الگوریتم میانگین های غیر محلّی با ارائه نتایج قابل قبول و ارزنده ای در تصاویر طبیعی نسبت به دیگر روشهای حذف نویز از توجه و محبوبیّت خاصی برخوردار گردیده است. از محاسن این فیلتر می توان به نتایج کیفی و کمّی مطلوب در انواع تصاویر به ویژه تصاویر بافتی و تکراری اشاره داشت. در عین حال، وابستگی عملکرد الگوریتم مذکور به پارامترهایش به ویژه به پهنای کرنل هموار کننده (h) و داشتن سرعت پایین در پردازش از مهمترین عیوب این روش بر شمرده می شوند. در این پایان نامه با ارائه دو راهکار، سعی در رفع مشکلات مذکور داریم. در راهکار اوّل رفتار پارامتر h در برابر تغییرات سطح نویز داده ورودی در تصاویر مختلف مورد بررسی قرار می گیرد و یک رابطه ساده جهت تنظیم خودکار این پارامتر ارائه می گردد. البتّه لازم به ذکر است که این پارامتر بدون افزودن سربار محاسباتی قابل ملاحظه ای به الگوریتم در حالتی نزدیک به بهینه تنظیم می شود. راهکار دوّم با الهام از این نکته که فیلتر مذکور در نواحی دارای بافت و لبه های ممتد، عملکرد مطلوبتری را نسبت به دیگر نواحی تصویر دارد، ارائه می گردد. ایده اصلی کار، تفکیک بخشهای بافتی و تکراری از سایر بخشهای تصویر و اعمال فیلتر میانگین های غیر محلّی فقط به این نواحی است. سایر بخشهای باقیمانده نیز توسط یک فیلتر مناسب و با حداقل پیچیدگی محاسباتی مانند فیلتر همسایگی معمولی رفع نویز می گردند. در این راهکار بین کیفیت وسرعت فرآیند حذف نویز مصالحه گردیده است. در انتهای این پایان نامه کارایی و عملکرد راهکارهای پیشنهادی با دیگر روشها با استفاده از معیارهای مختلف مورد ارزیابی قرار می گیرند.