图像是自然界事物的客观视觉反映,是信息获取和传播的重要载体。随着计算机和数字技术迅速发展,数字图像已成为存储和传递视觉信息的重要方式。然而,在数字图像获取、传输和存储过程中,不可避免地受到噪声污染,引起图像质量退化。为恢复退化图像的真实面目,必须进行噪声污染图像修复。因此,图像去噪是图像处理领域的研究热点。其中,椒盐噪声表现为白色或黑色的颗粒,会严重降低图像质量,特别是高密度椒盐噪声污染会使图像根本无法辨识。近期,学者们将开关中值滤波用于椒盐噪声图像修复,在噪声密度较低时取得了良好效果,但是,随着噪声密度的增加,该算法的修复效果不佳。为此,本文针对高密度椒盐噪声图像修复问题,开展了以下研究工作：邻域自适应开关中值滤波：针对开关中值滤波采用固定邻域、大尺寸滤波窗口处理高密度椒盐噪声时产生的图像模糊问题,提出了邻域自适应开关中值滤波算法：以邻域内非污染像素的数量作为判据,以步进递增方式选择与当前噪声密度水平相适应的邻域窗口尺寸,再以所选择邻域范围内非污染像素的中值修复该污染像素。实验表明,该算法可显著改善图像模糊问题,并可保证任意噪声密度(1%～99%)条件下,都完全消除椒盐噪声,并且图像修复质量明显优于开关中值滤波方法。开关局部极值均值滤波：针对高噪声密度情况下,邻域内非污染像素极少,难以通过其中值来估计污染像素的真实值的问题,提出了开关局部极值均值滤波方法。该方法,通过邻近邻域内非污染像素的极大值、极小值来钳制当前污染像素的取值范围,以这些极值和当前污染像素邻域内非污染像素的均值作为其真实值的估计。这种估计方法在高密度噪声情况下,图像修复效果,特别是在修复图像细节上明显优于开关中值滤波和前述邻域自适应开关中值滤波算法。证实了采用局部极值均值估计污染像素真实值的可行性和相比中值的优越性。开关最小二乘滤波：针对中值滤波这种非线性滤波,在高密度噪声污染时,未充分利用图像是平滑的这一特性,我们将图像视作一个线性系统,在开关中值滤波框架下,以像素空间位置作为输入,像素值作为输出,建立线性预测模型,在最小二乘框架下,以非污染像素估计线性系统参数,再根据污染像素的空间位置作为输入,估计污染像素的修复值,得到图像修复结果。实验表明,该方法可明显提升高密度噪声污染图像修复质量。综上,本文在开关中值滤波算法框架下,提出了三种高密度椒盐噪声图像修复方法,可实现各种等级密度水平的椒盐噪声图像修复。实验结果表明,这三种算法均在不同程度上优于现有椒盐噪声图像修复算法,可满足高密度椒盐噪声图像修复应用需求。