基于稀疏表示的图像处理技术近年来成为研究热点，多种字典学习算法如K-SVD、OLM（onlinedictionarylearningmethod）等予以提出，这类算法使用重叠的图像块来构建字典进行稀疏表示，产生了大量稀疏系数，致使计算过缓，且不能确保收敛。针对此问题开展研究，提出了基于近端梯度的快速字典学习算法。该算法结合了多凸优化求解，采用近端梯度算法求解字典学习过程中涉及的优化问题，有效地降低了每次迭代的复杂度，减少了迭代开销，同时能够确保收敛。合成数据上的实验表明，相较于其他经典算法，该算法进行字典学习速度更快，所耗时间较短，获得的字典更好，且在图像稀疏去噪的应用中该算法的去噪效果