1、數字圖像在獲取過程中，由于各種各樣的原因不可避免的會受到噪聲的污染，導致圖像質量退化，從而影響圖像的后續(xù)處理。圖像去噪作為圖像處理的初級階段，在數字圖像處理中起著舉足輕重的作用。
　　稀疏表示是圖像去噪領域使用最廣泛的方法之一，為了提高基于稀疏表示的圖像去噪性能，非局部中央稀疏表示模型聯合了圖像稀疏性與非局部自相似性，利用圖像非局部自相似來估計原始圖像稀疏編碼系數，然后使觀測圖像的編碼系數盡量接近這些估計，來達到更好的去噪效果。改

2、進稀疏表示去噪性能的常用方法是設計有效的正則化項。本文通過構建不同的正則化項來獲得好的去噪效果，主要包括以下方面：
　　（1）對于加性白高斯噪聲移除，現有的非局部稀疏表示去噪算法大多嚴格依賴于塊匹配，且其去噪性能受制于匹配的相似塊的數量。鑒于此，提出了組約束與非局部稀疏的圖像去噪模型。模型在非局部稀疏的基礎上加入了分組約束，增強了圖像塊之間的非局部相似度，塊匹配更加精確。實驗表明，模型無論是在視覺效果還是峰值信噪比上均具有較好的性