摘要：针对非局部平均（NLM）方法对椒盐噪声图像滤波效果较差的问题，通过引入噪声检测结果扩展NLM方法去除图像中椒盐噪声。在噪声检测阶段，利用图像的两个极值Lmin和Lmax把图像像素点分为非噪声点和噪声点。在滤波阶段，非噪声点的灰度值保持不变。对于噪声点，如果以该噪声点为中心的自适应滤波窗口内均为噪声点，则认为该噪声点位于图像自身灰度值为Lmin或Lax的区域内，使用两个极值的统计结果进行恢复。否则，采用改进的NLM方法滤除噪声。构造联合噪声检测模板避免噪声点对相似权计算的干扰，噪声点的恢复值由非噪声点的灰度值加权平均得到。此外，采用迭代滤波策略对高密度噪声图像噪声点进行恢复。相关去噪实验结果证实了算法去噪的有效性，不足之处是算法的时间复杂度较高。

关键词：图像去噪 椒盐噪声 非局部平均 相似权 迭代滤波 

单位：安徽理工大学计算机科学与工程学院; 安徽淮南232001