本文关注图像处理中的一个难题：图像去噪。在图像传输的过程中,由于外部或内部的各种原因,使得图像产生噪声。图像去噪算法可以有效地降低噪声对原始图像的干扰程度,增强视觉效果,提高图像质量,使图像更逼真。作为图像处理中的一个难题,图像去噪仍存在继续研究的重要意义。本文首先介绍了图像去噪的发展和研究现状,分析了现有图像去噪算法的优缺点。并在此基础上,找到图像去噪的根本难点：即去除含有高密度噪声的图像噪声问题以及去噪过程中非噪声点误判为噪声点的问题。针对上述问题,本文主要针对椒盐噪声,研究图像去噪。主要贡献与创新有两点,如下：1.针对多重中值滤波算法,通过与能量最小化相结合,提出新的改进的多重中值滤波算法,这个算法构造了两个不同能量函数模型,即El模型和E2模型。两个模型均从图像像素点局部邻域出发,通过比较局部邻域能量值判断是否利用多重中值替换原像素灰度值。这个新的去噪算法不仅改变了原多重中值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与原多重中值滤波算法进行实验对比,取得较好的去噪效果。这个方法的其他应用是弥补全局能量最小对含有噪声的二值图像无法去除噪声的问题以及图像分割等领域。2.提出可滑动滤波窗口的噪声点检测算法,并且基于此算法提出改进的中值滤波算法,即基于滑动滤波窗口的标准中值滤波算法SSM、基于滑动滤波窗口的加权中值滤波SCWM与基于滑动滤波窗口的三态中值滤波STSM。改进的中值滤波算法利用变化的滤波窗口,更有效地减少非噪声点误判为噪声点的情况,改变了固定滤波窗口的单一性,更有效地减少非噪声点的改变,保护图像细节,并且针对高密度噪声图像进行去除噪声实验取得良好的实验效果。