图像去噪作为一个基础图像修复问题,一直以来都是研究热点。当今信息化时代,图像作为一种重要的信息传递方式,与人们的生活息息相关,所有关于图像的应用都需在高质量图像的前提下才能够满足生产生活要求。而图像在采集、存储和传输的过程中会因受到外界因素的干扰产生噪声而降质,因此对图像去噪的研究显得尤为重要。自上个世纪80年代至今,研究者们提出了许多算法用于图像去噪,其中非局部自相似性理论的提出,使得图像去噪的研究跨入了一个新的纪元。此后研究者们提出了许多基于图像的非局部自相似性先验的图像去噪算法。加权核范数最小化方法便是其中一种,与其他低秩矩阵恢复方法一样,该方法利用图像的非局部自相似性块所组成的矩阵是低秩矩阵达到去噪效果。然而该方法存在一个很明显的问题,求图像块的非局部自相似性块组时,直接使用噪声图像块之间的欧氏距离度量块之间的相似度,而噪声会影响计算相似性的准确度,这将影响后续去噪效果。本文以加权核范数最小化方法为基础,针对噪声影响图像的相似块计算问题进行研究。本文的主要内容和创新点主要有以下几点:(1)提出用预处理后的图像代替噪声图像求图像块的非局部自相似性矩阵。预处理后的图像因信噪比上升,一定程度上解决了求图像的相似块时对噪声鲁棒性不好的问题。此外,在重构去噪后的图像块时使用加权平均法代替求平均值求图像块中每个像素点的灰度值。实验结果表明,提出的方法能够提升加权核范数最小化方法的去噪效果。(2)研究分析多尺度下图像块的性质。因多尺度下图像具有尺度不变性且噪声水平会下降,提出使用多个尺度下的图像块组合求图像块之间的相似度。基于图像块的纹理不同采用不同方向的金字塔对图像块进行处理,且考虑到不同尺度下图像块包含的信息量不同,在求图像块之间相似度时,不同尺度上图像块所占比重不一样。实验结果验证了该方法的可行性和有效性。