通常情況下，受脈沖噪聲污染的圖像采用中值濾波法復原，受高斯噪聲污染的圖像
采用均值濾波法復原。為了去除兩者的混合噪聲，Lee 和Kassam 提出了一種改進的均值濾波算法Modified Trimmed Mean(MTM)，但是MTM 的使用受到了閾值的限制。為了在濾除退化圖像中混合噪聲的同時能更好地保護圖像細節，我們詳細分析了MTM 濾波的特點,在對MTM進行改進的同時，提出了一種改進的自適應中值濾波算法(統計濾波)。該算法無需噪聲的先驗知識，利用Visual C++自動搜索閾值來實現圖像的最佳復原。利用兩種客觀標準進行評價,實踐證明新方法的處理結果優于傳統的MTM 方法。
關鍵詞：改進均值濾波(MTM) 統計濾波 脈沖 高斯噪聲
隨著信息技術的不斷發展，人類對各種信道的應用越來越頻繁，由于各種干擾，信道的
質量也有所降低，在信道中主要的干擾是各種噪聲，圖像去噪算法可分為線性與非線性方法。
線性方法提出較早，且有較完備的理論基礎。在對付零均值的高斯噪聲時，均值濾波是非常有效的方法。但線性方法在濾除噪聲的同時也破壞圖像中的快變信號，如邊緣及細節等，從而使圖像變得模糊。同時線性方法無法濾除沖激噪聲。 1974 年Tukey 首先將非線性的濾波算法中值濾波應用于圖像處理，由于這種方法在保護圖像細節的同時能有效地濾除脈沖噪聲，因此在圖像處理領域得到廣泛的應用。
由于中值濾波算法與均值濾波算法在濾除沖激噪聲與高斯噪聲方面各有所長因此Lee
和Kassam 將這兩種方法結合起來，提出了一種改進的均值濾波算法(MTM)，希望能同時濾除高斯噪聲和沖激噪聲。但MTM 算法的濾波效果并不理想。本文詳細分析了MTM 算法的結構特點，并在此基礎上提出一種新的基于MTM 結構的濾波算法。