图像在获取或者传输过程中,经常会被加入大量的噪声,严重影响了图像的视觉效果,甚至妨碍了人们的正常识别。因此,图像的噪声滤除是图像处理中的一项重要任务,噪声滤除后的结果对图像边缘检测、图像分割、特征提取和图像识别等后续处理均有直接的影响。近年来,人们在彩色图像的噪声滤除方面取得了很大的成果。图像中一般既有较为平滑的区域,也有丰富的细节或边缘,这些细节或边缘通常包含重要的视觉感知信息。因此,图像滤波的目的除了去除噪声外,还要尽可能地保留细节或边缘等信息。在本文中,我们首先介绍一些常用的彩色图像滤波算法,然后提出一系列新的滤波算法,这些新算法具有较好的滤除噪声能力,并且能有效地保留图像中原有细节或边缘。(1)图像被脉冲噪声污染时,很明显不是所有的像素都是噪声像素。尽管传统的滤波器能有效地滤除图像中的脉冲噪声,但在滤除噪声的同时,也一定程度地改变了未被噪声污染的像素,使得边缘和纹理模糊。因此,我们希望滤波算法仅对噪声像素进行滤波,而对非噪声像素则保持不变。由此,在本文中,在滤波前,我们采用了一个脉冲噪声检测器,首先把图像中的噪声像素和非噪声像素区分开来。然后在后续的滤波过程中,如果一个像素是噪声像素,则它就会被该像素邻域内某个合适的非噪声像素所替代;反之,该像素保持不变。在此,脉冲噪声检测器的检测能力是至关重要的。实验结果表明,我们所提出的脉冲噪声检测器能快速有效地检测出图像中的脉冲噪声。(2)对于被脉冲噪声污染的彩色图像,基于噪声检测,我们提出了一系列迭代滤波算法。首先运用脉冲噪声检测器,估计出图像中的噪声像素,然后应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素(即信号像素)保持其值不变。我们对传统的矢量滤波算法(矢量中值滤波VMF,基本矢量方向滤波BVDF,方向距离滤波DDF和基于相似度的自适应滤波SAA)加以改进,作为后续的滤波算法。(3)对于被脉冲噪声污染的彩色图像,将一个快速有效的脉冲噪声检测器和一个鲁棒性神经模糊网络RNFN有效地结合,提出了一种新的脉冲噪声滤波算法。该算法可分两步进行。首先,由脉冲噪声检测器检测出噪声训练图像中所有的噪声像素,以每一个噪声像素为中心的滤波窗口中的所有像素作为网络的输入,使用梯度下降算法对网络中的参数进行优化。然后,再用脉冲噪声检测器检测出噪声测试图像中所有的噪声像素,如果一个像素是噪声像素,经过优化的网络会产生一个新的像素来替代它;反之,该像素保持不变。我们所提出的新的滤波算法,其中一个创新点在于,在网络的构造中,采用了一个新的隶属函数,使该算法对于脉冲噪声具有鲁棒性。(4)医学图像经常会被加性高斯噪声所污染。对于医学图像滤波来说,非常重要的一点就是滤波后的图像应该尽可能地保留图像中的边缘和细节特征。但通常在滤波过程中,在消除噪声的同时,会模糊图像中一些重要结构信息。在最近几年中,基于尺度的滤波方法已经有效地应用在灰度图像的滤波中。在本文中,我们把基于尺度的方法推广到彩色图像的滤波中。在传统滤波方法(VMF,BVDF和DDF)基础上,我们相应地提出了三种基于球尺度的彩色图像滤波器。新的滤波方法能根据图像中像素的尺度信息,在图像边缘和细节附近,即区域边界,执行较小的平滑,而在区域内部进行较大的平滑,从而能够自适应地控制滤波过程。实验结果表明,我们所提出的这些滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。