在信息时代数字图像处理已经成为人们获取复杂信息的重要手段,在一定程度上拓展了人类的视觉。在众多领域得到了广泛应用,取得了巨大的社会效益和经济效益,因此,图像处理技术的相关研究和应用无论从理论上还是从实践上都具有重要意义。在数字图像处理中,图像去噪是在获取图像后的瓶颈环节,其处理的效果将直接影响到后续环节的性能。因此,研究有效的图像去噪算法,改善去噪性能,对提高整个图像处理系统的性能至关重要。本文深入分析了开关中值去噪算法、模糊加权均值去噪算法和基于熵的去噪算法等主流算法的主要特点,针对其存在的缺陷开展研究工作,提出了四种新的去噪算法,从理论和实验两方面论证了算法的有效性。主要研究工作内容如下：(1)通过大量文献的分析,综述了国内外的相关研究,分析了各种算法的特点和存在的问题,介绍了所需的相关理论基础。(2)在开关中值去噪算法的理论框架基础上,提出了基于相关性双阈值开关中值去噪算法,并针对该算法的参数调整问题,提出了一种参数自调整策略,实现了算法参数的自动优化调整,有效地抑制了椒盐噪声。(3)针对模糊加权均值去噪算法权值估计较为复杂的问题,提出了一种基于像素差的单值模糊推理(PDSVF)模型,该模型能够将权值估计过程简化为一种加权平均形式,极大地简化了权值估计过程,为模糊加权均值去噪算法的权值估计提供了一种有效手段。在该模型基础上提出了两种去噪算法：一种是针对混合噪声的模糊加权均值去噪算法,该算法采用灰度差的校正值作为模型的输入,在不增加推理复杂度的情况下,保证了算法对混合噪声的抑制性能；另一种是基于噪声检测的模糊加权均值去噪算法,该算法使用了噪声检测环节和像素裁减环节,实现了对输入量有效筛选,提高了权值估计的精度,对椒盐噪声和混合噪声都具有很好的抑制效果。(4)在分析图像特征的基础上,定义了一种图像特征空间的构造方式,将Parzen窗密度估计方法应用于该空间,提出了基于图像特征空间的Parzen窗密度估计方法,并针对该密度估计方法中窗函数的选择问题,提出了一种有效的选择策略,为窗函数的选择提供了依据。在以上研究基础上,将信息熵与图像去噪技术相结合,提出了基于Parzen窗估计和熵下降准则的无监督图像去噪算法,从理论上证明了该去噪算法的本质特征是一种迭代的自适应加权均值去噪算法,并论证了该算法与自适应平滑和bilateral滤波算法的内在联系。(5)对论文各章进行了总结和展望,总结了论文取得的创新性成果,并分析了今后的研究方向。