在信息传播过程中，图像是一个很重要的渠道，人类获取信息很多时候都是通过图像。器件和周围环境一般会对图像造成影响，使图像在生成和传输过程中含有噪声，从而降低图像画质，影响图像中可获得的有用信息。所以，在对图像处理时，进行图像去噪十分有必要。图像进行预处理的主要任务之一就是图像去噪，它的作用是为了提升图像的信噪比，进而突出图像所需的期望特征。然而噪声是随机产生的，具有不规则形，噪声的种类也有很多，不同类别的噪声也应采用不同的方法进行去噪。从对图像进行滤波时采用的滤波方法来分，可分为空间域滤波和变换域滤波；而从滤波类型来分，又可以分为线性滤波和非线性滤波。

图像去噪技术到目前为止已经比较成熟，在空间域中去噪是邻域平均法和中值滤波法等；在频域中去噪是将被噪声干扰的信号通过一个滤波器，滤除噪声频率成分。但是图像中一般存在着许多不容易消除的噪声，比如脉冲信号、白噪声、非平稳过程信号等等，因此需要一种既能完好保留图像边缘信息又能兼顾有效去除噪声的方法。传统的去噪方法比如用傅立叶变换直接进行低通滤波或带通滤波，这种方法比较简单、易于实现，但它无法滤去有用信号频带中的噪声，并且对于选择带宽和采用高分辨率相矛盾。这些年，基于小波变换的图像去噪方法收到了青睐，小波变换的主要优点是在时间域和频率域中同时具有良好的局部化特性和多分辨率。而且小波变换是一种线性变换，利用图像进行小波分解后，根据各个子带图像的不同特性选取不同的阈值，从而达到相对比较好的去噪目的。

目前，国内外针对通过小波变换进行图像去噪等的研究已比较普遍。小波理论在图像处理的各领域实际应用中得到了非常迅速的发展。国内外的研究主要在选择合适的阈值，通过处理低于该阈值的小波系数同时保持其余小波系数值不变的方法来降噪，所以大多数对类似于高斯噪声的效果较好，但对混有脉冲噪声的混合噪声的情形处理效果并不理想。普通的线形运算会造成边缘模糊，小波变换虽然也是线性运算，但是因其具有独特的时频局部化特性从而在图像信号和噪声信号得以区分，还能有效去除噪声并保留有用信息，因此与传统的去噪相比具有显然的优势，并且小波变换在去噪的同时也能够实现图像在一定程度的压缩和边缘特征的提取，基于小波变换进行图像去噪有明显的优越性。

2. 研究的基本内容与方案

一、基本内容

1.了解图像处理应用时的常用函数及其用法；

2.熟悉几种图像去噪算法的原理及特点；