彩色图像滤噪要求在去除噪声的同时，尽可能保留图像的细节和纹理。为了检验上述方法的有效性，进行了大量的实验。使用不同图像分别加入不同密度的噪声对上述方法进行了测试，上述方法对脉冲噪声和高斯噪声都有很好的滤噪效果。双边滤波滤噪结果与上述算法滤噪结果的比较见表4.10和图4.29。

表4.10 双边滤波滤噪结果与本章CNN算法滤噪结果的PSNR值比较（单位：db）

图4.29 双边滤波滤噪结果与本章CNN算法滤噪结果的比较

实验表明，在噪声密度较低的情况下，上述方法在去除噪声的同时，图像的清晰度未见明显损失。在噪声密度较高的情况下，上述方法在去除噪声的同时图像的清晰度有一定损失。原因是彩色图像在三个通道独立加噪的情况下，任意一个通道被污染就会造成整个像素的污染。30%的噪声往往带来65%以上的像素被污染。(www.daowen.com)

为了检验上文彩色图像滤噪方法的滤噪效果，用该方法与其他基于双边滤波的滤噪方法进行对比实验。实验结果如图4.30所示。为了验证该算法在实际应用中的效果，图4.31所示人脸图像为视线追踪系统中用于面部位姿估计和平面视线参数检测的图像。视线追踪需融合人脸特征提取、眼部特征识别等多种生物特征识别技术，关键技术包括瞳孔分割及中心定位、瞳孔跟踪、人脸多特征检测及跟踪等。在图像采集和传输过程中由于头部活动和量化处理造成成像模糊与噪声。在实时视线追踪系统中对人脸图像进行预处理，滤噪结果如图4.31所示。

图4.30 其他双边滤波方法滤噪结果与本文算法滤噪结果的比较

图4.31 人脸图像滤噪结果