降噪一直是图像视频领域的一个重要研究方向,随着稀疏性理论的发展,应用于图像视频的降噪方法逐渐从简单的滤波器逐渐向基于稀疏性的降噪方法发展。目前比较公认的前沿算法包括:基于块匹配方式的降噪方式,这种方式基于图像、视频具有帧间、帧内的高自相似性的稀疏特性来进行降噪;另一个方向是基于压缩感知稀疏理论的降噪,这种方法设计最小化问题来提高图像的稀疏性,从而降低图像的噪声。本文从基于块匹配稀疏性和基于压缩感知稀疏性两个方面分别提出了新的降噪算法。从基于块匹配稀疏性的角度,本文提出了一个针对不同数据类型的降噪模型。第一,针对视频降噪,提出了OL-BM4D降噪框架,该框架基于鲁棒性光流校正算法,将四维块匹配降噪算法改进使之能够解决视频降噪问题。第二,针对四维医学数据(如4D-CT、4D-MRI),提出了BM5D降噪框架,该算法将块匹配算法改进后使其适应于四维数据降噪,并且通过使用方差稳定算法,解决医学数据混入的莱斯噪声的方差不稳定的特殊性使其难以被降噪的问题。从基于压缩感知稀疏性的角度,本文提出了针对OCT图像的基于三维相关度聚类的压缩感知稀疏性降噪算法。该算法使用字典算法和光流特征进行三个维度上的聚类,通过使用最优化算法提高图像块的稀疏性来达到降低噪声的目的,在求解三维相关度聚类最优化问题的时候将问题简化为三项L1最小化问题,并提出了使用替代函数迭代收缩法来解三项L1最小化问题的方法;在此基础上基于噪声估计改进针对OCT图像的阴影补偿算法,使其能够适应在噪声均值不为0情况下的补偿。在降噪补偿结果的基础上还提出了利用前景背景分割算法实现的脉络膜上腔分割,证明其在医学图像中具有应用前景。