针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题，提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块，并采用核模糊C均值聚类算法对相似的图像块进行聚类，从而保证同一类图像块共享相同的稀疏去噪模型；然后，选择由经典图像库中图像训练而得的全局字典作为初始字典，很好地适应图像的多种特征；接着，对于同一类图像块，通过施加1/2范数正则化约束，实现该类图像块在字典下的稀疏分解，确保分解系数更为稀疏；最后，通过改进的K-奇异值分解算法完成字典的更新，并选择与原稀疏模型差异最大的图像块来替换更新字典的冗余原子，从而有效地去除图像噪音.实验结果表明，与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比，该方法能更有效地去除图像噪音，保留图像细节，改善图像视觉效果.