更新时间：11-24 （小胖猫）提供原创文章
摘要：图像作为重要的信息的载体，不但是人们日常生活中信息保存的重要手段， 也是人们感受外界信息来源的主要方式。但是随着工业的不断发展，所用的图像在各种场合都会受到不同程度的干扰和污染，这就使图像的清晰程度下降，致使图像本身的信息丢失，给图像分析带来了很大的不便。所以图像的噪声处理成为科学家十分看重的课题。进行图像去噪的目的就是根据现有的图像最大限度的去噪，并自动恢复到原始图像。当前，被熟知的方法有中值和均值滤波方法，这两种方法简单易行，但是在有效的去除噪声的同时也存在这问题。在去除噪声的同时会使原图像信息丢失，图像变得模糊。所以现在要在此基础上研究出使被污染的图像去噪结果好而且信息保留完整的方法。这就成为了研究领域的重要课题。
首先，本文先对图像的基本概念做了介绍，然后对几种常见的噪声的特点做了介绍。
其次，本文用中值和均值滤波对不同的噪声进行去噪，并对结果进行分析研究，再选择了不同的模板进行比较。
最后，在已经去噪的图像上加上自适应方法。对已经用均值滤波去噪的图像用六边形法进行了自适应加权处理，并与之前的图像进行比较分析，使研究结果能达到要求，应用更具普遍性。
关键词：图像去噪；椒盐噪声；中值滤波；均值滤波；自适应滤波
目录
摘要
ABSTRACT
1绪论-1
1.1图像去噪的意义和去噪的研究背景-1
1.2图像去噪的研究现状-1
1.3本文的研究内容-3
1.4本文的结构组织-3
2图像的噪声及常用的滤波器-4
2.1图像的噪声-4
2.1.1噪声的概念-4
2.1.2噪声的分类及常见噪声的类型-4
2.2图像的去噪方法-10
2.2.1中值去噪-10
2.2.2均值去噪-12
2.2.3维纳去噪-13
3图像的自适应加权去噪-16
3.1自适应六边形加权均值滤波器-16
3.1.1六边形窗口-16
3.1.2加权均值算法-18
3.1.3自适应六边形加权均值算法-18
3.2其他自适应算法的介绍-19
3.2.1改进的自适应的非局部加权均值算法-19
3.2.2改进的中心加权的自适应算法-21
3.2.2自适应算法的比较-23
4结论-24
致谢-25
参考文献-26