图像是获取信息的重要途径之一，对图像的处理是信息理论中的重要内容。由于图像信号在获取、传输以及存储等过程中会受到噪声的影响，导致图像质量下降，变得模糊不清。因此要获取高质量的图像，对图像进行去噪处理显得尤为重要。本文主要研究一种不同于传统信号处理的理论——压缩传感（Compressed Sensing，简称CS），及其在图像去噪领域的应用。在CS理论中，对具有稀疏性或者可压缩性的信号，以远低于奈奎斯特频率进行采样，在采样的同时即对数据进行压缩，得到包含所有信号特征的压缩数据。再通过相应的重构算法得到原始的信号。压缩传感理论打破了香农定理的瓶颈，在数据传输的过程中大大节省了存储和传输的空间及成本，是数据采集技术中的新突破。本文首先对CS理论做了具体论述，介绍了CS理论在图像重构中的应用。讨论了常见的信号稀疏分解算法的原理及步骤，例如匹配追踪算法（MP）、正交匹配追踪算法（OMP）。简单介绍了奇异值分解算法和K均值算法的核心思想，讨论了K均值算法和K-SVD算法的关系，并详细论述了OMP和K-SVD算法相结合的去噪原理及其优点，通过实验仿真，比较了小波阈值去噪算法和K-SVD算法在去噪效果上的差异。经过大量实验证明，将OMP稀疏分解算法与K-SVD算法结合起来，对图像进行去噪处理，无论是从视觉效果上还是客观数据上，均优于其他同类算法，是一种较好的图像去噪技术。