Trong nhiều phương pháp loại nhiễu cơ sở wavelet, biến đổi wavelet của ảnh nhiễu được thực hiện các hệ số wavelet được xử lý và các hệ số đã được xử lý lại được biến đổi trở lại ảnh kết quả. Việc xử lý các hệ số bao gồm việc giảm các hệ số nhiễu. Một số tiêu chuẩn để phân biệt các hệ số có nhiễu và các hệ số không có nhiễu ảnh được giới thiệu ngắn gọn dưới đây.
Trong kỹ thuật “wavelet shrinkage ” của Donoho sử dụng một tiêu chí chung cho các lớp. Phương pháp sử dụng một sự không tuyến tính ngưỡng mềm (soft-threshold nonlinearity) sao cho các hệ số wavelet nằm dưới mức ngưỡng bị loại bỏ. Mức ngưỡng không đổi trong một mức và cùng một giá trị đối với tất cả các mức trong trường hợp nhiễu trắng. Phương pháp này không biểu thị mọi ưu điểm mà biến đổi wavelet có được nhưng nó có một cơ sở lý thuyết tốt. Trong phương pháp của Mallat và các đồng sự của ông thì tiêu chí được điều chỉnh phù hợp với từng hệ số. Do đó chúng ta gọi nó là phương pháp thích nghi (adaptive method). Tiêu chí dựa trên sự giả định là ảnh không nhiễu là đều và nhiễu không
đều. Phương pháp của Healy, Weaver là một sự biến đổi của phương pháp
Mallat, trong đó tiêu chí được dựa trên sự quan sát các hệ số wavelet của một ảnh không nhiễu. Coifman phát triển một phương pháp không dựa vào sự điều chỉnh các hệ số wavelet nhiễu, nhưng dựa vào việc sử dụng thư viện các dạng sóng trực giao. Tín hiệu được phân chia thành mỗi phần được loại nhiễu mà được biểu diễn bằng một dạng sóng đã chọn và một phầnkhông thể biểu diễn
được.
Các phương pháp loại nhiễu được miêu tả xử lý nhiễu trắng Gaussian có trung bình bằng không. Để đánh giá hiệu suất của việc loại nhiễu, ta sử dụng tỷ số tín hiệu trên nhiễu để đo chất lượng. Tỷ số tín hiệu trên nhiễu được biểu diễn bằng dB và được định nghĩa như sau: noise signal P P 10 SNR = lg
Trong đó Psignal là công suất của tín hiệu hay của ảnh. Pnoise là công suất của nhiễu.