因此，如果我正确理解您的描述，您的数据将如下所示：

在这种情况下，您可以尝试使用稳健的高斯平滑。这涉及一个额外的权重项来丢弃“异常值”。有许多可能的方法来定义异常值，使用与局部均值（在内核上）的偏差大于$\pm 3 \sigma$是一种常见的方式。不幸的是，我似乎找不到任何体面的论文或文章更详细地描述该方法。

在您的情况下，尚不清楚高斯内核是否会对您有所帮助。

由于您的噪声形状更接近椒盐噪声而不是加性白噪声，您可能想尝试其他算法（以某种方式与$L_1$最佳拟合而不是最小二乘解决方案）：

• 您可以尝试中值滤波，因为它在设计上对这种噪声形状更稳健，
• 你也可以尽量减少一些电视-$L_1$在您的图像上运行，请参阅Chambolle-Pock 的论文（A first-order primal-dual algorithm for convex questions with applications to imaging）关于原始对偶最小化的具体示例，
• 您也可以使用双边过滤器。您将不得不使用像素相似度函数的指数衰减（$\sigma_d$在维基百科页面中）以获得所需的行为。