图像在采集、传输和接收过程中,因为外界环境、传感器元件质量等因素干扰,经常会引入不同类型的噪声导致图像质量的下降,脉冲噪声便是其中之一。若不能有效地去除图像中的脉冲噪声,则会影响之后的图像分析、处理等操作。本篇论文分析了常见的五种脉冲噪声模型,根据这些模型中噪声像素灰度值的大小和分布特点,在中值滤波算法基础上,设计出了相应的新算法,主要工作包括：(1)针对8位图像中,固定值脉冲噪声像素的灰度值为0或者255,选择滤波窗口边界的信号像素均值来代替噪声像素或者采用疑似噪声像素周围的信号像素进行第一步滤波后,利用滤波结果对噪声像素的灰度值进行更新；对于第二步滤波,仍然使用疑似噪声像素周围的信号像素均值对其进行替代操作,实验结果证明两种方法不仅去除噪声效果良好,而且运算时间要远小于当前一些常用的算法。(2)针对低灰度值、高灰度值区域分布长度都相同的随机值脉冲噪声模型,由当前滤波窗口中心像素的灰度值及窗口内灰度值属于噪声区域的像素个数,初步判断当前像素的属性；对于疑似噪声像素,再根据其与周围“米”字形区域内的极值的大小关系,判断当前像素是否为噪声像素。实验结果表明,即使图像中含有大量平坦区域时,使用该算法去除脉冲噪声的效果依然良好。(3)针对复杂度最高的脉冲噪声模型,即低灰度值区域和高灰度值区域分布长度和密度都不相同,利用灰度直方图构造灰度直方图差分矩阵和每个灰度值的像素平均个数,进而求出判断像素属性的两个边界b1和b2；其次,优先滤波周围信号点个数较多的噪声像素,通过不断更新噪声像素灰度值和属性来构造信号像素集合,从而去除后续待处理噪声像素,通过与现今常见的算法相比,本文算法的误检率和漏检低率都比较低,运算速度更快,去除噪声的效果也更好。