1、數(shù)字圖像在獲取過(guò)程中，由于各種各樣的原因不可避免的會(huì)受到噪聲的污染，導(dǎo)致圖像質(zhì)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(jí)階段，在數(shù)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(lǐng)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(lián)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(lái)估計(jì)原始圖像稀疏編碼系數(shù)，然后使觀測(cè)圖像的編碼系數(shù)盡量接近這些估計(jì)，來(lái)達(dá)到更好的去噪效果。改

2、進(jìn)稀疏表示去噪性能的常用方法是設(shè)計(jì)有效的正則化項(xiàng)。本文通過(guò)構(gòu)建不同的正則化項(xiàng)來(lái)獲得好的去噪效果，主要包括以下方面：
　?。?）對(duì)于加性白高斯噪聲移除，現(xiàn)有的非局部稀疏表示去噪算法大多嚴(yán)格依賴于塊匹配，且其去噪性能受制于匹配的相似塊的數(shù)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(chǔ)上加入了分組約束，增強(qiáng)了圖像塊之間的非局部相似度，塊匹配更加精確。實(shí)驗(yàn)表明，模型無(wú)論是在視覺(jué)效果還是峰值信噪比上均具有較好的性