在图像处理的过程中，图像去噪是其中的重要一步，为图像的后续处理提供了基础。在对图像进行处理的各个环节中，图像去噪这一环节起着举足轻重的作用，后面的各个环节都依赖于图像去噪效果的好坏。通过对噪声相关特性的研究，学者们已经研究出了多种图像去噪方法，并在实际使用中取得了良好的效果。传统的去噪算法如小波阈值去噪、块阈值去噪方法都能取得比较好的去噪效果，但这些方法会出现伪吉布斯现象以及边缘模糊等问题。而且，小波去噪的相关算法在对小波系数进行处理的过程中，忽略了小波系数的整体特性。近十年来，随着压缩感知和稀疏表示相关理论的出现，为学者们对去噪相关领域的研究带来了新的思路，并已经成功地把相关理论运用到了图像去噪中。本文做的主要工作如下:　　通过对小波阈值去噪相关理论的学习和理解，了解了小波去噪相关算法的优劣，并对其中的不足之处，结合稀疏表示的相关理论，使用稀疏表示的过完备字典以及字典学习算法，来对图像进行联合去噪。文中先对含噪图像中的高低频信号，使用小波分析进行分离，对分离得到的高频噪声信号采用稀疏表示的相关算法进行去噪，最后把得到的去噪后的高频信号和低频信号，使用小波反变换重新得到恢复的图像。通过对恢复的图像进行主观和客观的评价，本文的算法相对于传统的小波去噪方法和稀疏表示的相关算法，能取得更高的峰值信噪比和视觉上的效果。