提出了一种基于稀疏表示模型的线性贝叶斯极大后验（MAP）估计图像去噪算法。 从在表示向量中构造先验概率分布开始，构建线性贝叶斯MAP估计器，以获取观测值背后最可能的一个，这适用于解决广义图像逆问题。 此外，通过提供一些可能的近似值，可以获得实用的封闭形式的解决方案，因此可以容易地解决作为专业化的图像去噪的问题。 使用我们的新方法，我们首先从嘈杂的图像中提取所有可能的色块，然后根据它们的结构模式将它们分类为几个子组，然后使用K-SVD算法为每个子集训练不同的字典，然后在MAP估计器中估计相应的参数