稀疏性是计算分析、统计评估和数字图像信号处理等的重要性质之一,通过对信号的稀疏表示可以高效准确地表示信号中包含的信息。随着人们对稀疏性的不断研究,通过建立稀疏性与釆样之间的直接联系,稀疏表示已经在诸如编码、信息论、信号和图像的获取与处理、医学成像、地球物理学和天文学数据分析等大量科学应用中产生了巨大的作用。因此,本文主要研究了基于稀疏表示的图像去噪和融合技术。本文内容主要分为四个部分:第一部分首先介绍了稀疏表示、图像去噪和融合的研究背景及意义,然后介绍了国内外研究现状以及本文的主要工作。第二部分介绍了基于FPGA的图像去噪和融合系统构成,包括红外/可见光图像采集与处理系统、系统的设计原理和硬件组件。第三部分首先介绍了图像稀疏表示的基础原理;接着介绍了几种常见的图像去噪算法:均值滤波去噪算法、非局域均值去噪算法和基于稀疏表示的正交匹配追踪去噪算法,并在现有图像去噪算法的基础上提出了优化截止条件和变步长的正交匹配追踪算法,提高了去噪的效率和准确性,使去噪后的图像更清晰,细节特征更丰富;然后介绍了几种常见的图像融合算法:基于拉普拉斯的图像融合算法、基于小波变换的图像融合算法以及基于非下采样Contourlet变换的图像融合算法,并在现有图像融合算法的基础上提出了基于稀疏表示和边缘信息的图像融合算法,该算法利用了稀疏表示能够保留图像细节信息和边缘检测技术能提取边缘信息的特点来融合图像,得到的图像含有更多的图像信息。最后,本文使用软件仿真对以上算法进行了对比分析,利用客观评价指标对去噪和融合结果进行了定量的评价。第四部分首先介绍了基于FPGA的图像去噪和融合技术实现,包括硬件实验环境、系统的搭建;然后完成了各个功能模块的设计,并开展了多组验证实验,实验结果表明本文提出的去噪算法可以有效的去除图像的噪声并保留图像的细节特征信息,本文提出的融合算法能有效的融合可见光和红外图像的有用信息。