图像去噪在信号处理中是一个经典问题,同时它又是一个热点问题。噪声不仅影响了图像的视觉效果,而且在对图像进行处理分析时有很大的干扰。只有对图像进行了预处理去噪,才能保证后续处理使用的可靠性。图像去噪不仅要尽可能保持原图像的边沿纹理等细节信息,而且要最大程度的去除其中的噪声,因而图像去噪一直以来都是研究人员关注的热点问题。本文主要对图像去噪算法进行研究,重点分析了ICA稀疏编码算法和轮廓波变换,并针对其中存在的不足,提出相应的改进。本文主要研究内容归纳如下：(1)研究了图像去噪中的ICA稀疏编码算法,针对其难以估计原始信号的概率密度函数、软阈值收缩函数在去噪过程中会造成图像细节的模糊等问题,提出了一种改进的ICA稀疏编码算法。该算法通过建立ICA变换域中的贝叶斯阈值和一种新的收缩函数,不仅避免了对原始信号的估计,而且有效地解决了图像细节模糊问题。实验结果显示,该算法不仅运算复杂程度低,在实际情况下更容易实现,而且去噪效果明显优于传统算法。(2)从轮廓波变换出发,提出了一种改进的非下采样轮廓波变换阈值去噪算法。该算法建立了一种新的贝叶斯阈值函数,该阈值函数能自适应于子带能量的聚集方向,并能更好的估计信号方差和噪声方差。通过仿真实验,与传统的非下采样轮廓波变换阈值去噪算法相比,本文算法的去噪效果和峰值信噪比都有明显的提高。(3)由于大噪声时ICA稀疏编码去噪能力优于轮廓波算法,而轮廓波算法在小噪声时去噪效果要好于ICA稀疏编码,本文提出了一种基于ICA稀疏编码算法和轮廓波变换的图像去噪方法。针对在实际工程上难以获得噪声方差的问题,提出通过计算图像“平坦”区域的标准差来估计噪声的大小,并根据其标准差选择算法,以达到更好的去噪效果。实验结果表明,该方法能准确的自适应选择去噪算法,到达最优化的目的,具有一定的应用价值。