El filtrado de imágenes es un problema de investigación desafiante que tiene como objetivo recuperar imágenes libres de ruido de aquellas que están contaminadas con ruido. En este documento, nos enfocamos en el filtrado de imágenes que están contaminadas con ruido gaussiano blanco aditivo. Con este fin, proponemos un modelo de aprendizaje de conjunto que utiliza la salida de tres modelos de filtrado de imágenes, a saber, ADNet, IRCNN y DnCNN, en la proporción de 2:3:6, respectivamente. El primer modelo (ADNet) consta de Redes Neuronales Convolucionales con atención junto con capas de filtro mediano después de cada capa convolucional y una tasa de dilatación de 8. En el caso del segundo modelo, es una CNN de filtrado directo o DnCNN con capas de filtro mediano después de la mitad de las capas convolucionales. Para el tercer modelo, que es el Prior de Denoiser de CNN Profundo o IRCNN, el modelo contiene capas convolucionales dilatadas y capas de filtro mediano hasta las capas convolucionales dilatadas con una tasa de dilatación de 6. Por análisis cuantitativo, observamos que nuestro modelo tiene un rendimiento significativamente bueno al ser probado en los conjuntos de datos BSD500 y Set12.