图像是人类获取信息的重要方法,一副简单的图像可以包含丰富的信息。大量繁琐的文字信息用几幅简单的图片就可以描述,因此清晰的图像质量是保证信息获取的重要因素。随着科技的发展以及生活节奏的加快,模拟图像淡出了人们的视野,数字图像逐渐占据了主导。而其在生成、传播等过程中会受到各种噪声的污染,其中对图像质量损害最大的是椒盐噪声,因此这类噪声点的去除成为了图像去噪的重点。现有的去噪方法主要分为线性和非线性两类,相关研究成果表明非线性滤波器在椒盐噪声的去除上有更好的表现。本文主要研究椒盐噪声的去除问题,提出了两个效果较好的去噪方法,分别是基于决策判别的椒盐噪声分步迭代去除算法和基于中值滤波的两级滤波渗透椒盐噪声去除算法。在基于决策判别的椒盐噪声分步迭代去除算法中,本文首先采用决策判断法将图像中的噪声点检测出来,然后根据噪声的分布将噪声点分为普通噪声点和全噪声点,其中全噪声点是指滤波窗口中所有像素均为噪声时的窗口中心点。对于普通噪声点引入了非均匀截取中值滤波方法进行处理。对于全噪声点,为了充分利用其周围像素信息,本文提出了一种先标记、后处理的思路,并根据全噪声的具体位置,使用了不同的处理方式。最后,论文提出了噪声死角的概念并且通过引入迭代来解决该问题。仿真结果表明,该算法在噪声滤除上表现出较好的性能。当噪声密度较高时,依然有较好的去噪效果。在对全噪声点的特性进行更深入的研究后,本文进一步提出了基于中值滤波的两级滤波渗透椒盐噪声去除算法。该算法深入研究了全噪声点的分布,首先引入了两级滤波思路,在处理全噪声点时,通过第二级滤波将其周围的信号点筛选出来,降低了引入噪声风险的同时避免了对全噪声点进行分类处理,提高了算法效率。该方法对全噪声点进行渗透处理,使其周围的其他全噪声点都是已处理过的,从而达到增大可用像素点个数的效果。仿真结果表明,该算法不仅解决了分步迭代法效率较低的问题,而且相比较各类现有算法,取得了更好的去噪效果,尤其是在高密度噪声情况下效果更为明显。