在数字图像处理领域，为了获取高质量的数字图像，图像的滤波去噪一直是最重要、最基本的研究课题之一。抽像的讲，图像去噪可以看作对降质图像矩阵寻求逆变换的过程。而从处理方式上讲，可以看作基于邻域或点的处理过程。由高斯噪声、脉冲噪声以及二者的叠加而成的混合噪声是数字图像中存在的典型噪声模型。虽然已经有很多传统的去噪方法，但其不足之处有很多，主要表现在滤除图像噪声的同时对图像细节的丢失，两者很难兼顾。论文首先介绍了图像去噪的目的、意义、国内外研究现状。在第2章中，总结和概括了数字图像噪声有关理论基础，重点对噪声特性及噪声图像的评价标准进行了阐述。第3章主要讨论了均值滤波器和中值滤波器等。在此基础上，本文设计了一种均值中值混合滤波器。它采用快速中值滤波和均值滤波进行分阶段滤波，既有效的去除了噪声同时较好的保护了细节边缘。第4章，在系统的总结了灰色关联分析和GM(1，1)模型的基础上，本文提出了基于灰色关联度和基于灰色GM(1，1)模型的图像去噪方法。文中通过大量实验数据的对比分析，实验图像效果的比较，验证了该方法能有效抑制噪声，同时对图像的细节边缘保护性也比较好，具有良好的适应性。第5章，在遗传算法的基础上，应用灰色遗传算法探讨了图像去噪方面的应用。最后，对本文中的方法做了总结并指出了进一步的研究方向。