该算法首先通过字典学习得到含噪图像的冗余字典，然后对相似的图像块进行聚类构成块群，并通过迭代收缩和L1正则化约束，对同类的图像块在字典上进行稀疏表示，以达到降噪的目的。实验结果表明，在常规的图像处理上，本文提出的算法能较好的保留图像的结构信息，与K-SVD和BM3D等现有的流行算法相比，具有更高的峰值信噪比（PSNR）-It firstly get the redundant dictionary of a noised image by dictionary learning.Then,the

字典学习。比如一个向量，是k维的，我现在有一个k*n的字典，其中n>>k，所谓的字典学习，就是在这包含n个向量的字典当中寻找一个线性表示可以表示出当前这个k维的向量。之所以称为“稀疏表示”，因为一般n大于k，比如n=512,k=64。这时候你的字典一定是一个Redundant（冗余的，过剩的）的。因此你的表示里面一定有很多系数为0，因而被称作稀疏表示。 信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中