小波阈值去噪方法是一种简单有效的去噪方法，但在实际应用中传统的小波阈值方法也存在着一定程度的缺陷。因此，进一步研究小波阈值去噪法很有必要。传统的通用阈值在每个尺度上都是固定的，不具有自适应能力，这对去噪效果有很大的影响。硬阈值函数在阈值点处是不连续的，而对于软阈值函数来说，虽然它在阈值点处是连续的，但是由软阈值法处理后的信号与真实信号之间存在着恒定的偏差，这使得去噪后的图像可能出现模糊失真的现象。小波变换检测点奇异性是很有效的，但不能够有效处理图像的线奇异性。而脊波变换则弥补了小波变换的这一不足，它能够很好地检测出图像的线奇异性。为达到有效去噪的目的，本文对小波阈值方法进行了改进。具体工作如下：第一，本文先对通用阈值进行改进，使得改进后的阈值可以随着分解层数的变化而变化。与改进之前相比，改进的阈值具有灵活性，更符合噪声在各层的分布情况。然后对阈值函数进行改进，在改进的阈值函数中增加了一个调节参量，通过对参量的调整，使得改进的阈值函数介于软、硬阈值函数之间，克服了硬阈值函数不连续和软阈值函数与真实信号间存在恒定偏差的缺点。改进的阈值函数是连续且可导的，便于进行一些后续处理。第二，由于小波阈值去噪法不能有效处理线奇异性，而脊波变换则可以弥补这个缺点。但运用脊波方法去噪后的图像有很大的“环绕”效应，所以，本文对传统的脊波去噪方法进行了改进。先将噪声图像分成若干个大小相同且互相不重叠的正方形块，采用脊波变换对每个图像块去噪；然后，将所有图像块拼接成一个完整的图像；再使用维纳滤波减少图像的环绕效应。最后，将分别用改进的小波阈值去噪方法和分块脊波去噪方法获得的两幅图像进行融合，融合后的图像兼具两者的优点。实验结果表明，与常用的中值滤波、均值滤波和脊波去噪相比，本文的方法能够更有效地去除图像噪声并且获得更好的去噪效果。