图像去噪是图像处理领域中一个广泛研究的问题,也是图像分割和识别之前的必要过程,如何从劣化的图像还原出真实的原图一直是很多专家和学者研究的热点。在去噪领域中,小波理论由于其低熵性、多分辨率和去相关性等优点,受到了许多学者的青睐,然而传统的小波阈值去噪算法对于图像和噪声的分离以及边缘细节信息的保留仍有待改进。近几年来,稀疏表示和非局部自相似性理论被广泛应用于图像去噪中,利用图像像素点的非局部自相似特性,设计合理的字典进行稀疏表示,可以在降低图像数据的采样成本的前提下有效获取图像特征,进而提升图像去噪的性能。尽管稀疏表示和非局部相似性在图像去噪领域取得了不错的应用效果,但是两者先验知识如何有效融合并进一步提升去噪性能一直是一个研究难点。而块匹配三维协同滤波(BM3D)则有效地结合了上述两者理论思想,在去噪性能和效果上有着惊人的表现,甚至被认为是最好的去噪方法。针对传统去噪算法在去噪性能上的局限性,本文深入研究了稀疏表示理论及非局部方法,通过在联合稀疏表示模型中添加图像真实系数与稀疏系数之间的关联性,提出了一种改进的联合稀疏表示模型,有效提升图像稀疏性。并通过分析BM3D算法的缺陷,尤其是当噪声强度较大时其去噪性能急剧下降的问题,本文充分研究了小波阈值去噪算法,并对阈值及阈值函数提出了改进方案,将其应用到块匹配三维变换的二维小波变换中,有效提升了去噪性能,使得阈值可以根据噪声强度及图像分解尺度的改变做出相应的调整。针对去噪表示模型存在正则化的问题,本文首先通过贝叶斯估计方法求解出去噪模型中的正则化系数,有效协调保真项与正则项之间的权衡性。并且通过将Split Bregman迭代算法与本文提出的去噪模型结合,进一步优化了去噪性能,提升了收敛速度。最后通过与其他去噪算法的多维度对比,结果显示本文提出的基于联合稀疏表示的非局部变换域图像去噪算法不仅可以去除更多的噪声,而且可以更好地保留细节边缘信息,有效提升图像稳定性和鲁棒性。