目前比较经典的图像去噪算法主要有以下三种：

均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。

中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理[8]。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。

小波去噪方法就是一种建立在小波变换多分辨分析基础上的新兴算法，其基本思想是根据噪声与信号在不同频带上的小波分解系数具有不同强度分布的特点，将各频带上的噪声对应的小波系数去除，保留原始信号的小波分解系数，然后对处理后的系数进行小波重构，得到纯净信号[12]。

4.研究现状

国外研究现状：在数字图像处理的领域里，输入的质量低的图像，输出是改善质量后的图像。对于含噪图像，模糊图像等退化图像，图像处理的过程就是对图像品质的提升。图像去噪是图像分析和计算机视觉中十分重要的技术。到目前为止已相当成熟，主要方法分为两大类：空间域法和频域法。在空间域中，去噪主要是邻域平均法和中值滤波法等。频域中常规的去噪是将被噪声干扰的信号通过一个滤波器，滤除噪声频率成分。但对脉冲信号、白噪声、非平稳过程信号等等，存在一定的局限性。因此寻找能够兼顾去噪，保留图像边缘及其他特征的图像的滤波算法是该领域的重点课题。

国内研究现状：我国数字图像处理技术起步较晚，但在学习国外技术的基础上发展迅速。

近些年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时域局部化和多分辨率分析能力，因而在图像处理各领域的实际应用非常广泛。如非线性小波变换阈值法去噪，

小波变换模极大值去噪及基于小波变换的尺度相关性去噪。

5.存在的问题及发展趋势

图像去噪方法的研究具有广泛而深远的意义。体现在实际生活应用上，譬如说，由于不同的成像机理，得到的初始图像中含有不同性质的噪声，这些噪声的存在影响着人们对图像的观察，干扰人们对图像信息的理解。噪声严重的时候，图像几乎产生变形，使得图像失去了存储信息的本质意义。显然，对图像去噪处理，是正确识别图像信息的必要保证。图像去噪技术的应用从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大影响。

图像去噪对数字图像其他处理环节性能的提升有着促进作用。如果对一幅含噪图像进行特征提取，配准或者图像融合等处理其结果肯定不能令人满意，所以图像去噪是必须的。图像去噪的理论意义在于它是对图像的底层处理，噪声可能在图像采集、量化等过程中产生。也可能在传输过程中产生。噪声的存在极大地干扰了图像的信息。对于图像的后继处理和分析都有影响。

6.总结

在图像的处理过程中，消除图像的随机噪声干扰是一个非常重要的问题。对此，采用平均值、中值滤波器、小波等方法对图像去除噪声进行分析和研究。同时，还可以运用Matlab在图像处理方面进行仿真比较，消除图像的随机噪声效果如何，并为深一步对图像降噪领域的研究提供有益的参考和帮助。 图像噪声滤除技术文献综述和参考文献(2):http://www.youerw.com/wenxian/lunwen_45960.html