王彩玲，孙昌霞

(1.河南警察学院网络安全系，河南 郑州 450046;2.河南农业大学信管学院计算机系，河南 郑州 450046)

0 引言

由于图像在获取、传输和数字化过程中会遇到不同光照的影响，传感器温度发生变化等情况，获取的图像中会引入随机噪声。图像去噪的方法很多，常分为频域滤波和空间域滤波。常用的频域滤波方法有小波去噪[1]、高通滤波、维纳滤波[2]等；空域滤波的方法很多，如偏微分方程、变分法[3]、统计方法[4]等，这些方法均有较多的应用。经典的偏微分方程法是一种各向同性的滤波算法，能很好地去除噪声，但这类方法在对噪声成分进行平均的同时也对图像信息进行了平均，导致处理后的图像变得较为模糊。Yaroslavsky根据像素灰度的差异来定义像素点之间的相似性，得到了Yaroslavsky滤波[5]。Tomasi在Yaroslavsky滤波的基础上，结合像素点间的灰度差异和空间距离来定义了像素间的相似性，得到了双边滤波[6]。近年来，对双边滤波也出现了一些改进算法[7-11]，主要集中于滤波参数的选择、算法效率的提升等方面，其中，文献[12]提出了距离核的概念，将其应用于像素相似性权值的定义中，在细节丰富的区域中，算法的去噪性能有很大的提升。此外，文献[13]提出了一种基于方向波域混合高斯模型的合成孔径雷达图像去噪方法。与小波域不同，文献[14]对合成孔径雷达图像进行复Shearlet变换，并对系数进行高斯混合模型建模，有效提升去噪图像的峰值信噪比。

针对图像像素间相似性衡量不准确而导致去噪性能下降的问题，本文利用高斯混合模型对像素周围邻域内的像素信息进行建模，结合高斯混合模型间的L2范数与空间距离来定义像素点之间的相似性权值，提出基于L2范数的高斯混合模型空域去噪方法。……