在数字图像处理领域，图像噪声的滤除一直是最重要、最基本的研究课题之一。由高斯噪声和脉冲噪声叠加而成的混合噪声是数字图像中存在的一种典型噪声。而传统方法对于这种类型噪声的处理效果往往是不尽如人意的，主要表现在滤除图像噪声的同时会对图像细节产生丢失。　　 本文主要研究脉冲噪声和高斯噪声混合情形下的图像去噪问题。α-平衡均值的滤波器能较好的兼顾均值滤波器和中值滤波器的特点，对被混合噪声污染的图像有着较好处理效果。本文选用基于α-平衡均值的滤波方法来进行图像去噪，并针对现有此类型相关滤波方法复杂度高的问题，提出了一种基于像素统计分布的自适应α-平衡均值算法，可以在保持原有的滤波性能的基础上降低运算复杂度。另外，本文还研究了脉冲耦合神经网络(PCNN)，将它用于对图像中噪声的定位。针对原有阈值函数的不足，将原来的指数衰减函数改进为更为简单的线性衰减函数，并在此基础上推导阈值初始值的选取。综合上述两个部分，本文提出了一种基于脉冲耦合神经网络和自适应α-平衡均值滤波的组合算法。在Matlab平台下的多组仿真实验结果表明，该算法具有较低的运算复杂度，对图像中的混合噪声有着较好的抑制能力，且能够比较有效地保护细节信息。