红外热成像技术因其抗干扰能力强、可全天候成像等特点,在各个行业领域都有着广泛的应用。但是由于红外信号受到探测器本身器件的干扰和在传输的过程中受到外界因素的影响,导致红外热成像系统采集红外图像的过程中会引入各种噪声,限制了红外图像的应用。因此,对红外图像噪声抑制方法进行研究具有十分重要的意义。为了解决传统红外图像噪声抑制方法在滤除红外图像噪声的同时,也会损失红外图像细节信息的问题,论文在深入研究稀疏表示理论的基础上,提出了两种稀疏表示的红外图像噪声抑制方法。针对传统稀疏表示方法中过完备字典自适应能力差的问题,提出了优化的K-SVD字典的稀疏表示红外图像噪声抑制方法。该方法首先对红外图像进行分块处理,每一块为一类,然后对每一类进行字典学习和稀疏分解。在字典学习阶段,选取离散余弦变换过完备字典为初始字典,对红外图像块进行多次奇异值分解学习得到新的字典矩阵。对每一块样本信号选取离散余弦变换字典为初始过完备字典,用正交匹配追踪算法对图像块在该过完备字典上进行稀疏分解,以残差变化率阈值为稀疏分解迭代终止条件。其次,对字典进行迭代更新学习,得到图像块的字典矩阵和稀疏系数矩阵。最后,利用更新得到的字典矩阵和稀疏系数矩阵重构出红外图像。针对优化的K-SVD字典的结构性不强的问题,提出了非局部聚类字典的稀疏表示红外图像噪声抑制方法。该方法先利用改进过后的K均值算法对图像块进行聚类处理,并且对每一类图像信号进行主成分分析,提取出能够表示该类别图像信号特征信息的特征向量组成特征矩阵,该矩阵作为初始特征字典。然后对每一类图像块进行K-SVD字典学习,多次迭代,更新每一类图像区域,得到过完备字典矩阵和稀疏系数矩阵。最后结合字典矩阵和稀疏系数矩阵与聚类时生成的索引矩阵进行加权叠加,重构噪声抑制后的红外图像。论文通过Matlab仿真软件对传统的红外图像噪声抑制方法和论文所提出的噪声抑制方法进行了仿真实验对比。结果表明:本文所提出的基于优化的K-SVD字典的稀疏表示红外图像噪声抑制方法,比传统方法更能有效地抑制红外图像中的噪声。基于非局部聚类字典的稀疏表示红外图像噪声抑制方法,除了能够有效抑制红外图像噪声,还能保留图像细节信息,使重建后的红外图像视觉效果得到明显改善。