自然图像固有的相似性已被广泛用于图像去噪和其他应用。 实际上，如果将相似图像块的簇重新排列为矩阵，则列和行之间都存在相似性。 使用相似性，我们提出了一种用于图像去噪的双向非局部（TDNL）变分模型。 我们模型的解决方案包括三个部分：一个部分是原始观察图像的缩放版本，另外两个部分是利用相似性获得的。 具体而言，通过使用列之间的相似性，我们考虑了所有相似的补丁，获得了补丁的非局部均值类估计，而权重不是成对相似性，而是一组聚类系数。 此外，通过使用行之间的相似性，我们还获得了类似补丁中心像素的非局部自