摘要：狭叶锦鸡儿叶切片显微图像在获取过程中不可避免的受到噪声污染,会对后续处理造成不良影响。针对现有噪声类型未知,去噪算法存在速度慢、效果不理想等问题,该文提出图像噪声类型估计-强度估计-去噪这一处理过程,实现对狭叶锦鸡儿叶切片显微图像降噪目的。首先采用平滑区直方图重构和拟合法确定噪声类型;然后在此基础上,应用基于图像块的SVD（singular valuable decomposition,SVD）域图像噪声强度估计法对噪声标准差进行估计;最后在确定噪声类型和强度基础上,采用几何均值滤波（geometric mean filtering,GMF）和三维块匹配滤波（block-matching and 3-D filtering,BM3D）对图像进行联合去噪。试验结果表明：该文噪声类型估计法估计出切片图像噪声类型为加性高斯噪声,高斯函数对随机选取的15幅狭叶锦鸡儿叶切片图像平滑区域直方图数据点拟合优度2R均值为0.996,平均均方根误差RMSE（root mean squared error,RMSE）为0.144 6;采用该文噪声强度估计法估计出的切片图像噪声标准差？？？[2.5,4.0],处理标准差较小噪声,该文算法处理精度、运行速度和稳定性等方面存在明显优势;GMF-BM3D算法在较好去除图像噪声同时,极大的保留了图像纹理、边缘和细节等信息,同时极大的提高了算法运行速度,处理后的图像BRISQUE（blind/referenceless image spatial quality evaluator,BRISQUE）值为10左右,相当于原图BRISQUE值的1/2左右。与传统BM3D算法相比,去噪效果相当,但耗时约相当于传统BM3D算法的1/9。与小波去噪算法（wavelet threshold,WT）算法相比,虽速度相对较慢,但去噪后图像BRISQUE值比使用WT法低4左右。因此,该算法较好实现了对狭叶锦鸡儿叶切片图像准确降噪,为其后续处理提供了可靠技术支持。

关键词：图像处理 高斯噪声 评估 切片图像 狭叶锦鸡儿 

单位：内蒙古农业大学机电工程学院; 呼和浩特010018