1。高斯噪声

高斯噪声是一种具有高斯分布（也称正态分布）的概率密度函数的噪声。高斯噪声是来自于电子电路噪声和低照明度或高温所产生的传感器噪声，实际上热噪声、散弹噪声及量子噪声都是高斯噪声。它的概率密度函数为：文献综述

其中，随机变量z为灰度值，μ为该噪声的期望，σ为噪声的标准差，σ2即为噪声的方差。

2。椒盐噪声

椒盐噪声是图像传输过程中产生的黑白相间的亮暗点噪声，又称为双极脉冲噪声。它的概率密度函数为：

椒盐噪声的均值和方差分别为：

椒盐噪声是指两种噪声，以黑点出现在图像中的为胡椒噪声（负脉冲），而以白点出现在图像中的为盐噪声（正脉冲）。前者为高灰度，后者为低灰度。若两噪声同时出现，则图像呈现的就是黑白杂点。去除椒盐噪声及脉冲干扰的常用方法为中值滤波法。

3。加性、乘性噪声

以信号对噪声的影响的不同，可以乘性、加性两种形式，对噪声进行分类。

设信号为s(t)，噪声为n(t)，若噪声和信号无关，混合叠加后的信号为s(t)+n(t)，则该噪声为加性噪声，它是系统的背景噪声，包括热噪声、低频噪声、散粒噪声等。

若混合叠加后的信号为s(t)*n(t)，则该噪声为乘性噪声。乘性噪声和信号相关，是由信道变化随机性而引起的，不会主动干扰信号。

2。1。2  图像去噪方法

1。均值滤波

均值滤波可分为算数均值滤波和几何均值滤波。

设坐标点(x,y)，大小为m×n的矩形窗口Sxy，被干扰图像为g(x,y)。

算术平均值：    (2-5)

几何均值：    (2-6)

逆谐波均值：   (2-7)

其中Q为滤波器阶数。若Q为正数，则可去除椒噪声；若Q为负数，则可去除盐噪声。但该滤波器无法同时去除椒盐噪声。

2。中值滤波来`自+优-尔^论:文,网www.youerw.com +QQ752018766-

中值滤波是一种常用的非线性平滑滤波方法，能很好地对图像边缘进行保留，相比于均值滤波而言，能够达到更理想的效果，在椒盐噪声的处理上更为适用。但中值滤波在处理含尖顶、点、线等细节较多的图像时，效果会大打折扣。其基本思想为在数字图像中用某点的一个邻域中各点值的中值取代该点的值。公式表达如下：   (2-8)

3。自适应中值滤波

自适应中值滤波通过调节滤波窗口尺寸，同时对图像各区域进行噪声检测，针对检测出的噪声点进行滤波。并以滤波器的输出，作为窗口中心像素值的表示。这种方法主要用来对图像进行平滑处理，算法简单，复杂度低。自适应中值滤波器可处理噪声概率更大的脉冲噪声，同时能更好地保持图像细节。

2。2  直方图灰度均衡化

直方图灰度均衡化是通过将灰度值重新均匀分布来达到图像增强的方法。针对需处理图像，缩窄像素数较低的部分，展宽像素数较高的部分，从而使图像更清晰并将输入图像转化成具有均匀灰度概率密度分布的新图像，为该方法的一般思路。