图像是人们得到信息的重要途径,在很多领域中都需要通过图像作出判断或者解释现象,例如遥感探测,医学诊断等。但是在获取和传输图像的过程中,还是会或多或少的受到噪声的干扰。所以对图像进行去噪处理就具有了非常重要的现实意义。近年来,人们对稀疏表示理论进行了广泛的研究,并成功的将其应用到图像去噪上。该方法的理论依据在于一幅无噪声的图像在合适的过完备字典下可以进行稀疏表示,因此可以通过重构原始图像的方法来达到去除噪声的目的。本文在稀疏表示理论的基础上进行了图像去躁方法的研究,主要的工作在于以下两个方面:首先提出了一种基于聚类和K-SVD的图像去噪模型。传统的K-SVD算法在训练样本的选取时,并没有考虑到图像的结构特性差异。我们的模型从图像的结构特性差异出发,利用聚类算法将图像相似的结构分为一类,之后对每一类图像训练字典,这样就使得该字典能够更好地用于表示这一类图像结构,保护细节特性。其次提出一种加权重的非局部稀疏图像去噪模型。该模型将非局部均值计算权重的方法引入到了非局部稀疏模型当中,使得相似集合中图像块的相似程度之间有所区别,因此可以得到更加适合表示该集合内图像块的字典原子,从而得到更好的去噪效果。