沈 晨 ，张 旻

（1.国防科技大学电子对抗学院，合肥 230037；2.安徽省电子制约技术重点实验室，合肥 230037）

0 引言

无人机因具有体型小巧，侦察方式灵活，无需考虑飞行员安全问题，可进入危险区域（如危险物搜救、交通管理、灾难救援、军事行动等）进行工作等优良特性在军事上具有广泛应用［1］，但图像在采集、传输过程中不可避免地存在着各种干扰，从而使图像的质量受到影响，不利于图像的分析和研究。因此，在进行图像分割、边缘检测、特征提取等处理前，对图像进行去噪处理是必不可少的。

国内外针对图像去噪已提出多种方法，现有的去噪方法分为空间域去噪方法和变换域去噪方法。空间域去噪方法主要有均值滤波法、中值滤波法［2］、维纳滤波法［3］等。这些算法利用了相邻像素之间的相关性，将相邻的像素集中起来进行加权平均以达到去噪的目的。对于自然图像来说，用于加权平均的与降噪像素最相似的像素不一定就在它的空间邻域内，从而使图像的细节或纹理都受到不同程度的破坏。变换域去噪方法主要包括离散余弦变换、小波变换去噪方法等。这些数学变换把图像块从空域变换到频域，预先设置相应的阈值，清零比较小的系数，然后再执行一次逆变换，噪声就能去除。然而自然图像的局部结构是很丰富的，应用这些固定的一组基向量显然无法表示很多特别的细节，结果是造成去噪后的细节有不同程度的丢失。对于无人机图像来说，由于飞行中易受姿态干扰、传感设备的固有特质、光学像差、传输过程中信号受干扰等原因的影响，因此，一般不会只受单一噪声污染，往往图像中会存在混合噪声及其他干扰。……