图像在采集、传输和存储过程中,往往受到各类噪声的污染。当图像被椒盐噪声污染时,损坏的像素取最大值和最小值,表现为图像上随机分布的白点和黑点。椒盐噪声不仅严重降低了图像视觉质量,而且会引起边缘提取、分割等后续处理的失败。边缘细节是图像内容的重要组成部分,也是图像分割与特征提取的重要依据。如何在去噪过程中更好地恢复边缘等细节无疑是椒盐噪声滤波的一项重要任务。在去除椒盐噪声的同时,图像的边缘细节难以得到良好恢复。尤其在高密度椒盐噪声的情况下,恢复的边缘通常存在锯齿、模糊、凹凸、毛刺等现象。近年来的大部分研究工作都是围绕噪声点灰度值重建方法展开,构造了多种类型的滤波器。本文在研究现有典型的、改进的椒盐噪声滤波算法基础上,以更好地恢复边缘细节为目标,提出了有效的解决方案。（1）提出一种基于信号点数量的滤波窗口尺寸自适应调整方法。较大的窗口尺寸可以使足够多的信号点参与滤波计算,但窗口尺寸过大,会导致远距离的信号点参与滤波计算,从而降低灰度重建精度。本文在充分的实验测试基础上,确定了滤波窗口中的信号点最少数量的取值方法,有效提升了滤波器的细节保持能力。（2）提出一种基于边缘方向偏差角与距离的信号点灰度加权均值计算方法。首先采用本文第四章第四节中改进的自适应加权均值滤波算法去除图像中的椒盐噪声,然后基于初步去噪图像使用扩展的Prewitt滤波模板计算图像边缘方向。最后基于信号点的边缘方向偏差角以及到窗口中心距离,为窗口中的信号点构造权值,用于均值滤波计算。该算法使重建的噪声点灰度值更多的依赖于灰度变化率最小方向上的邻近信号点,显著提高了噪声点灰度重建精度。（3）提出一种衡量图像边缘保持效果的客观评价方法-边缘相似度。图像质量客观评估的目的是研究两幅图像之间的感知保真度。通过将图像的边缘方向和幅值相结合来综合评价边缘相似程度。运用Matlab进行仿真实验,从主观和客观两方面对算法性能进行评价。结果表明,本文提出的图像椒盐噪声保边滤波算法在有效的去除椒盐噪声的同时更好的保持了图像的边缘信息,克服了传统算法带来的边缘毛刺与模糊效应。