电荷耦合器件（Charge-coupled Device，CCD），作为数码相机的核心器件，在成像过程中会产生复杂的噪声。这种噪声并不是简单的加性高斯白噪声（Additive Gaussian White Noise，AWGN），而是一种严重依赖于信号强度的噪声（Signal-dependent Noise，SDN）。获知CCD的噪声水平不仅可以用来评价图像传感器的质量，还可以用来调整许多计算机视觉算法的参数，因此准确估计CCD的噪声水平函数具有重要意义。常见的噪声估计算法都是针对高斯白噪声设计，对于这种依赖于信号的噪声并不适用。因此本文提出了一种基于稀疏表示的CCD噪声估计方法，其中需要计算三个要素：用于稀疏表示的字典、噪声估计的样本点以及样本点的可信度。对于稀疏表示字典，本文先根据现实世界中CCD类型和噪声强度计算出一个噪声水平函数库，再对其做PCA分析得到。而样本点及其可信度可以分别通过从空间域和DCT域的方法得到。在空间域中，本文是先利用图像结构分析器搜索图像中的光滑块，然后再对这些图像块按照彩色滤镜矩阵的排列方式进行采样，最后计算出样本点。而每一个样本点的可信度是由相关图像块的光滑程度决定。而在变换域中，由于得到的样本点准确度较高，因此可以忽略可信度的计算，只估计噪声样本点。本节先对抽样后的光滑图像进行DCT变换，然后再利用高频系数的方差来计算噪声估计的样本点。在得到了稀疏表示的字典、噪声估计样本点和样本点可信度，根据稀疏表示的理论，就可以准确重构出CCD的噪声水平曲线。利用重构出来的噪声函数，我们又对CCD噪声进行了降噪的研究，提出了一种基于噪声估计和三维DCT变换的CCD图像的去噪方法。大量实验证明，我们提出的噪声估计方法对于平滑或者高纹理的图像，都可以准确地重构出噪声水平曲线，而去噪效果更是可以媲美目前去噪效果最好的Non-local Means (NLM)和BM3D算法。