針對排序統(tǒng)計(jì)類降噪算法在隨機(jī)脈沖噪聲（ RVIN）圖像降噪過程中，對圖像邊緣和細(xì)節(jié)部分噪聲識別不夠準(zhǔn)確以及恢復(fù)比較模糊的問題，提出了基于加權(quán)空間離群點(diǎn)度量（ SLOM）的脈沖噪聲降噪算法WSLOM-EPR。該算法以優(yōu)化的空間距離差為基礎(chǔ)，引入圖像鄰域均值和標(biāo)準(zhǔn)差，建立反映局部邊緣細(xì)節(jié)特征的噪聲檢測方法，提高邊緣細(xì)節(jié)處噪聲的識別精度；然后以精確檢測結(jié)果為基礎(chǔ)，優(yōu)化保邊正則（EPR）函數(shù)，提高算法的執(zhí)行效率，并增強(qiáng)算法保留邊緣細(xì)節(jié)的能力。仿真結(jié)果顯示，WSLOM-EPR算法在40%到60%噪聲密度下對噪聲點(diǎn)的誤檢和漏檢綜合表現(xiàn)優(yōu)于對比算法，且能在兩者之間保持一個(gè)較好的平衡；降噪后的峰值信噪比（ PSNR）好于對比算法中的大多數(shù)情況，且邊緣細(xì)節(jié)在視覺上更加清晰連續(xù)。結(jié)果表明WSLOM-EPR算法提高了噪聲檢測精度，有效地保持了恢復(fù)圖像的邊緣細(xì)節(jié)信息。
?