图像在采集或者传输过程中,往往会引入不同程度的噪声,这就为后面的边缘检测或者图像分割、形状识别等带来很大的难度,图像去噪便成为图像处理中非常重要的一环。近年来,图像的恢复和去噪引起了广泛地研究兴趣,本文针对脉冲噪声的去除,提出并验证了用于估计脉冲噪声密度的模糊指标,并在此基础上提出了两种脉冲噪声去除算法,通过实验验证了算法优势。 文章首先介绍了数字图像的概念、图像的噪声模型以及经典的噪声滤波算法和评价方法,然后介绍了文章研究的理论背景,包括模糊数学的基础理论和曲线拟合的有关知识两部分。第三、四两章是作者的主要研究成果,也是本文的重点。第三章首先综述了近年来常见的脉冲噪声去除算法;然后基于模糊数学的理论知识以及脉冲噪声的特点,提出了用以判断脉冲噪声强度(即密度)的模糊指标,通过实验统计和曲线拟合获得噪声强度与模糊指标的关系,并验证了其性能;最后引入Prewitt梯度算子,获得梯度阈值限制,改进了中值滤波算法,更好的保持了图像的细节信息,因为有模糊指标判断噪声强度,使得滤波处理的自适应性更好。第四章针对脉冲噪声密度大于50%的噪声图像,首先介绍了一种很好的去噪算法—MMEM算法,然后提出基于序列图像的脉冲噪声去除新算法,利用脉冲噪声的正负脉冲特性,提出点对点的检测算法,充分利用每幅图像的有用信息来恢复受污染的图像,取得了良好的恢复效果。最后第五章总结全文,并对文章中一些问题提出了新的想法和见解。