本发明公开了一种基于强化学习的多模态图像去噪方法，首先准备不同模态的图像构建强化学习系统的训练数据集和测试数据集；然后对数据集进行预处理，加入不同的噪声；设计动作集合，构建动作空间，初始化强化学习系统中的策略网络和价值网络；然后针对不同噪声进行训练，基于设置的相似度奖励更新策略网络和价值网络；完成训练后输出去噪后的图像结果；本发明将任务视为一个马尔可夫决策过程，图像中的每个像素作为代理，学习一个最优的策略使所有像素点的总奖励最大化，获得最优的结果；此外，本发明设计了一个能够处理多种噪声的动作集合来构建动作空间，对彩色可见光图像、红外图像和太赫兹图像均实现了有效去噪，实现了多模态图像去噪。