子和融合规则就可以充分地挖掘出待融合图像的互补及冗余信息,从而获得较好的融合效果。本文主要研究了基于小波变换的图像去噪与融合算法,具体工作如下：(1)研究了基于小波阈值的图像去噪方法,在总结了现有几种阈值函数的基础上,对它们进行改进。在MATLAB平台比较了改进的阈值函数和现有几种阈值函数的去噪效果,验证了改进的阈值函数在图像去噪上的优越性。(2)研究了基于小波变换的图像融合算法,总结了现有几种基于小波变换的图像融合算法,在此基础上,对它们进行改进。改进算法针对待融合图像小波分解得到的低频部分包含了图像的大部分信息,对低频部分采用局部信息熵和局部标准差相结合作为融合算子,并根据融合算子取大的原则进行一致性检验；根据高频部分反映了图像的边缘等显著特征,且不同方向的系数分别对应图像的不同方向的边缘特征,对高频系数的不同方向的系数分别定义了不同的显著性变量,并根据显著性取大的原则进行一致性检验。最后,用MATLAB对改进算法和现有几种算法进行实验仿真,实验结果表明,与对比算法相比,改进算法在融合图像的对比度、信息量和清晰度上都有一定程度的提高。