图像去噪是图像分析和计算机视觉中十分重要的基本预处理技术［1-13］。信号或图像在获取或传输过程中常常会受到噪声的污染，造成图像质量的退化，有时甚至会使信号完全淹没在噪声中难以分辩。根据噪声的统计特征和频谱分布规律已形成了多种去噪方法，如空域中的均值滤波、中值滤波等，以及基于傅里叶变换进行的频域去噪方法。现有各种去噪方法存在局限性，去噪时带有较强的针对性，无法解决噪声去除与图像细节模糊化的矛盾。如傅里叶变换去噪对信号与噪声的频带相互分离比较有效，但对两者相互重叠的情况效果并不理想。近年来，随着小波应用研究的深入，基于小波的去噪算法已成为小波分析领域的一项研究热点。小波分析作为一种多尺度表示方法，能同时给出信号的时域和频域信息。在小波变换域中进行噪声平滑具有空间和频率的双重选择性，克服了傅里叶方法和其他分析方法的不足。同时，噪声与信号在小波变换各层间的传输性态有着显著的不同特性。充分利用这些特点，在小波变换域中能十分有效地把信号和噪声区别开来。因此，小波分析技术已成为噪声去除的有力工具。

本文根据小波阈值去噪的特点，采用定长紧支撑双正交小波参数化构造方法来构造适用于阈值去噪的小波滤波器组，并对小波阈值去噪算法进行了研究。

1 图像阈值去噪小波构造

在图像阈值去噪中，由文献［3］可知:小波分解端滤波器具有零点偶对称性质，且低通分解滤波器支撑区间较宽;高通分解滤波器有支集较短、衰减速度快的双正交小波，可以取得良好的去噪效果。……