唐 超，左文涛，李小飞

（1.广州科技职业技术大学 信息工程学院，广州 510550；2.广州工商学院 计算机科学与工程系，广州 510850；3.长江大学 信息与数学学院，湖北 荆州 434023）

0 概述

数字图像在产生、传输和保存的过程中通常会受到各种噪声的干扰，噪声严重影响图像的视觉效果，因此对数字图像进行噪声处理显得尤其重要。脉冲噪声分为固定值脉冲噪声和随机值脉冲噪声。固定值脉冲噪声也称椒盐噪声，其灰度以等概率取最大值或最小值。为了去除固定值脉冲噪声，JIANG等［1-3］和VILLAR等［4］分别提出均值滤波算法和中值滤波算法，但是均值滤波算法因低通滤波特性而不能有效恢复和保持图像的边缘和细节信息，中值滤波算法因非线性处理而具有较好的去噪性能。为了更好地体现图像邻域像素的相关性，从而提高噪声像素灰度估计的准确性，HANHOON 等［5-7］提出加权中值滤波算法与中心加权中值滤波算法。然而，由于这些算法不会区分处理像素，因此破坏了噪声图像中的信号像素。为解决该问题，MUKHOPADHYAY 等［8-9］提出开关中值滤波算法。MÚJICA-VARGAS 等［10］提出一种有效的去除脉冲噪声的非线性方法ENA，该方法使用绝对离差中位数对噪声进行检测，采用M 估计器增强的最近邻滤波器进行去噪处理。为适应不同密度的噪声，AKKOUL等［11-12］提出自适应的开关中值滤波算法，该算法使用小邻域和大邻域分别去除低密度和高密度的噪声。BALASUBRAMANIAN 等［12］提出一种快速的自适应重叠中值滤波算法FAHPF，该算法同时使用不同大小邻域的标准中值滤波算法对图像进行去噪处理，有效利用了各种中值滤波算法的去噪结果，以优化算法的整体去噪效果。……