تصاویر اغلب توسط اختلالات نویز ضربه ای در حسگرهای نویزی یا کانال های ارتباطی نابود می شوند. نویز ضربه ای کیفیت تصویر را کاهش می دهد و باعث خرابی جزئیات تصویر می شود. هدف، حذف اختلالات در حین نگهداری اطلاعات و جزئیات تصویر می باشد. با توجه به اینکه anfis یک شبکه فازی-عصبی با قابلیت تطبیق می باشد، همچنین دارای قابلیت یادگیری با نظارت است، دارای کارایی بهتری نسبت به نمونه های ساده فیلترمی باشد. ازاین رو، در این تحقیق از سیستم استنتاج فازی عصبی تطبیقی برای کاهش نویزهای تصویراستفاده شده است، که در مرحله اول پیکسل های نویزی بویسله آشکار ساز anfis شناسایی می شوند و در مرحله بعد پیکسل های نویزی مذکور یکبار توسط فیلتر میانه و بار دیگر توسط فیلتر میانگین حذف می شوند، و این بار مقادیر بدست آمده از فیلتر میانه و میانگین و مقادیر بدست آمده از پیکسل های نویزی که توسط آشکار ساز تخمین زده شده است، به عنوان 3 ورودی و تصویر اصلی به عنوان خروجی به anfis داده می شود و anfis، با توجه به اینکه anfis پیکسل های نویزی را به عنوان ورودی دریافت کرده بین مقادیر 2 ورودی دیگر مقداری که احتمال دهد به تصویر اصلی نزدیک است جایگزین پیکسل نویزی می کند. عملکرد روش پیشنهادی تحت شرایط نویزهای مختلف روی چندین تصاویر رایج، مورد آزمایش قرار گرفته است. از طرف دیگر فیلتر پیشنهادی با چند فیلتر مختلف مقایسه شده است که عملکرد بهتری را نسبت به سایر روشها نشان می دهد. به این معنا که در سرکوب نویز و حفظ جزئیات تصویر به خصوص وقتی چگالی نویز بالاست نتایج رضایت بخشی دارد.