论文首先对数字图像处理的发展历史、研究包含的内容、理论应用领域做了简要的介绍，然后着重介绍了图像处理研究领域中图像恢复问题。论文总结了前人提出的主要的滤噪算法：针对加性噪声的空间滤波方法和针对周期噪声的频带滤波器．针对加性噪声的滤除主要的空间滤波算法包括：均值滤波算法、顺序统计滤波器、自适应滤波器．针对周期噪声的滤除主要的频带滤波方法包括：带阻滤波器、带通滤波器、陷波滤波器．论文还简要地介绍了近年来出现的小波滤噪算法和形态学滤波算法．在深入研究前人算法基础上，针对图像感染高斯噪声，提出一种基于概率统计模型与图像主纹理方向分析的非线性滤波算法，算法利用Radon变换对图像进行主纹理方向分析，得到图像的局部纹理方向概率密度分布，然后基于概率统计模型借助中心像素的若干邻近像素对中心像素进行估计得到中心像素点的灰度值。此算法充分利用了图像的局部特征，既具有良好的去噪能力，又兼顾了对图像细节的保持特性。实验结果表明，该算法在处理同时感染脉冲噪声和高斯噪声的混合噪声图像时，算法效果和细节保持能力明显优于其他滤波算法。针对图象感染椒盐噪声，提出基于二次噪声检测和细节保护规则函数的图像滤波算法，算法将滤噪过程分为两个阶段：噪声检测和噪声恢复。在噪声检测过程将第一次用自适应中值原理检测出来的噪声点通过局部模糊隶属度函数进行二次判断，有效提高了噪声检测的准确度。在噪声恢复阶段，利用细节保护规则函数与和（?）₁数据逼近的凸面代价函数来恢复噪声点，为了充分利用了图像局部特征，自适应地选择噪声点周围的象素点通过细节规则保护函数得到输出值，当图像噪声点的凸面代价函数值达到最小时，噪声图像得到最佳恢复。实验结果表明，本文提出的滤波算法针对椒盐噪声具有很好的细节保护与噪声滤除能力，特别是在噪声感染率高（70％以上）的情况下，算法性能优于现有的其它算法。