多媒体技术是信息技术的重要组成部分。近年来，以数字图像处理为代表的多媒体技术发展迅速，已经成为了人们接受复杂信息的重要途径。数字图像处理在很大程度上改变了人们的生活方式，具有重大的科研、社会价值。图像去噪是图像处理的基础性环节，其效果直接影响后续图像处理的成败，因此是图像处理的研究热点之一。近年来，基于过完备原子库的信号稀疏分解理论作为一种新的信号表示方式受到学者们的重视，发展很快，其在图像去噪的应用上也有了一定的研究成果。本文在对传统图像去噪算法尤其是基于变换域的图像去噪算法进行了简要回顾后，重点介绍并探讨了基于过完备原子库的图像稀疏分解相关内容，提出了一种新的图像去噪算法。主要研究内容如下：①简述图像噪声影响、噪声模型及图像品质评判标准，综述国内外在图像去噪算法和过完备稀疏分解上的研究现状。②介绍了几种常见图像变换域变换方法，阐述了过完备稀疏分解理论体系，讨论了基于正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法的稀疏分解、重构过程以及算法的复杂性。在此基础上引出了K-SVD(Singular ValueDecomposition)算法，阐述了算法的流程和实用意义。③针对图像去噪的核心问题——如何区分图像有效信息和图像噪声，展开研究。介绍了两种基于传统阈值作为分解结束条件的算法，指出了其中的不足，引出了基于相干比和残差比(Residual Ratio Iteration Termination)的迭代终止条件，并分析了它们的优越性。尤其是针对低信噪比的图像去噪问题进行了详细的分析和论述。④针对低信噪比图像去噪问题，提出了一种基于K-SVD和残差比的正交匹配追踪图像稀疏分解去噪算法。该算法利用K-SVD算法将离散余弦变换（Discretecosine transform, DCT）框架产生的冗余字典训练成能够有效反映图像结构特征的过完备字典，以实现图像的有效表示。然后以残差比作为OMP算法迭代的终止条件，来实现图像的去噪。实验表明，该算法相对于传统基于Symlets小波图像去噪、基于Contourlet变换的图像去噪，以及基于DCT冗余字典的稀疏表示图像去噪，能够更加有效地滤除低信噪比图像中的高斯白噪声，保留原图像的有用信息。⑤对论文内容进行整体回顾和总结展望，提出了以后的研究方向。