本文主要研究内容是数字图像中基于神经网络的CCD噪声与脉冲噪声的滤波研究。研究涉及CCD噪声和脉冲噪声分析、数字图像处理、神经网络理论以及噪声滤波器设计。论文以基于神经网络的非线性滤波器算法的设计与实现为宗旨，在理论与实践两个方面研究和探讨了滤波器实现过程中所涉及的关键算法。本论文的主要工作及成果如下：　　 1)从CCD器件及相机成像过程入手，对CCD器件本身特性引起的噪声、CCD相机成像过程中各种噪声源产生的噪声及其特点进行深入分析，并通过对CCD相机内部成像特性引起的成像误差进行研究，找出CCD噪声滤波复杂及效果不佳的原因，建立了CCD噪声模型，为本文CCD噪声滤波器的研究打下理论基础。　　 2)对当前常用的噪声滤波器(线性滤波器和非线性滤波器)进行分析，结合CCD噪声的特点，找出相关滤波器在对CCD噪声滤波方面的不足，提出一种新的结合神经网络的非线性滤波思路，并从理论方面证明其合理性和优越性。该方法在对ANS滤波器推导及分析的基础上，针对影响滤波效果的两大因素：滤波窗口和图像强度，将神经网络非线性逼近CCD噪声曲线，按照噪声参数对图像进行区域划分并分配相应的权值，同时自适应调整滤波窗口大小，然后结合相应的滤波器进行针对性滤波，最后综合输出。　　 3)作为上述滤波算法中的重要组成部分，对神经网络进行了单独讨论和分析。重点分析了其中应用最为广泛的BP算法的不足，对两种改进算法(小波算法与代数算法)进行系统的分析，并把它们分别构造基于上述滤波思路的非线性滤波器，通过对人工模拟噪声图像以及真实CCD相机含噪图像进行滤波实验，结果表明：该滤波算法在有效去除CCD噪声的同时图像边缘细节也得到了很好的保留，并提高了信噪比。同时根据实验结果，进一步对两种神经网络算法进行对比分析，找出两者的优缺点及需要改进之处，以便于两种算法的完善以及在非线性领域更好的应用。　　 4)提出一种结合小波神经网络的脉冲噪声滤波算法。该算法首先采用小波神经网络对图像像素进行噪声识别，将噪声像素与无噪像素区分开，然后根据精细划分公式计算，按照计算结果为噪声像素分配相应的比例系数，最后与中值滤波相结合输出。该方法确保在有效保护无噪像素的基础上，最大限度的去除噪声像素。实验结果表明，无论是PSNR、SNR对比，还是视觉效果和细节保留方面，该算法较以往常见滤波算法都得到了很大提高。　　 5)进一步对结合小波神经网络的脉冲噪声滤波算法进行分析，然后对其两种简化拆分算法进行了分析、对比和实验，找出三者的优缺点和最佳应用场合。对比实验证明：这三种算法各具特点，综合滤波算法去噪效果最佳，阈值判据法滤波速度最快，神经网络判定法介于两者之间，通过对三种算法的灵活运用来满足不同场合的需要，从而最大限度发挥各自的滤波特点，提高应用效率。