微光图像的去噪是在微光环境下拍摄的原始图像上直接进行简单或者复杂的数据的运算，对原始图像的像素的灰度值进行运算处理。在我们经常使用的简单的图像处理中常用到的噪声滤波方式有两种，一种是线性滤波，另一种是非线性滤波。像我们所知道的一样，噪声滤波中的线性滤波最具有代表性的是均值滤波。还有多幅图像平均法，顾名思义，就是是利用对同一个事物在同一个场景下多次拍摄的多幅图像经行总的起来取平均值来消除图像中的噪声的。在数字图像处理对于图像中噪声的的去除的早期的研究中，因为线性滤波器的相对简单的思想和较为容易的数学思想，所以这样的滤波器是非常容易实现的，值得强调的是，这种滤波方法是噪声抑制的主要手段，虽然是主要的噪声抑制手段，可是线性滤波器对于我们在微光图像上经常看到的椒盐噪声的滤波效果并不是那么理想，有的甚至噪声还会加重。由于线性滤波器存在的不足，经过大量的仿真实验和噪声抑制算法的融合，论文网在1971年，Turky提出了一种非常具有代表性的非线性滤波器[2]，那就是我们现在经常用到的中值滤波器。前人已经经过实验做了好多铺垫，张祥光经过分析改进提出了中值算法和峰-谷滤波器相结合的算法以及基于极值中值滤波的改进算法[3]；为了提高对原始图像处理的实时性，张丽基于前面的均值滤波、中值滤波提出了利用均值加速的快速中值滤波算法[5]。由于图像经行滤波之后，图像的边缘会受损，或者相对于原来的图像会变得更差，因此现在也会有人用各向异性扩散法来处理微光图像中的噪声，可对并不清晰的原始图像的边缘进行整体的修整和适当增强[18]。PCA，又称为主成分分析法，这种算法在滤波之后不仅能较好的保留图像的边缘信息，并且还可以提高除噪后所得图像的峰值信噪比。当然，还有更多的噪声抑制算法现在在研究或者实验当中，主要的问题还是图像的在除噪过程中会改变图像的清晰度或者噪声滤除不完整两者的矛盾，有的或者只是有一种思想，对于噪声抑制算法还有很多研究的空间。27076 微光图像的去噪国内外研究现状:http://www.youerw.com/yanjiu/lunwen_21458.html