图像恢复是数字图像处理中的经典问题，近十几年来，图像非局部的信息一直受到国内外学者的关注，基于非局部的图像处理算法层出不穷，图像非局部的算法已经广泛应用于图像恢复领域，并且取得了很好的成果。本文在已有的图像非局部算法的基础上，结合图像稀疏表示和低秩逼近算法，改进了去噪模型，增强算法的去噪能力，提高恢复图像的视觉质量。　　本研究主要内容包括：⑴针对加性高斯白噪声，结合非局部稀疏表示和基于组的稀疏表示，提出了新的去噪模型。新模型以组为基本稀疏单位，先从清晰的自然图像中训练组字典，再通过低秩方法得到组的非局部估计，最后利用阈值迭代法求解新模型。仿真实验表明，新算法不仅提高了图像的峰值信噪比和结构相似度，而且能够减少恢复图像中的伪迹，更好的保留图像的重要特征，提高图像的视觉效果。⑵针对去除服从伽马分布的乘性噪声，先用对数变换将图像转换到对数域，再将图像分块并且按照相似度分组，然后用自适应非局部样本模型和低秩逼近处理，最后用交替迭代法得到恢复图像并且将图像还原到实数域。实验结果表明，该算法对乘性噪声有较好的鲁棒性，与对比算法相比，不仅有很好的峰值信噪比和结构相似度，还改善了图像的视觉质量。