由于数字图像在生成与传输过程中容易受到脉冲噪声的污染，为了改进图像质量，需要对图像进行去噪处理．迄今为止，各种针对于脉冲噪声的图像恢复方法纷纷涌现．在本文中，我们对其中的部分典型方法进行了分析与总结，并在此基础上提出了几种更有效的新的去噪方法． 受脉冲噪声污染图像的最大特点就是其只有部分像素受到破坏，而其它像素灰度值并未发生改变，并且受污染像素的灰度与原灰度值无关．根据噪声像素灰度的取值范围，脉冲噪声主要分为椒盐噪声与随机值脉冲噪声两种． 对于椒盐噪声，本文重点对去噪能力极强的两阶段方法做了详细阐述和分析，并在此基础上给出了一个更为简单高效的两阶段方法．新的两阶段方法先利用自适应中值滤波检测图像中的噪声像素，随后使用GBB方法求解一个极小化问题来恢复噪声像素的灰度值．通过GBB方法的应用，以及保边势函数φ(t)=t<α>中参数α选取方法的改进，新的两阶段方法在保持了原方法极强的去噪能力的同时，大大节省了计算时间，而且不需对参数预先进行选择． 对于随机值脉冲噪声，本文给出了两种新的去噪方法：非线性滤波与结合了保边正则化的两阶段方法． 非线性滤波方法往往算法简单，易于实现，且在图像受噪声污染不严重的情况下恢复效果较好．鉴于这些优点，本文提出了一种新的方向加权中值滤波．这一方法根据各像素与其沿指定方向邻域像素的差值来判断其是否为噪声，随后使用加权中值滤波方法恢复检测到的噪声像素．此方法不仅在噪声恢复方面相比其他非线性滤波有很大改进，而且它可以更好的保护图像细节，甚至于细线．另外，文中还将方向加权中值滤波推广到彩色图像的恢复问题，并且也得到了很好的结果． 虽然非线性滤波检测脉冲噪声较为准确，但其恢复噪声的方法单一，所以在图像受脉冲噪声污染特别严重的情况下，这类方法通常难以得到非常令人满意的结果．相比之下，结合了保边正则化的两阶段方法对于恢复受脉冲噪声污染严重的图像更为有效．与去除椒盐噪声的两阶段方法类似，用于去除随机值脉冲噪声的两阶段方法也是先检测出可能为噪声的像素后使用保边正则化方法对这些像素进行恢复．其去噪结果的好坏很大程度上依赖于噪声检测的准确性．从而，本文提出了一个能力更强的图像统计量用于检测随机值脉冲噪声．将它与保边正则化方法相结合后便得到了新的两阶段方法．此方法具有更强的噪声恢复能力．即使在噪声比高达60％的情况下，这个方法也可以得到很好的图像恢复结果和噪声检测结果． 此外，本文还给出了大量的实验结果．通过比较受脉冲噪声污染图像的恢复以及噪声检测结果，充分揭示了各个方法去除和检测脉冲噪声的能力．