1、圖像是人們獲取信息的一種重要方式，但是噪聲的存在會(huì)影響圖像質(zhì)量以及后續(xù)處理，因此，對(duì)圖像去噪方法的研究有著重要意義。傳統(tǒng)圖像去噪主要分為空間域和變換域去噪?？臻g域圖像去噪方法，操作簡(jiǎn)單，針對(duì)性比較強(qiáng)，該類(lèi)方法會(huì)在去噪的同時(shí)模糊原圖像。變換域去噪主要是通過(guò)將源圖像變換到某一變換域，然后再進(jìn)行去噪處理，該類(lèi)方法認(rèn)為圖像和噪聲的頻帶是可分離的，因此，去噪的同時(shí)也會(huì)模糊原圖像。
　　基于稀疏表達(dá)的圖像去噪則是一個(gè)新的方向。本文利用圖像稀疏

2、表達(dá)模型對(duì)圖像去噪算法進(jìn)行研究，有如下改進(jìn):稀疏分解的迭代結(jié)束條件由殘差變化率來(lái)確定;利用K-SVD算法對(duì)字典進(jìn)行更新，得到了更能反映原圖像特征的字典。本文的主要工作有:(1)構(gòu)建過(guò)完備原子庫(kù)，本文用冗余的DCT字典作為稀疏分解的原子庫(kù);(2)圖像的稀疏分解，將圖像在過(guò)完備原子庫(kù)上進(jìn)行分解，稀疏分解過(guò)程中，采用的是正交匹配追蹤算法，迭代結(jié)束條件通過(guò)殘差變化率來(lái)確定;(3)進(jìn)行圖像重構(gòu)，在傳統(tǒng)DCT字典的基礎(chǔ)上結(jié)合了K-SVD算法，對(duì)DC