优化自适应中值滤波器滤除图像椒盐噪声方法研究

自适应权值滤波消除图像椒盐噪声的方法

自适应权值滤波消除图像椒盐噪声的方法
王明佳;张旭光;韩广良;王延杰
【期刊名称】《光学精密工程》
【年(卷),期】2007(015)005
【摘要】提出了一种自适应权值滤波算法.该方法利用邻域差分法(ROAD)判定滤波中心点的有效性,若判定该点为噪声,则将邻域像素分别赋予不同权值对该点像素重构,邻域像素权重系数的分配随该点有效程度的增加而增大.一方面抑制了图像噪声,另一方面保留了图像细节.实验证明该方法在滤除椒盐噪声时,无论从视觉角度还是数据恢复角度都比常规滤波方法效果有明显改善.当图像中含有35%的椒盐噪声时,利用该方法恢复数据效果比传统中值滤波提高10 dB.
【总页数】5页(P779-783)
【作者】王明佳;张旭光;韩广良;王延杰
【作者单位】中国科学院,长春光学精密机械研究所,吉林,长春130033;中国科学院,长春光学精密机械研究所,吉林,长春130033;中国科学院,研究生院,北京100039;中国科学院,长春光学精密机械研究所,吉林,长春130033;中国科学院,长春光学精密机械研究所,吉林,长春130033
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.优化自适应中值滤波器滤除图像椒盐噪声方法研究 [J], 秦然
2.基于相关权值的图像椒盐噪声自适应窗滤波 [J], 李天翼;王明辉;黄祖建;朱斌
3.神经网络识别图像椒盐噪声的自适应滤波方法 [J], 叶小岭;钱蕾;胡凯
4.基于统计比值差值排序滤波器的SeaWiFS图像椒盐噪声检测与消除 [J], 刘正军;王长耀;牛铮;刘爱霞
5.一种消除椒盐噪声的迭代自适应中值滤波算法 [J], 王拓;王洪雁;裴炳南
因版权原因，仅展示原文概要，查看原文内容请购买。

基于中值滤波的椒盐含噪图像去噪方法

Ｋｅｙｗｏｒｄｓ：ｎｏｉｓｅ；ｓａｌｔａｎｄｐｅｐｐｅｒｎｏｉｓｅ；ｉｍａｇｅｄｅ — — ｎｏｉｓｉｎｇ；ｍｅｄｉａｎｉｌｆｔｅｉｎｒｇ
ＺＨＡＮＧＤｏｎｇ，ＱＩＮＦｅｎｇｑｉｎｇ，ＣＡＯＬｅｉ，ＬＩＵＳｈｕｊｕｎ（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆ｌｎｆｏｒｍａａｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＹｉｂｉｎＵｎｉｖｅｒｓｉｔｙ，Ｙｉｂｉｎ，Ｓｉｃｈｕａｎ６４４００７，Ｃｈｉａ）
第１４卷第６期
ＶｏＩ．１４．Ｎｏ．６
宜宾学院学报
ＪｏｕｒｎａｌｏｆＹｉｂｉｎＵｎｉｖｅｒｓｉｔｙ
２０１４年６月
Ｊｕｎｅ，２０１４
基于中值滤波的椒盐含噪图像去噪方法
ＲｅｓｅａｒｃｈｏｎＩｍａｇｅＤｅ。ｎｏｉｓｉｎｇＭｅｔｈｏｄｓｗｉｔｈＳａｌｔａｎｄＰｅｐｐｅｒＮｏｉｓｅＢａｓｅｄｏｎＭｅｄｉａｎＦｉｌｔｅｒｉｎｇ
张东，覃凤清，曹磊，刘书君
（宜宾学院计算机与信息工程学院，ｌ￣ｌＪｌｌ宜宾６４４００７）
摘要：为了有效地去除图像中的椒盐噪声，提高图像的质量，利用中值滤波算法进行去噪处理．分析了椒盐噪声的特性，阐述了中值滤波算法的去噪原理和优缺点．通过实验从主观评价和客观评价两方面对比了中值滤波和几种典型的图像去噪方法对椒盐噪声的去噪效果，并进一步分析了不同窗口大小的中值滤波对椒盐噪声的去噪效果．实验结果表明，中值滤波算法能很好地去除图像中的椒盐噪声．关键词：噪声；椒盐噪声；图像去噪；中值滤波中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１６７１ — ５３６５（２０１４）０６ — ０１０８ — ０３

一种去除椒盐噪声的自适应极值中值滤波算法

一种去除椒盐噪声的自适应极值中值滤波算法曾宪佑;黄佐华;周进朝;张勇【期刊名称】《计算机与现代化》【年(卷),期】2012(0)11【摘要】针对椒盐噪声的特点,为了更好地滤除图像中的椒盐噪声同时又能较好地保护图像细节,提出一种自适应极值中值滤波算法.该算法通过对窗口内的非噪声点的检测自适应调整窗口大小,使用Max-Min算子作为噪声检测器,通过设置合理的阈值对灰度值等于极大值或者极小值的窗口中心的像素点进行噪声识别,减小将信号点误判为噪声点的概率,然后将检测出的噪声点用窗口内信号点的中值代替,而信号点保持不变直接输出.同时对超过设定的最大窗口的情况,窗口中心的像素点的灰度值用4个相邻的已处理的像素点灰度值的均值进行替换.实验仿真结果证明了该算法滤除椒盐噪声的有效性,在噪声较大时,去噪效果更明显.%In order to preserve more details in an image while removing salt and pepper noise, an adaptive extremum and median filtering algorithm is proposed, according to the feature of salt and pepper noise. The size of the filtering window is adjusted automatically by detecting the presence of signal points in the window. Max-Min operator is used as the noise detector and a suitable threshold is chosen to identify the noises from the pixels which are in the center of the window and the gray value is equal to the maximum gray value or the minimum gray value of the window. Then filter outs the detected noise with the median value of the gray value of all signal points in the window, and outputs the signal points directly withoutchanges. The gray value of the pixels in the center of window which exceeds the maximum window is replaced with the mean of the gray value of neighboring four pixels. Simulation results demonstrate the validity of the algorithm, especially when the density is high.【总页数】5页(P70-73,77)【作者】曾宪佑;黄佐华;周进朝;张勇【作者单位】华南师范大学物理与电信工程学院量子信息技术实验室,广东广州510006;华南师范大学物理与电信工程学院量子信息技术实验室,广东广州510006;华南师范大学物理与电信工程学院量子信息技术实验室,广东广州510006;华南师范大学物理与电信工程学院量子信息技术实验室,广东广州510006【正文语种】中文【中图分类】TP391.41【相关文献】1.一种消除椒盐噪声的迭代自适应中值滤波算法 [J], 王拓;王洪雁;裴炳南2.一种去除椒盐噪声的自适应模糊中值滤波算法 [J], 万丰丰; 周国民; 周晓3.一种去除椒盐噪声的自适应开关中值滤波算法 [J], 乔坤; 郭朝勇; 毛东4.一种去除椒盐噪声的自适应开关中值滤波算法 [J], 乔坤; 郭朝勇; 毛东5.一种针对椒盐噪声的高速自适应中值滤波算法 [J], 马炼;李林因版权原因，仅展示原文概要，查看原文内容请购买。

毕业论文-基于中值滤波的图像椒盐噪声滤除算法的研究与应用

本科生毕业论文（设计）题目：基于中值滤波的图像椒盐噪声滤除算法的研究与应用院系：信息科学与技术学院专业：计算机科学与技术学生姓名：**学号：********指导教师：罗笑南(教授)（职称）二〇年月基于中值滤波的图像椒盐噪声滤除算法的研究与应用摘要摘要在现实生活中，将实际获得的图像进行数字化，并在其传输和处理过程中，不可避免的存在着一定的外部干扰和内部干扰，使用户所获得的数字图像被噪声污染，而这些噪声中椒盐噪声的表现更为明显。

为此有大量学者针对椒盐噪声进行研究分析。

中值滤波算法以其非线性的特点，在处理椒盐噪声上有显著的效果，因此许多学者针对中值滤波算法进行改进。

典型的如加权中值滤波器、开关中值滤波器、自适应中值滤波器等。

然而这些滤波器或在保护图像细节上能力不足，或去除噪声效果不佳，或对于高密度噪声无法处理，或过于复杂不便于硬件实现，存在着一定的缺陷。

本文研究了几种典型的改进后的中值滤波算法，通过理论分析与实验仿真，比较其在去噪及保护图像细节各方面的优缺点。

在此基础上，本文给出了一种基于噪声检测的模糊自适应中值滤波算法。

在该算法中，通过设计窗口自适应的噪声检测机制，有效的区分了噪声与非噪声像素点，从而高效的保护了图像细节信息，并大量减少需要处理的像素点，降低算法运行时间。

同时对于检测出的噪声点，则采用改进了的自适性中值滤除算法进行噪声滤除，在该滤波算法中加入了窗口自适应控制，对于高密度噪声也能有效的进行去噪处理。

通过详细的理论分析后，本文基于matlab进行大量仿真实验，验证了这些新方法在噪声去除与细节保留上的有效性。

关键词：图像去噪、椒盐噪声、噪声检测、自适应中值滤波、开关阈值滤波AbstractThe acquisition, recording and transmission of digital images through sensors or communication channels are often interfered by different types of noises, which may change the image. Impulse noise is one most common and important kind of noise. Impulse noise removal in image processing is an important pre-processing so that many researchers work on the restoration of images corrupted by impulse noise. Being the most popular nonlinear filter, the median filter is often used to remove impulse noise because of its good denoising power. In that case, many image-denoising filters are proposed based on the median filter, such as the weighted median filter, soft switching filter, adaptive median filter, etc.In this paper, a new image-denoising filter that is based on several advanced median filter is proposed. There is a two-phase scheme in this new algorithm. In the first phase, an impulse noise detection is used to identify pixels which are likely to be noise candidates. The noise detection has variable window size for removal of impulses, so that we can keep most of the signal content of the uncorrupted pixels, and time used for filtering can be reduced by a wide margin. In the second phase, the noise candidates will be filtered by the new filter. Based on the adaptive median filter, the proposed filter is superior to some other filters mentioned in this paper not only for smooth pictures but also images that are complicated and have many sharp edges. Being incorporated with variable windows size, our method is also very useful for images with high noise level.Key Words:image denoising, salt-and-pepper noise, adaptive median filter,impulse noise detector, switching-based median filter目录第一章引言 (1)1.1课题背景及其意义 (1)图像滤波技术概述 (1)中值滤波研究现状 (2)本论文的主要工作 (3)1.3论文章节安排 (4)第二章图像去噪算法综述 (5)2.1图像去噪方法概述 (5)2.2图像噪声模型 (6)2.3图像去噪质量的评估方法 (7)2.4中值滤波 (8)2.5维纳滤波 (9)2.6均值滤波 (11)2.7其他滤波技术 (12)2.8小结 (13)第三章几种中值滤波去噪方法分析 (14)3.1标准中值滤波方法(STANDARD MEDIAN FILTER,SM) (14)3.2带权值的中值滤波方法(WEIGHTED MEDIAN FILTER) (15)3.3三态中值滤波方法(TRI-STATE MEDIAN FILTER) (17)3.4自适应软开关滤波方法 (18)3.5自适应中值滤波方法 (20)3.6实验结果分析 (21)3.7小结 (26)第四章基于噪声检测的自适应中值滤波 (27)4.1噪声检测机制 (27)4.2椒盐噪声滤除方法 (33)4.2.1 噪声滤除策略 (34)4.2.2 动态窗口策略 (35)4.2.3 VAM滤波方法 (37)4.3小结 (37)第五章仿真结果分析比较 (39)5.1噪声检测机制性能分析 (39)5.2V AM滤波器去噪效果分析 (41)5.3小结 (45)第六章结语 (46)6.1论文主要工作总结 (46)6.2展望 (46)参考文献 (48)致谢 (50)第一章引言1.1 课题背景及其意义冈萨雷斯曾在其著作中提到，视觉是人类感觉中最高级的，而图像又在人类的感知中起着重要的作用[1]。

一种消除椒盐噪声的迭代自适应中值滤波算法

电光与控制Electronics Optics&Control Vol.26No.2 Feb.2019第26卷第2期2019年2月引用格式：E拓，I：•洪雁，裴炳南.-种消除椒盐噪声的迭代自适应中值滤波算法［J］•电光与控制,2019.26(2):23-27.WANG T,WANG H Y.PEI B N.An iterative adaptive median filtering algoritlim for salt and pepper noise removal J］.Electronics Optics&Control.2019.26(2)：23-27.一种消除椒盐噪声的迭代自适应中值滤波算法王拓"」'，王洪雁"丄，裴炳南"丄(大连大学,a.辽宇省北■'!-高精度位置服务技术1：程实验索；b.大连市环境感知与智能控制重点实验室.辽宁大连116622)摘要：针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题，基于循环迭代处理思想，提出一种消除椒盐噪声的迭代自适应中值滤波算法在传统基于决策滤波方法基础上，所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素，进而根据噪声密度自适应决定算法迭代次数，以完全消除椒盐噪声并恢复原始图像仿真结果表明，对噪声密度为10%~99%的图像，与标准中值滤波及其4种改进算法相比，所提算法能较快消除椒盐噪声且可较好恢复原始图像细节关键词：图像处理；椒盐噪声；迭代自适应中值滤波；滤波窗口；运行时间中图分类号：TP391.41文献标志码：A doi：10.3969/j.issn.1671-637X.2019.02.005An Iterative Adaptive Median Filtering Algorithm forSalt and Pepper Noise RemovalWANG Tuo a i,,WANG Hong-yan"1',PEI Bing-nan,,b(Dalian I niversity,a.Liaoning Engineering Laboratory of BeiDou High-precision Location Service；I).Dalian Key Laboratory of Environmental Perception and Intelligent Control,Dalian116622.China)Abstract:The traditional median filtering algorithm has poor filtering effect on the images with high-densitv salt and pepper noise.Based on the theory of cyclic iterative processing,an iterative adaptive median filtering algorithm is proposed to remove the salt and pepper noise.Following the traditional filtering approach based on decision-making,the proposed algorithm adaptively adjusts the size of the filtering window and calculates the median of the non-salt and pepper pixels in the filtering window to replace the corrupted pixels.After that,the proposed algorithm adaptively determines the iteration number ticcording to the noise density,so as to completely remove the salt and pepper noise and retrieve the original image.Simulation results demonstrate that,compared with the standard median filtering algorithm and four other improved algorithms,the proposed algorithm can remove the salt anti pepper noise with less running time and can efficiently retrieve the details of the original image for the images with the noise density vaiying from10%to99%.Key words:image processing；salt and pepper noise；iterative adaptive median filtering；filtering window；门mning time0引言椒盐噪声是数字图像处理中的一种典型噪声，通常是因图像采集设备故障或信号传输过程错误而产生―"，椒盐噪声会导致图像受损像素取最小或最大收稿日期:2018-02-01修回日期:2018-03-30基金项目：国家fl然科学基金(61301258,61271379)；+国博上后科学基金(2016M590218)作者简介:王拓(1992—).男.河南南阳人，硕士.研究方向为数字图像处理、机器视觉灰度值(0和255),从而造成图像细节丢失和质量下降，进而极大影响后续图像处理效果o因此，利用高效的噪声消除算法对含有椒盐噪声的图像进行降噪预处理显得尤为重要近年来，许多有效的图像降噪算法被相继提出其中，文献［5］首先提出一种非线性中值滤波器(MF),该滤波器可有效滤除噪声密度低于20%的噪声，但噪声密度高于20%时，利用该算法所得去噪图像的细节信息丢失严重，算法去噪性能较差为改善高密度噪声下去噪效果，文献［6］提出一种自适应中值滤波器(AMF),24电光与控制第26卷该滤波器基于预定义窗门尺寸阈值动态调整滤波窗口尺寸,对高密度噪声有较好的滤波效果,但该算法使用固定窗M尺寸阈值,对不同噪声密度图像无法自适应调整阈值，而且逐次加大窗口尺寸不仅耗时，还会导致图像模糊此外，匕述算法均没有将噪声像素和非噪声像素区别处理，因而不可避免地损坏年噪声像素：文献［7］提出一种基于决策的中值滤波算法（I）BMF）,该算法首先识别噪声像素，即如果像素值位于0和255之间，则保持原值，否则，使用3x3窗口内中值像素进行替换，从而显著改善算法去噪性能。

降低盐粒噪声的方法

降低盐粒噪声的方法
盐粒噪声是数字图像处理中常见的一种噪声类型，其形成原因是图像信号与噪声混合后，产生了像盐粒一样颜色较亮的像素点。

这些噪声点会影响图像的质量和清晰度，因此需要采用一些方法进行降噪处理。

1. 中值滤波
中值滤波是一种常用的降噪方法，其基本原理是将图像中的每个像素点与其邻域内的像素值排序，然后取中间值作为该像素点的像素值。

中值滤波可以有效地去除盐粒噪声，同时保留图像的边缘信息。

2. 均值滤波
均值滤波是另一种常用的降噪方法，其原理是将图像中的每个像素点与其邻域内的像素值取平均值作为该像素点的像素值。

均值滤波虽然可以去除盐粒噪声，但是会对图像的细节信息进行模糊处理，因此在实际应用中需要根据具体情况进行选择。

3. 自适应中值滤波
自适应中值滤波是一种根据像素点邻域内像素值的分布情况来
动态选择中值滤波窗口大小的降噪方法，可以有效地去除盐粒噪声，并能保留图像的细节信息。

4. 小波去噪
小波去噪是一种基于小波变换的降噪方法，其原理是将图像分解成不同频率的小波系数，然后根据小波系数的幅值和相位信息进行去噪处理。

小波去噪可以有效地去除盐粒噪声，并能保留图像的细节信
息。

综上所述，针对不同的图像处理需求，可以根据实际情况选择不同的降噪方法。

在实际应用中，还需要根据图像的特点和噪声类型进行调整和优化，以达到更好的降噪效果。

中值滤波器设计及椒盐噪声滤除

中值滤波器设计及椒盐噪声滤除(总10页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--题目四：中值滤波器设计及椒盐噪声滤除一、实验背景在数字图像的生成与采集过程中，由于受工作环境，器件等性能的影响，使得一幅未经处理的原始图像，都存在着一定的噪声干扰。

这种噪声具有以下性质：1、图像上的噪声出现处呈现不规则分布；2、噪声的大小也是不规则的。

这些噪声恶化了图像质量，使图像模糊甚至淹没目标特征，给后续的处理分析带来了困难。

因此需要对图像应该进行滤除噪声处理。

二、实验目的1. 通过利用c 程序实现数字信号处理的相关功能，巩固对信号处理原理知识的理解，培养快速解决实际问题的能力提高实际编程和处理数据的综合能力，初步培养在解决信号处理实际应用问题中所应具备的基本素质和要求。

2. 培养独立思考的能力与研发能力，通过设计实现不同的信号处理问题，初步掌握在给定条件和功能的情况下，实现合理设计算法结构的能力。

3. 提高资料查询和整理的能力。

能够在短时间内找到适合自己的方法。

并在文献整理的过程中学会科技文献的写作，提高语言表达能力。

三、实验内容1. 理解什么是椒盐噪声，中值滤波的原理及其特性。

2. 设计一种中值滤波，对椒噪声滤波有效，并分析滤波器的适用范围。

3、（扩展训练）对设计的滤波器针对椒、盐噪声滤除分别进行测试，并进行性能比较分析，并讨论椒、盐噪声频度（噪声数目占图像实际像素的百分比）对滤波器实际效果的影响。

四、实验原理1.椒盐噪声椒盐噪声又称脉冲噪声，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。

椒盐噪声往往由图像切割引起。

椒盐噪声的PDF 是：如果b>a ，灰度值b 在图像中将显示为一个亮点，a 的值将显示为一个暗点。

若或为零，则脉冲噪声称为单级脉冲。

如果和均不为零，尤其是他们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。

自适应权值滤波消除图像椒盐噪声的方法

w
2/2 2 w
取值越小 , 则对噪声判断越严
T
格, 容易将图像的微小细节丢失 , 阈值
取值越
大, 对噪声判断越宽松。实验发现阈值 T 取值通常应该在 [ 55, 135] 之间 , 当阈值 T = 97 时, 对图像综合恢复效果最为理想。 3. 2 对噪声点自适应权值滤波图 2( a ) 表示点 p ( x , y ) 及其邻域像素 q ( i, j ) , 中心点 p ( x , y ) 对应着 q( 0, 0) 。当判定某点像素为椒盐噪声时, 根据公式 ( 6) 利用邻域像素 q ( i, j ) 对该点 p ( x , y ) 进行数据恢复 , 分别对邻域内的像素赋予不同的权重系数。如果对邻域像素采用等同的权重系数 , 会出现均值滤波后图像变得模糊, 细节丢失的后果。为此在对 p ( x , y ) 点滤波时 , 根据邻域内数据点的有效性自动赋予不同的权重系数, 对有效性高的像素点赋予较高的权重分配系数, 随着像素有效性的下降对该点分配的权重系数相应降低。
该方法比中值滤波数据恢复结果高10db左右1525db以被处理像素点为核心通过对该点与邻域像素统计来检测该像素点的有效性尽可能保留图像细节当判定该点为有效数据时不再用邻域统计值替代该点能够自适应判断邻域像素点的有效程度根据有效程度分配在数据恢复时的权重系数从而实现图像复原
第 15 卷
第 5期
光学精密工程
1 1 i, j i= - 1j = - 1
,
( 7)
= 59 时 , 对图像恢复效果最
为理想。将公式 ( 7 ) 中权重系数进行归一化得到公式 ( 6) 中的权重系数, 如公式 ( 8) 所示 :
i, j
=
w i, j

用中值滤波滤除图像中的椒盐噪声

数字图像处理作业系别：班级：姓名：学号：论文：影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由CCD（摄像头）获得的图像经过A/D（数/模转换，该功能在图像系统中由数字采集卡来实现）转换、线路传送都会产生噪声污染等等。

因此图像质量不可避免的降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。

因此，在对图像进行分析之前，必须要对图像质量进行改善，一般情况下改善的方法有两类：图像增强和图像复原。

图像增强( image enhancement ),定义是将原来不清晰的图像变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。

增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

图像增强可分成两大类：频率域法和空间域法。

前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。

采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。

具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。

在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。

图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。

基于自适应开关插值算法的图像椒盐噪声滤波

苏
摘
锋，朱曼芸，杨秋菊
（川大学计算机学院，都６０６）四成１０５要：针对传统中值滤波算法在滤除椒盐噪声时的缺点，出了一种自适应开关插值算法。该方法根据椒盐提
噪声的特点，通过极大值、小值和块均匀度检测来标志噪声，极然后根据噪声分布情况，用拉格朗日插值和自利适应中值滤波来滤除噪声。实验结果表明，方法对椒盐噪声密度为１％一８％的测试图像，更加有效地抑该００能制椒盐噪声并很好地保持了图像的细节信息，滤波性能比传统中值滤波方法更理想。该方法为图像去噪提供了
Ａｂｔａｃ：Ａｃｏｄｎｏｓｏｔｏｎｆｃｎｖｎｔｎａｄｉｎｆｌｅｌｏｉｈｉｌｅｉｇｓｌｎｅｅｏｓｆｉｇｓｒｔｃｒｉｇｔｈｒｃｍｉｇｏｏｅｉｌｍｅａｔｒａｇｒｔｍｎｆｔｒｎａｔａｄｐｐｒｎｉｅｏｍａｅ，ｔｓｏｉｉｈｅｅ — ｓｙｂｒｕｈｐａｗａｆａｄｐｉｅｓｔｈｉｇｉｅｐｌｔｏｉｅ．Ｔｓｍｅｈｄｃｃｄａｄｅｔｆｅｏｓｈｏｇｘｍｕ — ａｏｇｔｕｙｏｎａａｔｖｗｉｃｎｎｔｒｏａｉｎｆｌｒｈｉｔｏｈｅｋｅｎｄｉｎｉｄｎｉｅｔｒｕｈｍａｉｍｔｉｍｉｍｕａｄｂｌｃｉｏｍｉｎｉｍｎｏｋｕｎｆｒｔｙ，ａｄｔｅｃｏｄｎｇｔｈｅｄｉｔｉｔｄｎｏｓｉｔｒｄｎｉｅｂｉｇＬｇａｇｎｅｏａｉｎａｎｈｎａｃｒｉｏｔｓｒｂｕｅｉｅ，ｆｅｅｏｓｙｕｓｎａｒｎｅｉｔｒｌｔｏｎｄｌｐａａｔｖｄａｌｅ．ｐｅｍｅｔｒｓｌｓｏｍａｅｔｏｓｅｉｉｓｆｏ１ｄｐｉｅｍｅｉｎｆｔｒＥｘｒｉｉｎｅｕｔｎｉｇｓｗｉｈｎｉｅｄｎｓｔｅｒｍ０％ｔ０％ｓｏｔａｈｅｐｏｏｅｌｅｅ — ｏ８ｈｗｈｔｔｒｐｓｄｆｔｒｐｒｉｆｒｌｉｅｃｎｇｓｌｎｐｐｒｎｉｅａｄｍａｎａｎｓａｇｏｍａｅｄｔｉｎｏｍａｉｎ．ｅｅｏｅｉａｔｅｌｅｉｇｐｒｏｍｓｗｅｌｎｒｄｕｉａｔａｄｐｅｅｏｓｎｉｔｉｏｄｉｇｅａｌｉｆｒｔｏＴｈｒｆｒｔｈｓｂｅｔｒｆｔｒｎｅ — ｉｆｒｎｅｔｎｈｅｃｎｖｎｔｏａｅａｌｅｌｏｉｈ，ａｔｐｏｉｓａｎｗｙｆｒｉａｅｄｎｉｉ．ｏｍａｃｈａｔｏｅｉｎｌｍｄｉｎｆｔｒａｇｒｔｍｉｎｄｉｒｖｄｅｅｗａｏｍｇｅｏｓｎｇＫｅｒｙｗｏｄｓ：ａａｔｖｗｉｃｎｇ；ｓｌｎｄｐｐｒｎｉｅ；Ｌａｒｎｇｎｅｐｌｔｏｄｐｉｅｓｔｈｉａｔａｅｐｅｏｓｇａｅｉｔｒｏａｉｎ；ｉａｅｄｅｏｓｎｍｇｎｉｉｇ；ｍｅｎｆｌｅｉｇａｔｒｎｉ