现实中,图像在被获取和被传输时常常会受到各种各样的噪声干扰,例如高斯白噪声、脉冲噪声和乘性噪声等。为了改善图像质量以及便于各种后续处理(如边缘检测),学者们提出了许多去除噪声的方法,如针对脉冲噪声的中值滤波方法和针对高斯白噪声的领域去噪方法等。但是,传统的去噪方法都专注于对图像噪声的抑制,而缺乏对图像边缘的保护,因此会使去噪后的图像边缘变得模糊。而边缘常常包含着重要的图像特征,细节的破坏会影响后续的图像识别工作。针对这一问题,本文以高斯白噪声和脉冲噪声为模型,在分析现有方法的基础上,对图像去噪算法中的边缘保护问题做了一定研究,并且提出了一种基于像素分类的自适应混合滤波去噪方法。由于在一幅图像中,平坦区域的方差较小,边缘和脉冲噪声存在的区域方差较大,可以根据方差的不同,对不同区域的中心像素分类,并采用不同的滤波方式。对于判断为脉冲噪声的点,采用区域中值滤波方法;对于判别为边缘的像素,采用灰度相近点的加权线性滤波方法;对于其他像素,用不同参数的高斯模板进行平滑,模板参数通过文中提出的线性函数来确定,从而达到自适应的效果。本文提出的方法,考虑到图像边缘特征细节的保留和整体噪声的消除,用归类的思想,在分类和细节的保留后,进一步对相同类中的像素点进行平滑去噪。这样可以使边缘点和非边缘点分开来,从而最大限度的保留图像的细节信息。论文中对这种算法进行了仿真,并且从主观和客观两方面与一些传统的滤波算法进行了比较,从结果可以看出,本算法在对滤波和对图像细节的保留上优于一般的滤波算法。