定义
是一种基于局部统计的去噪方法，原始像素的先验均值与方差可近似用局部均值和方差进行估计，其滤波公式为[1]：
上式
表示图像去噪后的图像值，即不含噪声图像的估计值。
表示去噪窗口内的像素的均值，
代表权重，其公式如下:
上式中
与
分别表示噪声斑块
与图像
的标准差系数，表达式如下：
式中
和分别表示噪声斑块的标准差和均值，
表示图像的标准差。
核心思想
上面的定义式，可以理解为：每个像素点都会被周围点的均值加上与周围点标准差有关的系数所代替。所加上的系数大小取决于两个方面：（1）基线水平，即当前点亮度和周围均值的差异
，越大则基线水平越高；（2）噪声水平，即周围点的标准差，标准差越大则 越小，因此差异的可信度越低。
简而言之，噪声严重的地方，无论像素点之间的差异有多大，在Lee滤波后都倾向于输出均值，而在噪声十分轻微的地方，则会保留下来像素点之间的差异，因此是一种基于局部统计特性的空域滤波方法。
提出背景
该方法最早提出于1980年，是Jong-Sen Lee[2]提出的一种滤波方法，而后被广泛用于合成孔径雷达成像（Synthetic Aperture Radar, SAR）的相干斑噪声去除。由于合成孔径雷达系统为相干成像方式，因此导致图像中不可避地存在大量的相干斑噪声。相干斑噪声严重影响了图像的信噪比，对图像的后期参数反演、解译带来了困难。为了对 SAR 图像进行有效的信息提取，SAR图像分割前通常进行相干斑噪声滤波工作，以抑制相干斑噪声，同时尽量减少边缘信息损失。
去噪效果
其中均值保持指数PM是滤波前图像与滤波后图像的均值之比，体现的是在滤波过程中丢失的细节信息量，理想值为1，且越低越好。等效视数ENL是一种用来衡量滤波器的斑点抑制能力，ENL越大，则斑点抑制能力越强[3]。
由此可以看出，Lee滤波在细节保持上更倾向于去掉差异较大的值，因此和中值滤波相比会丢失一定的细节，但换来更好的斑点抑制能力。
参考文献
[1] 付睢宁, 路泽忠, 王舜瑶. 一种改进的Lee滤波SAR图像去噪算法%An Improved Lee Filter SAR Image Denoising Algorithm[J]. 计算机与数字工程, 2019, 047(008):2018-2021.
[2] Lee, Jong-Sen. "Digital image enhancement and noise filtering by use of local statistics." IEEE transactions on pattern analysis and machine intelligence 2 (1980): 165-168.
[3] 李莹, 郑永果. 一种改进的增强Lee滤波算法[J]. 计算机应用与软件, 2012(07):249-251.
