图像去噪是以观测到的图像为依据,根据图像本身的先验知识和退化模型来得到反应真实场景的图像,它是保证人们正确理解图像信息的重要手段。根据噪声的来源和污染模型不同,可以将噪声分为多种形式。本文主要研究受高斯噪声和冲击噪声所组成的混合噪声污染的情况。图像的非局部相似性和稀疏性是图像的两种重要的先验知识,本文以变分模型为基础将这两种先验知识结合起来,通过求解变分模型来得到去噪后图像。所做工作如下:1、对高斯噪声、冲击噪声以及混合噪声的形成进行了分析,构建了混合噪声的污染模型。对前人提出的一些经典的去噪算法进行了实验仿真,并对这几种算法的优缺点进行了总结分析。2、详细研究了通过稀疏表示进行图像去噪的原理、模型和算法。将稀疏表示应用于混合噪声的去除中,通过构建有效的训练字典来得到图像的稀疏表示先验,对稀疏模型求解得到去噪图像。3、对于在混合噪声下求取图像的非局部相似性先验进行了研究分析。将非局部相似性用于混合噪声的去除中,对相关算法进行了实验仿真。4、对如何将稀疏表示先验和非局部相似先验融合在一起进行了研究。将两种先验知识融合进变分模型中,对变分模型的数据保真项和正则项进行优化设计,求解变分模型可以得到稀疏表示系数,最终得到效果较为理想的去噪图像。