名木古树常年受外界因素干扰易发生腐朽、空洞等缺陷,这些缺陷会导致其坍塌甚至死亡。而早期缺陷往往发生在树木内部,因此需要一种有效的无损检测技术对其进行检测,防止腐朽的进一步发展。雷达波作为一种有效的无损检测技术,以其真实无损、检测精度高、携带方便、操作简单等优点被逐渐应用于树木的无损检测领域。然而由于外界干扰以及树木本身结构复杂且腐朽、空洞等缺陷的形状、位置各异,导致树木雷达波图像存在信噪比不高、缺陷特征不明显和可视化程度低等问题。本文研究小波、Curvelet、Contourlet以及Shearlet变换等多尺度分析算法,并将上述算法对树木雷达波图像进行去除噪声和缺陷边缘特征提取处理,提高树木雷达波图像的信噪比和可视化程度。通过小波、Curvelet、Contourlet以及Shearlet变换在正演数据、标准试件、实际树木试件以及活立木雷达波图像上的去除噪声实验结果,对上述多尺度分析算法在树木雷达波图像去除噪声效果以及边缘特征提取能力进行比较,以选择更适用于树木雷达波图像的去除噪声算法。结果表明:Shearlet变换相比较小波、Curvelet以及Contourlet变换,是一种更为适用于树木雷达波图像的多尺度分析算法。