由于图像传感器故障、传输错误以及外界环境等因素的影响，图像会不可避免地被各种各样的噪声所干扰，进而降低图像的视觉效果。图像的处理效果会直接影响到图像边缘检测、图像分割、特征提取和图像识别等后续处理的结果。因此在对图像进行后续处理和分析前，进行滤波除噪处理是十分必要的。而且随着大尺寸和高分辨率彩色显示设备的日益普及，其滤波除噪的效果对其应用的实现更为重要。　　图像中既有比较平滑的区域，也有许多包含着重要的视觉感知信息的细节或边缘部分，且彩色图像的处理还要考虑邻近像素之间的色调关系。因此，彩色图像滤波的处理比灰度图像更为复杂。其处理步骤一般包括：抑制噪声、保持色调、保护边缘和细节信息等。针对多通道脉冲噪声的消除问题，经典的矢量中值滤波方法及其扩展方法虽在平缓区域能一定程度的抑制噪声，但是也存在着图像细节保存度不高且运算速度低、处理方式单一等问题。针对这些问题，本文对近年内彩色图像开关型滤波算法进行了深入的研究，并且提出两种新的开关型滤波算法，具体研究内容总结如下：　　1、针对现有的检测算法计算效率低、漏判误判率高等缺点，本文提出一种快速有效的脉冲噪声检测算法，首先通过噪声检测算法将彩色图像像素分为噪声像素和非噪声像素两部分，之后噪声像素被矢量滤波算法的输出矢量所替代。噪声检测算法的检测能力直接影响到后续的滤波结果。相关实验数据证明，该脉冲噪声检测算法能够有效地检测出彩色图像边缘细节中的脉冲噪声。　　2、经典矢量中值滤波对图像中的所有像素点进行了统一处理，可能造成噪声在邻域传播的现象，从而削弱算法保留原图像细节的能力。针对这些缺陷，提出了一种基于改进噪声检测的自适应矢量中值滤波方法。该算法首先根据脉冲噪声点和图像像素点灰度值的明显区别检测出图像噪声点，并且统计图像中的噪声点来估计图像不同区域受污染程度，然后根据受污染程度的不同自适应地调节滤波窗口尺寸，进而滤除噪声。实验结果表明，该算法具有运行速度快、漏检率和误检率相对较低的特点，且在一定程度上平衡噪声抑制与细节保护之间的矛盾。　　3、由于传统矢量方法都将排序最小值对应像素作为滤波器的输出矢量，实验发现该类方法图像细节保存度低，图像中的一些细线、尖锐边角等重要细节信息丢失，图像的几何结构可能会被破坏。本文在经典开关滤波算法的基础上，提出了基于边缘排序的开关型滤波算法。它采取与经典开关型算法相同的噪声判断标准，若中心像素是噪声点，则选择与边缘中值滤波器的输出有最小距离的向量作为替代值。对应实验证明，在不同噪声比例下该方法均优于经典矢量滤波算法，在消除噪声、保持色调和保护边缘与细节上有较好的实验效果。　　本文的创新之处总结如下：　　1、针对在传统矢量滤波方法出现的中心像素被邻域噪声替换的问题，提出了一种基于噪声检测的自适应中值开关滤波算法。该算法能够有效的检测出噪声像素，从而减少噪声点的误判和漏判。该算法在滤波阶段自适应去除噪声点，图像滤波效果较好。　　2、针对边缘滤波器可靠的特性和保留多通道之间的内在联系等特点，提出了另一种基于边缘排序的快速开关型滤波算法，该算法采取与经典开关型算法相同的噪声判断标准，若中心像素是噪声点，则选择与边缘中值滤波器的输出有最小距离的向量作为替代值。若采用快速标量中值滤波方法，该算法能进一步提高计算效率，且保持滤波效果的不降低。