图像是人类获取和交换信息的主要来源。据统计,在人类所接受的信息中80%以上是由图像传递的。由此可见,图像在人们日常生活和工作中具有重要的作用。然而,图像在获取、传输和记录的过程中由于不良传感器和传输通道干扰等因素,使图像中出现各种类型的噪声,导致所获取的图像清晰度低、质量差。这严重影响了图像的视觉效果,甚至妨碍人们从噪声图像中获取有效信息。因此,如何能从大量噪声中有效恢复出清晰图像,一直是图像处理领域中的经典问题,而且这对图像质量的提升具有重要的实际意义和应用价值。脉冲噪声是一种常见的噪声类型。由于脉冲噪声的不确定性,脉冲噪声图像一般具有随机性和模糊性两个重要特性。其中,随机性主要体现在两个方面,即图像中像素点是被噪声随机污染的且噪声像素点是被随机设置为最大值或最小值的。而模糊性主要体现在不能确定极值像素点是否为噪声点。本文针对现有去噪方法的缺点和不足,提出了一种新的抑制脉冲噪声框架,并取得较好的去噪效果。本文工作主要包括以下几个方面:(1)详细分析了现有几种基于脉冲噪声检测的去噪方法,并总结了这些方法中存在的缺点和不足。即首先,所有像素点均被看作为独立的个体,且每个像素点的估计过程都是独立于其他像素点的估计过程,而不是将邻域像素点进行联合估计求解,忽略了像素点之间的相关性;其次,在去除图像脉冲噪声过程中,只利用了图像的统计信息,而将图像的结构信息完全忽视。(2)详细介绍了自回归模型在图像处理中的应用,重点是将自回归模型引入到图像脉冲噪声去除过程中,从而将图像去噪问题转换为插值过程。实验结果验证了自回归模型应用在图像脉冲噪声抑制中的可行性。(3)将多尺度估计方法与自回归模型思想同时引入到图像脉冲噪声抑制中,从而引出一种基于多尺度回插的脉冲噪声处理新方法。去噪思路为:首先利用直方图方法对待处理的噪声图像进行噪声点检测,将噪声图像中噪声像素点均设为丢失的像素点;然后通过选择开关中值滤波器对这些丢失像素点进行预滤波操作;最后对预滤波后的图像连续降采样,得到多幅低分辨率子图像。结合每一幅子图像上的统计特性和结构特征,利用改进的自回归模型对每一幅子图像进行多尺度回插,得到多幅全分辨率图像,并对多幅全分辨率图像进行移相求和,以恢复出有效抑制脉冲噪声的清晰图像。在本文算法中,图像中的所有清晰像素点均作为已知条件约束整个噪声抑制过程。实验仿真验证了本文算法不论在主观视觉还是客观评价上均优于现有算法,可用于去除高密度脉冲噪声,恢复清晰图像,并保留图像细节和结构信息。