一幅图像常常既包含潜在的理想结构,也包含一些随机噪声或人为干扰。前者是要检测和描述的,而后者是希望去除的。由于图像预处理的结果直接关系到后续的图像处理效果,如图像分割、目标识别以及边缘提取等等,所以图像去噪处理对于图像处理和计算机视觉的研究都非常重要。事实上,研究者们也已经从不同的角度提出了很多有效的图像去噪方法。传统的滤波方法虽然简单,但几乎不可避免要以模糊图像为代价。由基于联合字典学习的图像上采样方法得知,该方法可以很好的保持图像的边缘和细节等特征,所以本文对基于稀疏分解的图像去噪方法和联合冗余字典学习展开研究,并将联合字典学习方法用于图像去噪问题,得到了较好的结果。本文提出一种新的基于联合字典学习的图像去噪方法。将噪声图像训练集先进行滤波处理得到质量较低的图像,再以干净图像和对应的低质量图像对作为样本进行联合字典学习,图像结构和其它一些有用信息将通过学习过程中得到的表示系数得以保持和传递。并且字典里学习得到的图像结构信息以及图像对之间的相关性使得我们可以利用低质量的图像恢复出与之相关性最高的对应高质量图像,并且图像的关键结构能够得以较好的保持。