Imágenes astronómicas provenientes de telescopios ópticos sufren de ruido, efectos de la óptica del telescopio, la atmósfera y de la estructura del telescopio que degradan la calidad de la imágen. En este algoritmo la transformación se basa en analizar la imágen por medio de ventanas que se sobreponen y representando el contenido de la imágen local como una suma de polinomios ponderados que son ortogonales con respecto a la ventana de análisis. En el caso del análisis de ventana tipo Gaussiana, los polinomios ortogonales corresponden a las funciones Hermite. Los operadores usados para obtener los coeficientes de los polinomios ponderados se puede demostrar que son derivadas de funciones Gaussianas. Existen diferente número de parámetros que se deben escoger para definir una transformada polinomial. Primero, el tipo de la función de ventana debe seleccionarse. La ventana Gaussiana es una buena opción. Los polinomios ortogonales asociados con una ventana Gaussiana son los polinomios de Hermite y su respectiva transfomada se denomina trasformada de Hermite. El segundo parámetro a seleccionarse es la dimensión de la función ventana, también conocida como la escala espacial de la transformada polinomial.

El problema principal en la reducción de ruido lleva al compromiso entre suavizar las regiones ruidosas y preservar la nitidez de la imágen. Se aborda el problema de reducción de ruido haciendo explicitamente una distinción sistemática entre los bordes de una imágen y sus regiones homogeneas de tal manera que el proceso de suavizado se adapta por si mismo al contenido de la imágen (1997 RMxAA, 33, 173) [21].