文 献 综 述

1. 研究背景

图像是人类获取信息、表达信息和传递信息的重要手段。据统计人类获得的信息大约75%是以图像的形式通过视觉系统获得的。在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题。例如：由于空间技术的发展，人造卫星拍摄了大量的地面和空间的照片，人们可以利用照片获得地球资源、全球气象和污染情况等；在医学上，医生可以通过x射线分析照像，观察到人体各部位的断层图像；在工厂，技术人员可以利用电视图像管理生产，由此可见图像信息的重要性。随着人类社会的进步和科学技术的发展，人们对图像处理的要求越来越高。随着图像处理的研究逐渐深入，许多问题有待于解决，故对图像处理的需求也进一步增加。

图像处理已经逐渐成为一门比较成熟的学科，图像滤波在整个图像处理领域中占有重要的地位。图像滤波技术是一个跨学科的前沿科技领域，在工程学，计算机科学，信息学，统计学，物理，化学，生物医学，地址，海洋，气象，农业，冶金等许多科学中的应用取得了巨大的成功和显著地经济效益。

2. 研究现状

现有的图像滤波方法种类也比较多，其中比较应用成熟的有中值滤波，均值滤波，高斯滤波等。随着电子计算机的技术进步，人们在原来的滤波器技术上发展了许多新算法。目前许多新的滤波算法都充分利用了周围邻域这一重要的信息形成了很多局部处理的灰度调整算法,该方法主要利用了邻域的统计特性。

最小二乘法方滤波，也就是维纳（winner）滤波法，他首先假设是图像和噪声处理过程都属于平稳随机过程，且噪声均值为零，噪声和图像不相关。他是使原始图像及其恢复之间均方误差最小的滤波方法。

自适应中值-加权均值混合滤波法，对于脉冲噪声采用自适应中值滤波方法，他根据图像各区域受噪声污染程度来选择相应尺寸的滤波窗口，具有自适应调整滤波窗口大小的能力，同时它对滤波方式做改进，只对检测出的噪声点进行滤波，而未受噪声污染点被排除，这样可有效减小噪声对滤波结果影响。对不同类型图像来说，自适应中值滤波方法去噪声效果好。脉冲噪声消除后，图像中剩余的高斯噪声采用自适应均值滤波方法去除。自适应均值滤波根据滤波窗口内某像素灰度值的窗内中心像素的灰度值的差值自适应确定该像素对应加权系数大小，求所有像素对应的加权系数均值，要考虑加权系数较均值大的各像素，用其灰度值的加权平均值取代窗内中心像素的灰度值。这种将两种噪声分开滤除可以使每种滤波方法都能取得良好的滤波效果，保证新方法在去除混合噪声时具备优异的综合滤波性能。