滤除高斯噪声是数字信号处理中的一项关键任务，因为高斯噪声会影响到信号质量和准确性。高斯噪声是指具有正态分布的随机噪声，其特点是在频谱上呈现白噪声的分布特性。
1、 均值滤波
均值滤波是简单且常用的滤波方法之一。它通过对每个像素周围的邻域进行求平均操作来减小噪声的影响。具体步骤是将图像中每个像素的邻域像素进行加权平均化，以获得平滑的结果。然而，均值滤波容易导致图像细节损失和模糊。
2、 中值滤波
中值滤波是一种非线性滤波方法，通常效果比均值滤波更好。中值滤波的原理是将每个像素周围的邻域像素值排序，然后选择中间值作为该像素的新值。这种方法对于高斯噪声的抑制效果很好，但会导致图像略微模糊。
3、 高斯滤波
高斯滤波是一种基于高斯函数的线性平滑滤波方法。它通过计算每个像素周围邻域内像素的加权平均值来实现噪声抑制。高斯滤波器的权重值由高斯函数生成，距离中心像素越远的像素权重越小。高斯滤波能够保留图像细节，并且抑制高斯噪声的效果较好。
4、 自适应滤波
自适应滤波根据图像的特点来调整滤波参数，从而更好地适应不同的噪声类型和强度。这种滤波方法可以根据局部像素的统计信息动态地选择滤波器的半径和权重系数。自适应滤波通常能够很好地去除高斯噪声，同时保留图像细节。