图像信号在产生、传输和记录过程中，经常会受到各种噪声的干扰，由于其严重地影响了图像的视觉效果，因此，在进行边缘检测、图像分割、特征提取、模式识别等工作之前，采用适当的方法减少噪声(即：进行图像噪声的滤波)，是一项非常重要的预处理步骤。对图像滤波的要求是，既能滤除图像中的噪声又能保持图像的细节。由于噪声和图像细节的混叠，所以在图像滤波中，图像的去噪与细节的保留往往是一对矛盾。图像滤波是图像处理中非常重要的技术环节，至今仍是图像处理领域的研究热点。 论文首先根据常见图像噪声的分类研究了高斯噪声滤波方法，脉冲噪声滤波方法和五种典型的混合噪声滤波算法，包括改进型均值滤波器(MTM)，中心加权的改进型均值滤波器(CWMTM)，分类均值加权中值滤波器(CAWM)，模糊加权均值滤波器(FWA)以及自适应中值加权均值滤波器(AMAWM)，并通过仿真实验比较了这五种混合滤波器的性能。实验结果表明其均能较好地滤除混合噪声，自适应中值加权均值滤波器(AMAWM)的滤波性能相对较优。 论文在深刻理解信息融合技术的基础上，通过理论分析，针对传统混合滤波器边界点判断采用单一准则的缺陷，提出了一种新型的基于合成熵的算法并将其运用于一种线性和非线性混合滤波器，从而得出基于合成熵的混合滤波器算法。相关的仿真实验较好地检验了该算法的有效性。仿真实验主要分为两部分：一是将基于合成熵的混合滤波器与单准则的混合滤波器(基于最小总错误概率准则的混合滤波器和基于聂曼—皮尔逊准则的混合滤波器)进行了比较；二是将基于合成熵的混合滤波器与滤波性能相对较优的自适应中值加权均值混合滤波器(AMAWM)进行了比较。仿真结果表明，基于合成熵的混合滤波器的性能在主客观图像质量评价标准下均优于以上三种混合滤波器。