利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点，提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT 变换域， 能根据不同尺度、不同方向的子带能量，自适应调整去噪阈值。实验表明，与Contourlet多尺度阈值去噪、Contourlet自适应阈值去噪相比，该算法在图像去噪上能获得更好的视觉效果和更高的峰值信噪比。

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解，对每个分解层的各个子带进行非线性收缩和拉伸，以达到抑制噪声和增强图像特征的目的。然后，对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散，以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明，本文方法相比于无扩散的Wavelet和Contourlet方法相比，不仅对图像进行了去噪和增强，而且有效的抑制了伪Gibbs现象和 side-band效应。

提出基于自蛇模型和小波分析的集成图像去噪算法，以及峰值信噪比、保护边缘指数的去噪性能综合评价指标。首先利用自蛇模型对含噪图像滤波，然后将处理后的图像进行小波分解，保持低频分量系数，对其高频分量再次利用自蛇模型去噪，最后对处理后的小波系数进行重构，得到去噪后的图像。实验结果表明，本文算法在去噪能力和和保护边缘能力两方面均好于自蛇模型算法和2 次迭代自蛇模型算法。

基于小波域灰色关联度分析强噪声图像去噪算法。 用matlab实现。

图像在接收、转换和传输过程中，经常会受到各种内部和外部环境的影响而产生噪声，造成图像模糊、失真、有噪点而影响图像的质量，为了消除噪点，提高图像的信噪比，使图像恢复清晰，需要进行图像去噪。