基于非局部均值（NLM）滤波或稀疏表示的去噪方法获得了显着的去噪性能。 为了将两种方法的优点整合到一个统一的框架中，我们通过巧妙地将NLM和稀疏表示技术相结合，提出一种图像去噪算法，以去除混合了随机值脉冲噪声的高斯噪声。 在非高斯情况下，我们提出了定制的逐块NLM（CBNLM）滤波器来生成初始去噪图像。 在此基础上，我们根据三西格玛规则对不同的噪点像素进行分类。 此外，在原始去噪图像上训练了一个不完整的字典。 然后，使用互补的稀疏编码技术为过完整字典上的每个输入噪声补丁找到稀疏矢量。 通过求解更