随着红外热成像技术发展的日趋成熟，红外热成像系统的应用已经从军事领域逐渐延伸到社会生活的各个领域，这种应用范围的扩展，对系统的成像质量提出了更高的要求。受成像器件制造工艺水平的限制以及外界环境等因素的影响，采集图像的过程中会引入大量噪声，严重影响红外图像的质量及使用价值。目前成像器件的研制水平已接近国家基础工业水平，从此处着手改善成像器件的性能成本高，且收效甚微，而利用数字图像处理技术，通过使用算法滤除图像噪声的方式来改善红外图像质量，成本低且见效快，具有重要的应用和推广价值。　　 传统的图像滤波算法通常从频域区分图像有用信息和噪声，使得算法在滤除噪声的同时也会滤除图像的细节信息，针对此问题，提出基于过完备稀疏表示的红外图像滤波算法，该算法以图像的稀疏表示理论为依据定性划分图像有用信息和噪声，图像中有用信息可以由具有结构性的原子稀疏表示，而噪声是随机成分，不具有结构特性，不能用原子表示，由此可有效区分图像有用信息和噪声。　　 本文算法通过奇异值分解方法，以原始红外图像为样本学习得到性能优良的过完备原子库，并采用匹配追踪算法，以能量衰减速率作为分解的条件阈值，将红外图像稀疏分解到该过完备原子库上，仅图像有用信息可由原子稀疏表示出来，以此重构红外图像，即可排除噪声的干扰。然后，课题针对算法计算量巨大的问题提出分块分解的优化思想，使得算法实时性能改善明显。　　 论文最后对本文算法及常见的图像滤波算法进行了Matlab仿真实验，经本文算法处理后的红外图像PSNR值可达到23.5445dB，较小波阈值算法提高了约22.5％，而图像信息熵增加到6.0223bit，提高了约27.4％，由此可知，本文算法在去除红外图像噪声方面具有极大的优越性，既能有效滤除红外图像中的噪声，又能较为完整地复原红外图像细节信息，滤波后红外图像质量得到了明显的改善，有效弥补了传统滤波算法无法在保留图像细节信息的同时有效滤除噪声的不足。