在复杂情况下，获取的图像往往会混入大量噪声，给以后图像分析和图像处理带来了困难。因此在图像预处理阶段，需要去除这些噪声。而椒盐噪声是一种很重要的噪声，滤除椒盐噪声的研究是很有必要的。　　均值滤波、中值滤波是传统的噪声滤除算法。它们在滤除椒盐噪声方面，无法将滤波效果和细节保护统一起来。研究者们又提出了改进的均值滤波和中值滤波算法，如α-修剪均值滤波[1]，自适应中值滤波[2]，渐进式中值滤波器[3]，基于决策的中值滤波[4，5]，改进的基于决策的非对称修剪中值滤波[6]等。这些滤波算法在滤除高密度椒盐噪声上效果还不太好。　　图像噪声具有不确定性，随机性和模糊性是不确定性的两个重要特点。云模型是一种解决定性定量不确定性转换模型，本文根据云模型提出了基于云模型的α-修剪模糊加权均值滤波算法。　　基于云模型的α-修剪模糊加权均值滤波算法共分为两个阶段，噪声检测阶段和噪声处理阶段。首先利用噪声检测，分辨出噪声点和非噪声点，保护非噪声像素点的灰度值不变。而噪声点，则需要在噪声处理阶段处理。　　在噪声处理阶段，根据正态云模型的特点，将像素点看作云模型中的云滴，由云的期望和熵，计算出云滴即非噪声点的权值，将噪声点的邻域中的非噪声点加权求平均，用得到的数值代替噪声点，从而达到去除椒盐噪声点的目的。