图像是人类感知外部世界的重要途径之一,与听觉、触觉相比,图像的信息密度最大同时也可以包含更丰富的信息。因此人类获取信息绝大多数来源自图像。随着信息科学技术的发展,计算机智能化处理信息的需求日益增多。然而图像在传输和转换的过程中却不可避免的带来了图像的劣化,引入了噪声。这对图像的理解产生了极大的干扰。由此可知,图像去噪的意义不仅仅是改善了图像的质量,也对其后续图像识别、图像理解等起到不容忽视的提升作用。所以图像去噪一直是数字图像处理领域中最重要、最基本的研究课题之一。图像噪声根据其数学特征分为很多种类,本文主要针对高斯噪声和脉冲噪声组成的混合噪声滤波算法研究。由于两种噪声叠加使得混合噪声滤波变得十分复杂,但实际中这种情况其实是普遍存在的。针对这一问题,本文主要做了如下工作:在本文研究中,我们的目标是去除由加性高斯白噪声(AWGN)和随机值脉冲噪声(RVIN)组成的混合噪声。首先我们分析了彩色图像混合噪声的特点,通过对彩色图像混合噪声进行数学建模了解其结构,并为设计去噪算法提供思路。其次,改进了利用方向加权中值滤波算法(DWM)。为了更精确的检测和去除脉冲噪声,采用了一种递归函数调整阈值的方法。这使得算法的自适应性得到显著提升,应用范围得到了扩大,实验结果表明改进后的算法具有更强的去噪性能。最后,将改进后的方向加权中值滤波算法与块匹配三维滤波算法(BM3D)有机结合起来,从而提出了一种新的彩色图像混合噪声滤波算法。具体而言,将混合噪声滤波分为两个阶段。第一阶段利用改进后的方向加权中值滤波算法对被污染的图像进行初步处理,去除其中大部分脉冲噪声。第二阶段利用BM3D算法对被污染图像进行再次处理,去除剩余噪声成分。该算法不仅适用于混合噪声去噪,也同样适用于单一脉冲噪声或高斯噪声。在有些不了解图像噪声类型的情况下尤其适用,实验结果表明其算法性能较已有算法相比有更加出色的表现。