图像信号在产生、传输和记录过程中，由于受到各种噪声的干扰会变得模糊，这对于后期进行图像分割、特征提取等有很大影响。因此在进行后续处理前首先要对图像进行预处理来减少噪声。 在图像预处理中，图像滤波起着重要作用。目前，图像滤波常用的方法包括线性滤波技术和非线性滤波技术。线性滤波对加性高斯噪声有较好的平滑作用。但对脉冲信号和其它形式的高频分量抑制效果较差。非线性滤波对窄脉冲信号具有良好的抑制能力，但对均匀分布噪声和高斯噪声其滤波性能较差。因此，在实际应用时，可将二者进行结合，来充分发挥各自的优势。 信息融合技术是信息处理与分析的重要方法之一，它能对多方面的信息进行综合处理，比简单的信息处理方法更为可靠，将此技术与图像处理技术相结合的研究方向则越来越受到人们的关注。 D-S证据理论属于信息融合中的决策层融合。D-S证据理论是一种不确定性推理的人工智能方法，它通过合并多重证据从而作出决策，对推理进行合理的信息论解释，所以它是一种决策理论。与概率决策理论相比，它不但能够处理由于知识不准确引起的不确定性，而且也能够处理由于不知道(无知)引起的不确定性，它能满足比概率更弱的公理系统，区分不确定性和不知道的差异。 本论文首先对图像滤波技术进行了讨论，分析线性滤波中的均值滤波和非线性滤波中的中值滤波的特性。在此基础上将均值滤波和中值滤波相结合对图像进行混合滤波。针对混合滤波中，边界点判决准则的单源性所引起的误报风险大、可靠性和容错性差的缺陷，本论文引入了改进型D-S证据理论。改进型D-S证据理论将边界点判决的两个准则(MTEP准则和N-P准则)进行融合，提高了边界点判断的准确性。在理论论证的基础上，本论文进行了实验仿真，对其实际效果进行了验证。 基于信息融合的混合滤波算法对不同判别准则的决策进行决策级融合，得出最佳决策，有效的降低了算法误判、错判的概率，为图