遥感图像在获取、存储以及传播的过程中都会受到各种噪声的污染,造成了图像质量的下降。因此,图像的去噪就成为非常重要的手段。近年来,稀疏表示的研究开始兴起,并且已经应用到了图像处理的各个领域,如图像去噪、人脸识别、图像分割以及图像压缩等。本文主要研究的是稀疏模型下遥感图像的去噪处理。主要研究内容如下：(1)基于过完备字典的图像分块稀疏表示的去噪算法研究。首先对整幅图像进行分块处理,在Bayes理论框架下,获取图像小块的近似稀疏表示,然后利用滑窗稀疏编码的方法,得到整幅图像的所有最优化的稀疏系数,最后将这些稀疏系数进行重构得到去噪后的图像。(2)基于字典学习的自适应图像稀疏表示去噪方法研究。首先借鉴K-SVD算法,初始化过完备字典,通过噪声图像块训练字典,然后应用学习得到的字典对噪声图像进行稀疏表示。训练后的字典能够更有效的表示图像的内容,去噪效果明显。仿真实验结果表明该方法在遥感图像去噪方面具有比较理想的效果。(3)小波变换能够有效地分离图像的高低频能量,K-SVD算法具有良好的抑制噪声性能,在此基础上,提出了一种基于小波域的自适应字典学习去噪算法(WK-SVD)。仿真实验结果表明该算法比K-SVD算法得到的去噪图像的PSNR要高。