图像是人类获取信息的重要手段,而图像在采集和传输过程中可能会掺杂噪声,从而影响图像的原始信息及应用价值,因此图像去噪具有重要研究意义。将图像进行分块去噪,可对图像进行细化处理,从而得到更好的去噪效果。本文以图像块为基础,利用图像的相似性和稀疏性进行去噪研究,主要研究内容如下:(1)基于非局部自相似块组学习(PGPD)的快速去噪算法研究。PGPD算法具有良好的去噪效果,为进一步提高其去噪速度,本文提出一种快速PGPD去噪算法。在去噪过程中寻找图像非局部相似块时,利用图像的非局部自相似性(NSS)适当减小搜索范围,并对搜索块进行采样筛检,进一步有效缩小非局部相似块的搜索范围,再通过计算欧氏距离快速确定目标局部块的相似图像块,从而节省了计算量。数字图像去噪实验结果表明,与原PGPD算法相比,该算法在图像质量轻微损失的情况下,可大幅度提高去噪速度。(2)结合主成分分析的K-means序贯泛化(SGK)图像去噪算法研究。SGK算法具有去噪速度快、去噪性能优越等特点,但对图像去噪时需预知图像的噪声标准差大小,因此本文提出一种结合主成分分析(PCA)噪声估计的SGK字典学习去噪算法。首先利用主成分分析估计图像的噪声标准差,再将估计值用于SGK字典学习对图像去噪。通过对不同噪声标准差的多幅图像进行去噪实验,结果表明与其它三种字典学习算法相比,SGK算法去噪效果最优,同时结合PCA噪声估计的SGK字典学习算法在噪声标准差估计的准确度上优于其它算法。因此该算法对噪声标准差未知的图像去噪具有可行性。(3)结合块匹配三维协同滤波的外部目标数据库(TID)图像去噪算法研究。TID算法利用外部目标数据库对图像去噪有较好的去噪性能,但需重复遍历外部目标数据库,具有一定盲目性且耗时较长,因此本文提出一种结合块匹配三维协同滤波(BM3D)的去噪算法,TID-BM3D算法。该算法在初步去噪阶段利用TID对图像原始信息进行外部去噪,首先在目标数据库中寻找相似图像块,充分补充图像块的相似性信息,然后通过组稀疏和局部先验确定估计值;在二次去噪阶段利用BM3D进行去噪,采用块匹配协同滤波快速搜索图像相似块,在短时间内较精确估计出图像原始信息。将TID-BM3D算法应用于人脸数据库和文本数据库去噪,实验结果表明该算法比TID算法具有更好的去噪性能,在去噪速度和去噪性能方面均有提升。