董林鹭， 向 洋， 林国军， 杨平先

（四川轻化工大学自动化与信息工程学院 人工智能四川省重点实验室，四川自贡643000）

图像在传输中受到电磁干扰，使图像产生噪声.其中，椒盐噪声是影响图像信息准确获取的因素之一［1］.特点是随机改变，图像中像素值，使其为暗点或亮点，去除椒盐噪声的研究从未停止过［2-3］.随着滤波技术的发展和工程要求的不断提高，许多学者提出了各种滤波算法［4-7］，如经典中值滤波（MF）［8］计算过程简单、滤波处理速度快，但滤波效果随着噪声密度增加而变差.自适应中值滤波（AMF）［9］利用窗口遍历图像，通过对比窗口内像素值关系，达到滤波效果，同样对于高密度噪声滤波效果较差.针对高密度椒盐噪声，王志军［10］提出一种自适应中值梯度倒数加权的图像滤波算法.该算法自适应调节窗口大小检测出椒盐噪声并进行中值滤波处理，同时通过设定的阈值对高斯噪声进行梯度倒数加权平滑，以达到滤除混合噪声的目的.兰霞等［11］等提出了一种迭代的中值滤波算法，该方法首先依据像素的强度值判断噪声点的位置，然后在循环迭代的处理框架内 对噪声像素进行逐步恢复，但是对复杂模型的噪声效果还不够理想.可知不同算法在不同噪声密度、不同场景下优点和缺点不同.因此，对图像批量处理时预先估计出噪声密度，自适应选取该密度下性能（滤波效果和滤波处理时间）最优的滤波算法，这样才能满足实际工程要求.

结……