基于加权空间离群点度量的随机脉冲噪声降噪算法

　　针对排序统计类降噪算法在随机脉冲噪声（ RVIN）图像降噪过程中，对图像边缘和细节部分噪声识别不够准确以及恢复比较模糊的问题，提出了基于加权空间离群点度量（ SLOM）的脉冲噪声降噪算法WSLOM-EPR。该算法以优化的空间距离差为基础，引入图像邻域均值和标准差，建立反映局部边缘细节特征的噪声检测方法，提高边缘细节处噪声的识别精度；然后以精确检测结果为基础，优化保边正则（EPR）函数，提高算法的执行效率，并增强算法保留边缘细节的能力。仿真结果显示，WSLOM-EPR算法在40%到60%噪声密度下对噪声点的误检和漏检综合表现优于对比算法，且能在两者之间保持一个较好的平衡；降噪后的峰值信噪比（ PSNR）好于对比算法中的大多数情况，且边缘细节在视觉上更加清晰连续。结果表明WSLOM-EPR算法提高了噪声检测精度，有效地保持了恢复图像的边缘细节信息。