既存のノイズ除去アルゴリズムの多くはグレースケール画像を対象として開発されてきたが、実際のノイズ付きカラー画像においては、R、G、B各チャネルにおけるノイズ統計が大きく異なるため、これらをカラー画像用に拡張することは容易ではない。本研究では、重み付き行列ノルム最小化（WNNM）枠組みの下で、実際のカラー画像に対するノイズ除去を目的として、マルチチャネル（MC）最適化モデルを提案する。本手法では、各RGBパッチを連結することでチャネル間の冗長性を活用し、各チャネルの異なるノイズ統計を考慮して、データ整合性をバランスさせるための重み行列を導入する。提案するMC-WNNMモデルは解析解を有しない。そこで、これを線形等式制約付き問題に再定式化し、交替方向乗数法（ADMM）を用いて解く。各更新ステップは閉じた形の解を有しており、収束性が保証される。合成および実測ノイズ画像データセットを用いた広範な実験により、提案手法の最先端手法に対する優位性が実証された。