近些年来，科学技术发展日新月异，特别是在计算机发展方面，而图像就是计算机的一个重要方面。而图像处理技术的成本降低，处理速度提高，对图像细节处理要求的提升都使图像去噪越来越受人关注。图像的利用，研究和处理，改变着人们传统的生活方式和生产手段。

图像去噪是图像处理中必不可少的一个部分，图像去噪在后期的图像传送，截取等方面也有十分重要的地位。同样，在航空航天技术，卫星发射，宇宙探索等领域，都会有涉及。它能让我们得到更加清楚的图像信息，让它可以在许多领域发挥作用，可以解决医疗、传输、教育、学习等很多问题。怎样改进图像去噪方式，如何高效地降低噪声对原始图片的干扰，保留图片的原始像素，使图像资料保真，解决图像的失真，所以去噪技术任有很大的提升空间。图象中通常包含噪声，所以有必要在图象使用之前，先对图象进行预处理，最大限度的消除图象中包含的噪声。许多工作如图象分割都希望获得良好的消除噪声的技术。因此，去噪技术已是十分重要研究领域。

综上所述，图像的去噪技术是十分关键的。而对图像去噪的方法又可以分为两类，一种是在空间域内对图像进行去噪，一种是将图像变换到频域进行去噪的处理。通常图像中的噪声为两种噪声，有乘性，加性噪声。这几种噪声，我们可以在图像空间域或在图像频率域完成。空间域去噪方法主要有均值滤波算法和中值滤波算法。图像频率域去噪方法是对图像进行某种变换，将图像从空间域转换到频率域，对频率域中的变换系数进行处理，再进行反变换将图像从频率域转换到空间域来达到去除图像噪声的目的。将图像从空间转换到变换域的变换方法很多，常用的有傅立叶变换、小波变换等。

时至今日，小波去噪理论的发展速度非常迅速，原因是小波拥有非常好的时频特性，小波去噪技术十分成熟。小波去噪主要有几个优点：低熵性，多分辨率，去相关性等。

本文主要说明的是用小波变换来达到去噪的目的。其中小波阈值方法因为其应用范围广泛，去噪效果明显而得到好评。因此，本文主要介绍了一种小波去噪方法，贝叶斯软阈值去噪法。并通过MATLAB实验的结果，比较了贝叶斯软阈值去噪法与软硬阈值去噪法的

区别。

2贝叶斯估计的概念及相关内容

要了解贝叶斯的概念，我们需要了解三个信息：总体信息：即总体分布或所属分布族给我们的信息。如“总体是正态分布”等，如果有总体信息，就一定要在统计推断中加以运用;样本信息：即样本提供给我们的信息。这类信息是任何一种统计推断问题都必须拥有的信息。

先验信息：即在抽样之前有关统计推断的一些信息。如工厂生产产品的合格率（历史数据），这些资料对估计产品的不合格率是有帮助的。由于这些信息在“试验之前”就已经有了，所以这些资料就叫做先验信息。

以前讨论的估计都只有前两种信息，并没有采用先验信息。而统计推断之前先收集有用的先验信息，是有利于我们对统计的判断的。所以，只用前两种信息的我们称为经典统计学，三种信息都使用的称为贝叶斯统计学。

2。1贝叶斯估计源G于J优L尔V论N文M网WwW.youeRw.com 原文+QQ75201`8766

使用后验密度(/x)达到最大的值MD称为最大后验估计；后验分布的中位数Me称为后验中位数估计；后验分布的期望值E称为的后验期望值估计；这三个估计都称为贝叶斯估计。

尽管贝叶斯估计存在一定的局限性，但是在实际生活中有一定的应用，在某些实际问题中，研究往往能够通过先验信息做出更合理的估计模型。例如在房屋震害预测中，以地震考察取得房屋破坏资料为基础，做出贝叶斯模型。还有在经济学问题中，例如车辆保险的确立，会因为缺少对于被投保人车辆的认识，会产生资料不对称问题，从而没法正确确定保险费，就会让保险公司产生到经济。若是如果我们能从事前进行调研，发现了车辆的事故率，就可以建立更正确的保险费。比如常见的生活实例来说，要预判04年世博园是否会有交通堵塞，科研学家不只记录了当日的天气情况，也比较了前几天份该地同一时刻的交通情况的先验信息。