基于Contourlet变换的图像去噪算法
一种基于小波-Contourlet变换的图像去噪算法
一种基于小波-Contourlet变换的图像去噪算法
于梅;殷兵;何国栋;梁栋
【期刊名称】《微电子学与计算机》
【年(卷),期】2008(25)12
【摘要】提出了一种基于小波-Contourlet变换的图像去噪算法.实验证明,该算法相对于小波变换和Contourlet变换能更稀疏的表达图像,并利用此优越性进行图像去噪,可以达到更好的效果和更高的PSNR值.
【总页数】3页(P100-102)
【关键词】小波-Contourlet变换;小波变换;Contourlet变换;图像去噪
【作者】于梅;殷兵;何国栋;梁栋
【作者单位】安徽大学计算智能与信号处理教育部重点实验室,安徽合肥230039;绍兴文理学院数理信息学院,浙江绍兴312000
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于小波的Contourlet变换的图像压缩算法 [J], 宋蓓蓓;许录平;孙文方
2.一种基于小波-Contourlet变换的多聚焦图像融合算法 [J], 梁栋;李瑶;沈敏;高清维;鲍文霞
3.一种基于小波的Contourlet变换的边缘保持图像压缩算法 [J], 刘晓倩;马社祥
4.基于小波-Contourlet变换的图像去噪算法 [J], 王建华
5.一种基于小波-Contourlet变换的图像编码算法 [J], 田秀伟;郑喜凤;丁铁夫因版权原因，仅展示原文概要，查看原文内容请购买。
基于Contourlet变换的图像处理关键技术研究
基于Contourlet变换的图像处理关键技术研究基于Contourlet变换的图像处理关键技术研究摘要：随着数字图像处理技术的快速发展，Contourlet变换作为一种有效的图像处理方法，在图像的边缘特征提取、图像复原和图像压缩等方面展示出了独特的优势。
本文主要对基于Contourlet变换的图像处理关键技术进行了研究，重点包括Contourlet变换原理、Contourlet域滤波、基于Contourlet变换的图像去噪和边缘检测技术等内容。
1. 引言随着数字图像的广泛应用，对图像的高效处理和分析成为研究的热点。
Contourlet变换作为一种多尺度、多方向和多分辨率的变换方法，可以更好地捕捉图像中的边缘和纹理信息，对图像处理具有重要的作用。
2. Contourlet变换原理Contourlet变换是D.L. Donoho等人提出的一种基于小波的图像分解和重构方法。
其基本原理是将图像分解为不同尺度和不同方向的子带，然后对子带进行小波变换和增强处理，最后进行逆变换得到重构图像。
Contourlet变换具有更好的方向选择性和跟踪能力，能够更准确地表示图像的边缘和纹理信息。
3. Contourlet域滤波Contourlet域滤波是Contourlet变换的一项重要应用，可以有效地对图像进行去噪处理。
基于Contourlet域的小波软阈值去噪方法能够更好地保持图像的边缘和纹理细节，提高图像的视觉质量。
同时，基于Contourlet变换的图像复原方法也能够恢复被噪声污染和失真破坏的图像。
4. 基于Contourlet变换的图像压缩Contourlet变换在图像压缩方面也具有重要的应用价值。
传统的JPEG压缩算法只能对图像的低频信息进行编码，而Contourlet变换可以提取图像的边缘和纹理信息，对于高频细节的保留有着更好的效果。
因此，基于Contourlet变换的图像压缩方法能够更好地提高图像的压缩比和图像质量。
改进的Contourlet变换的图像去噪算法_唐飞_杨恢先_曾友伟_李利_谭正华
网络出版时间：2013-01-11 16:57网络出版地址：/kcms/detail/11.2127.TP.20130111.1657.030.htmlComputer Engineering and Applications计算机工程与应用改进的Contourlet变换的图像去噪算法唐飞1，杨恢先1，曾友伟1，李利2，谭正华2TANG Fei1, YANG Huixian1, ZENG Youwei1, LI li2, TAN Zhenghua21. 湘潭大学材料与光电物理学院, 湘潭 4111052. 湘潭大学信息工程学院, 湘潭 4111051. Faculty of Material and Photoelectronic Physics, Xiangtan University, Xiangtan Hunan 411105,China2. College of Information Engineering, Xiangtan University, Xiangtan Hunan 411105, China高频细节系数文献标识码：A 中图分类号：TP391.41 doi：10.3778/j.issn.1002-8331.1209-02851 引言图像在获取或是传输的过程中常常会受到各种噪声的污染，从而降低了图像的主观和客观质量，给后继的图像处理和应用如图像分割、目标识别、图像检索以及图像编码、传输等带来了诸多不利的影响。
因此，图像去噪问题在图像预处理中起着至关重要的作用[1]。
目前，传统的图像去噪方法主要分为空域滤波和频域滤波两大类。
空域滤波法并不对图像进行任何基金项目：湖南省教育厅资助科研项目（10C1263）；湘潭大学资助科研项目（11QDZ1）。
作者简介：唐飞（1987-），男，硕士研究生，主要研究方向：数字图像处理、模式识别；杨恢先(1963-)，男，教授，主要研究方向：图像处理、人工智能；曾友伟(1987-)，男，硕士研究生，主要研究方向：数字图像处理、模式识别；李利(1986-)，女，硕士研究生，主要研究方向：数字图像处理、模式识别；谭正华(1981－),男,博士, 主要研究方向：计算机图形学、数字矿山理论与技术研究。
基于Contourlet变换和改进NeighShink的图像去噪
ｔ ｈ ｅ ｖ ａ ｉａ ｒ ｎ ｃ ｅ ｏ ｆ ｔ ｈ ｅ ｈ ｉ ｇ ｈ ｅ ｎ ｅ ｒ ｙ ｇ ｃ ｏ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ，ａ ｆ ｔ ｅ ｒ ｔ ｈ ｅ ｎ ｕ ｓ ｅ ｄ ａ ｍｉ ｎ ｉ ｍｕ ｍ ｍｅ ａ ｎ ｓ ｑ ｕ ａ ｒ ｅ ｅ ｒ ｒ ｏ ｒ ｃ ｒ ｉ ｔ ｅ ｒ ｉ ｏ ｎ ｔ ｏ ｇ ｅ ｔ ｒ ｅ ａ ｌ ｃ ｏ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｅ ｓ ｔ ｉ — ｍａ ｔ ｅ ｓ ．Ｆ ｉ ｎ ｌｌ ａ ｙ ｉ ｔ ｃ ａ ｒ ｉ ｒ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｎ ｅ ｉ ｇ ｈ ｂ ｏ ｉ ｒ ｎ ｇ ｃ ｏ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｓ ｈ ｉｎ ｒ ｋ ａ ｇ ｅ ．Ｅ ｘ ｐ ｅ ｉ ｒ ｍｅ ｎ ｔ ｏ ｎ ｉ ｍａ ｇ ｅ ｄ ｅ ｎ ｏ ｉ ｓ ｉ ｎ ｇ ｓ ｈ ｏ ｗｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｍｅ ｔ ｈ ｏ ｄ ｃ ａ ｎ
张
摘
雷 ， 康宝生 ， 李洪安
（ １ ． 西北 大学 信 息科 学与技 术 学院 ， 西安 ７ １ ０ １ ２ ７ ； ２ ． 运城 学 院 公共 计算机 教 学部 ，山西 运城 ０ ４ ４ ０ ０ ０ ） 要 ：为 了有效 去 除图像噪 声且 能更 好地保 护 图像 细节 ， 提 出一 种基 于 Ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｌ ｅ ｔ 变换 和改 进 Ｎ ｅ ｉ ｇ ｈ Ｓ ｈ ｉ ｎ ｋ的
方误差 准则得 到真 实系数 的估 计 ； 最后 进行 邻域 系数 收缩 。 实验表 明 ， 该 方法 能有效 地去 除 图像 中的噪 声 ， 获得 更 高的峰 值信 噪 比 ， 并且 图像 的边缘 细节得 到很 好 的保护 。 关 键词 ：Ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｌ ｅ ｔ 变换 ； 邻域 收缩 ； 图像 去 噪 ； 无偏 风险估 计 中图分 类号 ：Ｔ Ｐ ７ ５ １ 文 献标 志码 ：Ａ 文章 编 号 ：１ ０ ０ １ ． ３ ６ ９ ５ （ ２ ０ １ ４ ） ０ ４ — １ ２ ６ ７ ． ０ ３
基于Contourlet的图像PCA去噪方法
Ｚ ＨＡＮＧ Ｊｕ ｗｅ ＤＵＮ Ｊａ － ｈ ｎ ， ＮＧ ｉｇ ｆｎ ｉ — ｎ， ｉｎ ｚ ｅ ｇ ＭＥ Ｌｎ －ｅ ｇ
兰州 大 学 信 息 科 学 与 工 程学 院 ． 兰州 ７ ０ ０ ３ ００
Ｓ ｈ ｏ ｆ Ｉ ｆｒ ｔ ｎ Ｓ ｉ ｎ ｅ ＆ Ｅ ｇｎ ｅ ｎ ｆ ｎ ｈ ｕ Ｕ ｉｅ ｓｔ Ｌ ｎ ｈ ｕ ７ ０ ０ Ｃ ｉ ａ ｃ ｏ ｌ ｏ ｎ ｏ ｍａ ｉ ｃｅ ｃ ｏ ｎ ｉ ｅ ｒ ｇ ｏ ａ ｚ ｏ ｎ ｖ ｒ ｉ ｉ ｙ． ａ ｚ ｏ ３ ０ ０． ｈ ｎ
维普资讯
４ ６
２ ０ ，３２ ） ０７４ （１
Ｃ ｍ ｕ ｒＥ ｇｎｅｉ ｎ ｐ ｌ ａｉ ｓ计 算 机 工 程 与应 用 ｏ ｐ ｔ ｎｉｅｒ ｇ ａｄ Ａ ｐｉ ｔ ｎ ｅ ｎ ｃ ｏ
基 于 Ｃ ｎｏ ｒ ｔ ｏ ｔｕ ｌ 的图像 Ｐ Ａ去噪方法 ｅ Ｃ
Ｃｏ ｕ ｅ ｇｎ ｅｉ ｇ ａ ｄ Ａｐ ｆ ｎｉｎ ，０ ７，３（ １ ：６ ４ ． ｍｐ ｔｒ Ｅｎ ｉｅ ｒｎ ｎ ｐ ｃ ｏ ｓ ２ ０ ４ ２ ） ４ — ８ ｉｔ
Ａｂ ｔ ａ ｔ Ｔ ｉ ａ ｅ ｒ ｐ ｓ ｓ ｅ ｍｅｈ ｄ ｗｈ ｃ ｔ ｉｅ ｎ ｉｅ ｅ ｅ ｇ ｉ ｓｅ ｄ ｆ ｉ ｖ ｒ ｎ ｅ ｔ ｐ ｒｏ ｍａ ｅ ｅ ｎ ｉｉ ｇ ｓ ｒ ｃ ： ｈ ｓ ｐ ｐ ｒ ｐ ｏ ｏ ｅ ａ ｎ ｗ ｔ ｏ ｉ ｈ ｕ ｉ ｚ ｓ ｏ ｓ ｎ ｒｙ，ｎ ｔ ａ ｏ ｔ ａ ｉ ｃ ， ｌ ｓ ａ ｏ ｅｆ ｒ ｉ ｇ ｄ － ｏ ｓ ｍ ｎ
ｈ ｙ ｉ ａ ｉ ｇ ｒ ａ ａ ｓ ｏ ｈ ｔ ｔ ｅ ｏ ｔ ｅ ｔ ｐ ｃ ｍａ ｅ Ｂａｂ ｒ ｈ ｗ ｔ ａ ｅ ｐ ｒ ｒ ａ ｃ ｈ ｒｐ ｓ ｄ ｍｅｈ ｄ ｉ ｂ ｉｕ ｌ ｕ ｅ ｏ ｏ ｈ ｉ ｉｉｎ ａ ｄ ｉ Ｓ ｌ ｈ ｆ ｍ ｎ ｅ ｏ ｔ ｅ ｐ ｏ ｏ ｅ ｔｏ ｓ ｏ ｖｏ ｓｙ ｓ ｐ ｒ ｒ ｂ ｔ ｎ ｖ ｓ ｎ ｎ Ｐ ＮＲ． ｆ ｉ ｏ Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ：Ｃｏ ｔｕ ｌｔ ｔ ｎ ｆｒ ； ｒ ｃｐ ｍｐ ｎ ｎ ａｙ ｉ ；ｍａ ｅ ｄ — ｏ ｓ ｇ ｎ ｏ ｒ ａ ｓ ｍ Ｐ ｉ ｉ ａ Ｃｏ ｏ ｅ ｔ Ａｎ ｌ ｓ ｉ ｇ ｅ ｎ ｉｉ ｅ ｒ ｏ ｎ ｌ ｓ ｎ
基于Contourlet变换和改进NeighShink的图像去噪
基于Contourlet变换和改进NeighShink的图像去噪ZHANG Lei;KANG Bao-sheng;LI Hong-an【期刊名称】《计算机应用研究》【年(卷),期】2014(31)4【摘要】In order to eliminate the noise in the image effectively and to protect the image detail better， this paper proposed a new method for image denosing based on Contourlet transform and improved NeighShink. It used the stein unbiased risk estimating in the d%为了有效去除图像噪声且能更好地保护图像细节，提出一种基于Contourlet变换和改进NeighShink的图像去噪方法。
首先将图像进行Contourlet变换，利用stein无偏风险估计在各尺度各方向子带上进行启发式阈值估计；然后根据邻域窗能量将低能量系数置0，高能量系数采用近似最大似然估计法估计其方差，再用最小均方误差准则得到真实系数的估计；最后进行邻域系数收缩。
实验表明，该方法能有效地去除图像中的噪声，获得更高的峰值信噪比，并且图像的边缘细节得到很好的保护。
【总页数】3页(P1267-1269)【作者】ZHANG Lei;KANG Bao-sheng;LI Hong-an【作者单位】School of Information Science & Technology，Northwest University，Xi'an 710127，China;Public Computer Teaching Dept. ，Yuncheng University，Yuncheng Shanxi 044000，China;School of Information Science & Technology，Northwest University，Xi'an 710127，China;School of Information Science & Technology，Northwest University，Xi'an 710127，China【正文语种】中文【中图分类】TP751【相关文献】1.改进结构的Contourlet变换及其图像去噪应用 [J], 苏金善;冯燕2.改进的Contourlet变换的图像去噪算法 [J], 唐飞;杨恢先;曾友伟;李利;谭正华3.一种改进Contourlet变换的图像去噪算法 [J], 方辉;郑春燕;尹忠科;王蕊4.基于灰色关联度改进的Contourlet变换图像去噪算法 [J], 曾友伟;杨恢先;唐飞;谭正华;何雅丽5.基于改进邻域收缩法的非下采样Contourlet变换域红外图像去噪 [J], 齐乃新;曹立佳;杨小冈;陈世伟因版权原因，仅展示原文概要，查看原文内容请购买。
基于稀疏编码收缩和Contourlet变换的红外图像去噪
Ｃｏ ｔ ｕ ｌｔｔａ ｓｏ ｍ． ｍｐ ｔｒ Ｅｎ ｉ ｅ ｉｇ ａ ｄ Ａｐ ｌ ａｉｎ ，０１ ４ （ ５） １ ９ ８ ． ｎｏ ｒｅ ｒ ｎ ｆｒ Ｃｏ ｕｅ ｇｎｅｒｎ ｎ ｐ ｉ ｔ ｓ ２ ０． ６ １ ：７ －１ １ ｃ ｏ
Ａｂｓｒ ｔ Ａｃ ｏ ｄ ｎ ｔ ｔ ｅ ｔ ａｃ ： ｃ ｒ ｉ ｇ ｏ ｈ ｄｉａ ａ ｔｇｅ ｏ ｐ ｒ ｅ ｏ ｎｇ ｈｒｎ ｇ ａ ｄ ｓ ｄｖ ｎ ａ ｓ ｆ ｓ ａ ｓ ｃ ｄｉ ｓ ｉ ｋａ ｅ ｎ Ｃｏ ｏ ｌｔ ｒ ｎ ｆｒ ， ｎ ｗ ｉ ａ ｅ ｅ ｉｉｇ ｎｔｕｒｅ ｔａ ｓｏ ｍ ａ ｅ ｍ ｇ ｄ ｎｏｓｎ ａｌｏ ｔ ｍ ｇｒｈ ｉ
难。 经典 的红外噪声模型采用线性模型 ， 噪声假设为加性噪声 ，
变换的优势和不足 ， 出了一种新的图像去噪算法 ， 提 先通过 Ｃ ｎ ｏ— ｔ ｒｔ ｏ ｌ 变换分解 原始噪声图像 ， 分解 后子图像运用 Ｓ Ｓ算法 ｕｅ 对 Ｃ 收缩去噪 ， 最后 Ｃ ｎｏ ｒ ｔ ｏｔｕｌ 逆变换得到去噪图像 。 ｅ 实验表明 ， 该文
１ 引言
红外图像在军事和民用领域发挥着巨大。
该文致 力于解决红外 图像 中含有加性 噪声且噪 声方 差未
知的问题。 针对上述 问题 ， 通过 综合分析 Ｓ Ｓ Ｃ 算法和 Ｃ ｎｏｒ ｔ ｏｔｕｌ ｅ
的去噪是一个技术难题 ， 噪声参数未知的红外 图像去噪更是 困
Ｃｏ ｏ ｒｅ ｒ ｎ ｆ １ １ ｎｔｕ ｌｔ ｔａ ｓｏ１ ． ／
Ｋ ｙ ｗｏｄ ：ｓａｓ ｏｉｇｓｒ ｋｇ ； ｏ ｔ ｒ ｔｔ ｎｆ ； ｄｐｎ ｅ ｔＣ ｍ ｏｅ ｔＡ ａｙｉ Ｉ Ａ）ｉ ｒｒｄ ｉａ ｅｉ ｇ ｅｏｓ ｇ ｅ ｒｓ ｐ ｒ ｃｄ ｈ ｎ ａｅ Ｃ ｎｏ ｌ ｒ ｓ ｒ Ｉ ｅｅ ｄｎ ｏ ｐ ｎｎ ｎｌｓ （Ｃ ； ｆ ｅ ｍ ｇ ； ｅ ｎ ｉ ｕｅ ａ ｏ ｍ ｎ ｓ ｎａ ｍａｅｄ ｎｉｎ ｉ
基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法(英文)
基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法(英文)赵杰;杨建雷【期刊名称】《光子学报》【年(卷),期】2010(39)9【摘要】针对大部分已有的遥感图像去噪算法在去噪的同时不能有效的保留细节和增强边缘,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法.该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果.通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法.【总页数】8页(P1658-1665)【关键词】遥感图像;Contourlet变换;Cycle;Spinning;总变分最小化;图像去噪;融合【作者】赵杰;杨建雷【作者单位】河北大学电子信息工程学院【正文语种】中文【中图分类】TP391【相关文献】1.基于总变分与小波变换的图像去噪算法 [J], 陈利霞;丁宣浩;宋国乡;孙晓丽2.基于改进总变分算法的遥感图像去噪方法研究 [J], 张洪为;宋芳芳3.基于小波-Contourlet变换与Cycle Spinning相结合的SAR图像去噪 [J], 刘帅奇;胡绍海;肖扬4.基于contourlet变换的PDE遥感图像去噪算法 [J], 宋昱;张洪为;胡梦云;张朔5.一种基于Contourlet变换的总变分图像去噪算法 [J], 张洪为;张俊英因版权原因，仅展示原文概要，查看原文内容请购买。
基于Contourlet变换尺度间相关的图像去噪
ω2
Bandpass directional subbands Bandpass directional subbands
(π,π)
(2,2)
ω1
Image (a) Contourlet 变换滤波器组结构图
(-π, -π) (b) Contourlet 频率分解图 (b) Frequency decomposition of Contourlet
1
基于 Contourlet 变换的相关去噪
离散 Contourlet 变换也称塔形方向滤波器组(Pyramidal Direction Filter Bank PDFB)[3] 是小波变换的
1.1 Contourlet变换 一种新扩展 具有多分辨率 尺度 多方向上 局部定位 多方向性 近邻界采样和各向异性等性质[4] 其基函数分布于多 再根据方向信息将位置相近的奇异
(b) “peppers” 的 2 级 Contourlet 分解图 (b) 2-level Contourlet decomposition of “peppers”
图2
peppers 的 2 级 Contourlet 分解示意图
Fig.2 An example of Contourlet decomposition.
Image denoise based on inter-scale correlations of Contourlet transform
YU Mei 1, 2
1, 2, 3 YI Wen-juan
JIANG Gang-yi1, 4
( 1. Faculty of Information Science and Engineering, Ningbo University, Ningbo 315211, China; 2. Institute of Computer Technology, the Chinese Academy of Sciences, Beijing 100080, China; 3. Graduate School of the Chinese Academy of Sciences, Beijing 100039, China; 4. National Key Lab of Software New Technology, Nanjing University, Nanjing 210093, China ) Abstract: Analyses of Contourlet coefficients indicate that inter-scale contourlet coefficients with respect to signals are highly correlated while the correlations associated with white noise are less or even do not exist. According to the property, an image denoising algorithm based on inter-scale correlations of Contourlet coefficients is proposed combined with threshold functions. Experimental results show that the proposed method outperforms the corresponding wavelet method in terms of both peak-signalto-noise (PSNR) and visual quality, and it is especially adequate to the images with much texture. Key words: Contourlet transform; Wavelet transform; Correlation; Image denoise
基于中值滤波和Contourlet变换的图像去噪研究
ｎ ｉ ｏ ｎ ｆ ｉ ｕ ｓ ｏｓ ｓ ｄ ｔｃｅ ｎ ｒ ｃ ｓｅ ｉ ｄ ａ ｌ ｒ ｈ ｕ ｓａ ｏｓ ｐ ｉ ｔｏ ｍｐ ｌｅ ｎ ｉｅ ｗａ ｅｅ ｔｄ ａ ｄ ｐ ｏ ｅ ｓ ｄ ｗ ｔ ｍｅ ｉｎ ｆ ｔ ；ｔ ｅ Ｇａ ｓ ｉ ｎ ｅ ｈ ｉ ｅ
去除 高斯噪声 时的效 果却不是很 理想． 年 来， 近
Ｃ ｎｏ ｒ ｔ ｏ ｔ ｌ 变换相 结合 的 图像去 噪方法 ． ｕｅ
１ Ｃ ｎｏ ｒ ｔ ｏ ｔｕｌ 变换 原 理 ｅ
Ｃ ｎｏｒ ｔ ｏｔ ｌ 变换来自可 以满足 曲线 的各 向异 性 尺度 ｕｅ
关 系 ， 够很 好地 抓 住 图像 的几 何 结 构． １描 述 能 图
了小 波 变 换 和 Ｃ ｎｏｒ ｔ变 换 对 曲 线 表 示 的 比 ｏｔ ｌ ｕｅ
Ｃ ｎｏ ｒ ｔ ｏ ｔ ｌ 变换 阈值 去噪方 法被 广泛 应 用于 图像 去 ｕｅ
图像 的 Ｐ Ｎ Ｓ Ｒ值 ， 而且 可 以很 好 地 保 留 图像 的 细 节 信 息 ， 改善 视 觉效 果．
关 键 词 ： ｏｔ ｒ ｔ Ｃ ｎ ｕｌ 变换 ； ｏ ｅ 图像 去 噪 ； 中值 滤 波 ； 合 噪 声 混 中 图分 类 号 ：Ｐ ９ Ｔ ３１ 文献 标 识 码 ： Ａ 文 章 编 号 ：６２— ９ ６ ２ １ ）２— ２ １ ｏ １７ ０ ４ （０ １ ０ ０ １ 一 ４
（ ｃ ｏ ｌ ｆ ｎｏｍ ｔ ｎａ ｄ Ｃ ｍ ｎｃｔ ｎ Ｅ ｇｎ ｅｉ ， ａｂｎ Ｓ ｈ ｏ ｏ Ｉｆｒ ａ ｏ ｎ ｏ ｍｕ ｉａ ｏ ｎ ｉｅ ｒ ｇ Ｈ ｒｉ ｉ ｉ ｎ
Ｅ ｇ ｅｒ ｇＵ ｉ ｒ ｔ，Ｈ ｒｉ １０ ０ ，Ｃ ｉａ ｎｉ ｅｉ ｎｖ ｓｙ ａｂｎ ５０ １ ｈｎ ） ｎ ｎ ｅｉ