脉冲噪声是引起图像质量下降的主要原因，其滤除工作一直是图像处理领域的研究热点。针对现行传统滤波方法和开关滤波方法在脉冲噪声检测时间、检测精度和恢复策略上存在的问题进行理论分析，提出一种递进的脉冲噪声检测算法PIND(A Progressive Impulse Noise Detection)。首先采用具有全局统计意义的灰度直方图确定脉冲噪声与真实像素之间的灰度值上边界和下边界，根据这个界线区分出疑似点和真实点;然后利用具有局部结构意义的方法将脉冲噪声点从疑似点中寻找出来并判断类型，存储在决策表G中;最后根据决策表G中存储的噪声类型信息采用不同的恢复策略对噪声进行恢复。经过对多幅图像增加不同的噪声模型进行对比实验表明:PIND算法的检测时间比现行开关滤波方法有所降低;检测精度可以达到99％以上;恢复图像也具有更好的视觉效果和1-2dB的峰值信噪比提升。这说明PIND算法能够在有效滤除脉冲噪声的同时，充分保护图像细节并恢复图像原有特征，在检测时间、精度和峰值信噪比上弥补现行开关滤波方法的不足。　　非局部方法利用了图像的结构冗余性，能够克服使用全局和分窗策略时对图像局部信息和全局信息把握不足的问题。根据这个原理，提出一种非局部分窗OTSU算法NLOTSU(Non-local Window OTSU Algorithm)。用非局部的思想使得每一个像素点的阈值分割都充分考虑到图像的距离相关性和邻域相关性。对多幅图像进行阈值分割的结果表明，NLOTSU算法可以检测到传统OTSU算法无法检测到的细微边缘，具有约2％的类间差异性和类内关联性提升和约20％的错分概率降低。这说明NLOTSU算放能够在避免虚假检测的同时检测到图像中的细微边缘，弥补现行OTSU算法的不足。