在图像预处理中，图像滤波起着至关重要的作用，滤波的好坏将直接影响到后续图像分割、特征提取、模式识别等工作的效果。而对图像滤波的要求则是在滤除噪声的同时尽可能多地保留图像中的细节，以达到最佳的视觉效果。然而，去噪和细节的保留则是一对客观存在的矛盾体，因此图像滤波仍然是图像处理领域的研究热点。论文在分析了线性和非线性滤波算法以及线性非线性混合滤波算法的特点和不足后，提出了基于三角模融合准则的图像混合滤波算法。为了更好地克服传统线性和非线性滤波器对不同类型的图像均采用单一的处理方式的弊病，本算法从另一个角度，运用统计检测理论，对像素点逐个进行边界判决，根据实际情况，合理的使用相应的滤波器。同时论文在深刻理解信息融合技术的基础上，将模糊数学中的三角模算子应用于边界点判决的决策层，将两种判决准则(最小总错误概率准则和聂曼-皮尔逊准则)进行融合，克服了单准则判决误报风险大、可靠性和容错性差的弊端，改善了滤波效果。而逐点判决，遍历整个图像，使算法的复杂度增加。为此，算法还提出了改进方案，提高计算速度，降低计算量，具有较好的实时性。改进后的滤波算法经验证可有效地抑制噪声，保持图像的边缘，更好地反映图像的几何结构和细节特征。论文最后对三角模混合滤波器算法提出了进一步完善、改进的意见。基于三角模的混合滤波算法对不同判别准则进行决策层融合，从而得出最佳决策，有效地降低了算法误判、错判的概率，为图像滤波技术的发展提供了一个新的探索途径。