图像是一种重要的信息源,通过图像处理可以帮助人们了解信息的内涵。图像中的噪声会妨碍人们对图像的理解,而图像去噪的目的就是去除图像中的噪声,提高人们对图像的认知程度,以便对图像作进一步地处理。数字图像噪声去除涉及光学系统、微电子技术、计算机科学、数学分析等领域,是一门综合性很强的边缘科学,如今其理论体系已十分完善,且其实践应用很广泛,在医学、军事、艺术、农业等都有广泛且成熟的应用。MATLAB是一种高效的工程计算语言,在数值计算、数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用。MATLAB是一种向量语言,它非常适合于进行图像处理。本论文的主要工作就是对图像的几种去噪算法进行了一定的介绍,并对其中的一些算法作了进一步地研究,对它们进行仿真实验分析它们的去噪效果。文章第一章介绍了数字图像去噪算法的发展概况和研究现状。在总结一些传统去噪算法的同时指出了去噪算法中最新的研究领域。第二章对图像的噪声和图像的质量评价方法进行了简单的介绍。大多数图像中的噪声基本是由椒盐噪声和高斯噪声组成,现有的去噪算法大多针对这两种噪声。本文对这两种噪声的数学模型和灰度值直方图进行了分析与介绍,同时还给出了去噪质量评判标准。图像的质量评价方法有两种：一种是主观评价,另一种是客观评价。一般客观评价的方法应用更广泛。第三章对图像的空间域去噪方法及变换域去噪方法进行了介绍。包括邻域平均法、空域低通滤波法、多幅图像平均法、中值滤波法、自适应中值滤波法以及维纳滤波法。文中介绍了这些算法的原理,滤波过程,对中值滤波器、自适应中值滤波器和维纳滤波的特性,滤波过程以及其存在的缺陷和优点进行了详细的分析和讨论,并且通过MATLAB对以上算法进行了详细的仿真实验,分析了它们的去噪性能。第四章详细研究了最新的图像分析工具：小波变换。介绍了小波函数的概念、小波重构及小波变换的概念,小波变换分为离散和连续两种变换。还介绍了小波包的概念、性质及其分解过程。着重探讨了基于小波变换和小波包变换的图像去噪算法,分析了图像经过这两种变换后系数的分布特点以及阈值函数的选取原理。第五章对基于二维小波变换的不同分解层次的去噪、基于二维小波包变换的不同分解层次的去噪、基于二维平稳小波变换的不同分解层次的去噪以及基于中值滤波的不同类型噪声的去噪算法进行了详细的仿真实验,分析了它们的去噪性能,比较它们去噪效果的优劣。第六章是结论和对展望。该部分针对小波去噪方法发展的趋势提出了两点自己的看法。全文针对图像空间域和变换域,对一些常用的图像去噪方法进行了概括和介绍,对小波阈值去噪和小波包去噪的基本原理进行了仔细的研究。对常用的几种去噪方法进行了分析比较和仿真实现。最后结合理论分析和实验结果,讨论了完整去噪算法中影响去噪性能的各种因素。在实际处理图像的过程中,这为小波阈值去噪算法和中值滤波的选择和改进提供了数据参考和依据。