图像是自然界事物的客观视觉反映，是信息获取和传播的重要载体。随着计算机科学、信息科学、统计学等各学科的快速发展，数字图像处理技术这一交叉学科也迅速发展起来，并不断融入人们生活中的各个领域。图像中噪声往往和原始信号交织在一起，严重影响了图像的视觉效果。因此，图像滤波算法一直以来都是图像处理领域的研究热点。中值滤波作为一种简单实用的非线性滤波方法，被广泛地应用于图像椒盐噪声的去除中。提高滤波器在高密度椒盐噪声条件下的滤波能力和保护图像细节信息，是一对难以平衡的矛盾，也是图像去噪过程中的重点和难点。为此，本文主要做了以下几项工作：(1)根据椒盐噪声分布特点，深入研究了一种基于极值的噪声检测策略。该策略先根据像素值中的极值将图像上分为信号点和可能被椒盐噪声污染的点，再在局部范围内，通过与邻域平均值作比较，在可能被污染的点中区分图像细节点和噪声点，然后只针对检测为噪声的点进行滤波处理；这种方法不仅提高算法效率，还减少了噪声信号的漏检率和误检率；(2)提出了一种基于局部像素相关信息提取规则的滤波算法。该算法根据噪声点周围像素之间的相关性，并且巧妙地利用滤波窗口左、上方的像素点的可信性，提取多条判定规则去除噪声；这种算法很好的保护了图像细节、减少了误差；(3)通过引入一种改进的基于自适应变窗口的滤波方法，进一步提升了本文提出的基于局部像素相关信息提取规则的滤波算法性能。针对传统滤波算法对高椒盐噪声滤波能力不足的缺点，论文引入了一种根据噪声密度自适应选择滤波窗口大小的控制策略，并仅在窗口内信号点信息中排序求取中值，用来替代噪声信号；这种改进滤波算法不仅提高了算法滤波能力，还减少了噪声信号在滤波过程的再次传播；(4)在搭建的基于OpenCV的实验平台上进行了仿真分析。本文利用OpenCV技术的优势，对Visual Studio2008进行了配置，建立了仿真软件实验平台，实现了各对比算法及本文提出的改进算法。实验结果表明：本文提出的改进算法不仅在高椒盐噪声条件下具有良好的滤波性能，还具有较好保护图像细节和提高峰值信噪比的能力。