窦艳艳，孟巧云

（南京高等职业技术学校，江苏南京，210019）

0 引言

椒盐噪声是图像在获取或传输的过程中生成的黑白点噪声，严重影响图像的质量。传统滤波方法有开关中值（SMF）滤波算法、极值中值（EM）滤波算法、递进开关中值（PSM）滤波算法、自适应中值滤波算法（AMF）等。BP 神经网络结构简单,实现起来比较容易，而且拥有较强的泛化性，适用于区分图像中的噪声像素和非噪声像素，但是BP 神经网络容易陷入局部极小，而且随机给出初始权值和阈值，以致训练时间较长，收敛速度慢。遗传算法在搜索时基于群体遗传和自然选择机理。遗传算法在求解问题时将问题的所有可能解都编码成个体，群体则是由若干个个体构成。遗传算法具有全局搜索的特性，开始时随机产生个体,将所有个体通过预定的目标函数进行评价得出适应度值,并基于适应度值进行优胜劣汰，将选出的“优”的个体通过交叉变异重新组合生成性能更优的新个体。

1 噪声检测模型

1.1 椒盐噪声模型

假设椒盐噪声灰度值在一定的范围内分布，例如8 位图像，则椒盐噪声灰度值的分布区间为[0,δ] ∪[255 -δ,255]，其中δ代表0 或者较小的正整数，则图像中的像素f(i,j)可以分为信号点和噪声点两类，表示如下：

本文将δ取值为0，S 为信号点，代表非噪声像素集合，N 为噪声像素集合。

1.2 BP 神经网络结构

本文将棋盘格图像分成8 块分别加入不同级别密度的椒盐噪声，用原始图像与噪声图像进行相减，当两者之差不为0 时，标记噪声分布矩阵对应的位置值为1，反之该点值则记为0，从而得出图像噪声位置分布矩阵，并把它设置为训练网络时的目标图像。……