图像是人们获取信息的一种重要方式,但是噪声的存在会影响图像质量以及后续处理,因此,对图像去噪方法的研究有着重要意义。传统图像去噪主要分为空间域和变换域去噪。空间域图像去噪方法,操作简单,针对性比较强,该类方法会在去噪的同时模糊原图像。变换域去噪主要是通过将源图像变换到某一变换域,然后再进行去噪处理,该类方法认为图像和噪声的频带是可分离的,因此,去噪的同时也会模糊原图像。基于稀疏表达的图像去噪则是一个新的方向。本文利用图像稀疏表达模型对图像去噪算法进行研究,有如下改进：稀疏分解的迭代结束条件由残差变化率来确定；利用K-SVD算法对字典进行更新,得到了更能反映原图像特征的字典。本文的主要工作有：(1)构建过完备原子库,本文用冗余的DCT字典作为稀疏分解的原子库；(2)图像的稀疏分解,将图像在过完备原子库上进行分解,稀疏分解过程中,采用的是正交匹配追踪算法,迭代结束条件通过残差变化率来确定；(3)进行图像重构,在传统DCT字典的基础上结合了K-SVD算法,对DCT字典和稀疏系数矩阵进行更新,然后用更新后的字典和稀疏系数矩阵进行图像重构。实验表明：本文算法相较于传统图像去噪方法能够获得更好的视觉效果,而且更多的保留了原图像的有用信息。