朱丙丽 程 波 高晓琴

1(重庆三峡学院计算机科学与工程学院 重庆 404100) 2(四川工商职业技术学院信息工程系 四川 都江堰 611830)

0 引 言

目前，大多数情况下的图像在采集或传输过程中存在噪声引入的情况，降低了图像的质量。由于受到不同传输路径或者传感器等因素的影响，含噪图像中的噪声类型也不同，甚至同一幅图像中存在多种噪声类型[1-2]。常见的图像噪声类型包括高斯白噪声、斑点噪声和椒盐噪声等[3]。为了提高图像视觉效果和后续图像处理的准确率，图像去噪技术成为广大科研人员研究的热点问题。

对于含噪图像，通过检测噪声的类型，然后利用不同的针对算法进行噪声消除。现有的噪声消除方法有很多，大致分为基于空间域、基于变换域，以及基于学习三类。基于空间域去噪算法[4]可以得到较高的峰值信噪比，但在边缘信息和纹理细节方面保留较少。基于变换域和基于学习去噪算法[5]可以很好地保留图像的几何信息，但是该类方法的计算较为复杂，计算时间较长。Chakraborty等[6]提出了一种基于准周期去噪的自动图像去噪方法，通过傅里叶变换检测图像的高振幅噪声频谱成分，然后利用基于阈值和过滤器的技术来降低噪声成分。Panigrahi等[7]提出了一种基于Curvelet变化的多尺度去噪技术，采用非局部方法和引导图像滤波器来实现低频噪声和边缘细节的处理。Wang等[8]采用下采样Contourlet变换和小波变换进行图像去噪，很好地消除高斯噪声和斑点噪声的影响。……