近几年来，自然图像的先验模型已是图像处理领域的一个研究热点。自然图像具有局部平滑性、非局部相似性、统计特性、稀疏性等特征。如何抓取自然图像的先验信息，目前已有很多方法。其中两种引人注目的方法是基于自然图像的统计特性的专家场（FoE）模型和基于自然图像稀疏性的K-SVD方法。专家场模型是建立在专家乘积（PoE）的基础上的高阶马尔科夫随机场（MRF）模型，它用滤波器从大量的自然图像中抽取图像的先验信息。K-SVD是基于自然图像可以稀疏表示的特性的图像稀疏表示模型，它用冗余字典从待处理的图像中抓取图像的先验信息。这两种方法之间的联系还没有文献论述。本论文主要研究FoE滤波器和稀疏表示典型方法K-SVD的稀疏基（冗余字典）的联系。FoE的滤波器抓取自然图像中最不应该出现的成分，而K-SVD的稀疏基抓取自然图像中最可能出现的成分。他们是从两个不同的方向来描述自然图像的先验信息，而且各自包含不同的先验信息。综合利用这两种先验信息，会更好地抓取自然图像的先验信息。本论文通过实验验证这是两种不同的先验信息，并提取一种联合这两种先验的模型。图像去噪的实验结果表明新的模型获得了比FoE、K-SVD都要好的效果。
