刘尚旺， 郜刘阳， 王 博

(1. 河南师范大学计算机与信息工程学院，新乡 453007； 2.“智慧商务与物联网技术”河南省工程实验室，新乡 453007)

0 引言

图像在采集、传输和存储过程中不可避免会受到各种噪声影响，从而造成图像质量下降，影响其后续处理[1]。因此，对图像进行预处理，特别是去噪处理是必不可少的步骤[2]。从图像处理角度划分，图像去噪算法分为空间域和频率域去噪算法[3]。常见的空间域图像去噪算法有非局部均值滤波(non-local mean filter，NLM)和双边滤波器(bilateral filtering，BF)等。2005年，Buades等[4]提出了NLM算法，并利用图像包含像素的局部邻域信息进行图像平滑，达到去噪效果； 谭茹等[5]采用最小二乘拟合法建立最佳滤波器参数值的预测函数，用来去除噪声； 黄智等[6]采用基于图像结构感知的块奇异值分解方法定义邻域间相似度，以降低损坏图像信息程度； 周兵等[7]通过双线性插值法处理未选中像素的权重，进行去噪优化。2010年，Tomasi等[8]提出了BF算法，结合像素点的空间位置和像素点的灰度值相似性进行空间域滤波； 杨学志等[9]结合区域分割通过对区域内与区域间进行不同模式的双边滤波，尽可能地保留图像信息； Ramesh[10]通过引进中值滤波器对噪声进行检测分类，优化去噪结果； 袁华等[11]将噪声细分为大尺度和小尺度噪声，结合统计滤波和半径滤波来进行大尺度噪声去除，以保留图像细节信息。

频率域去噪则是将图像从空间域变换到频率域，通过频谱分析达到去除噪声的目的[4]。常见的频率域去噪算法有偏微分方程(partial differential equation，PDE)和小波阈值收缩方法。……