Las memorias asociativas en álgebra min y máx son de gran interés para el reconocimiento de patrones. Una propiedad de estas es que son de un solo disparo, es decir, en un intento convergen hacia la solución sin necesidad de iterar. Estas memorias han demostrado ser muy eficientes, pero manifiestan cierta debilidad con ruido mixto. Si no se utiliza un núcleo apropiado, es decir, un subconjunto del patrón a recordar que no se ve afectado por el ruido, las memorias fallan notablemente. Un posible problema para construir núcleos con condiciones suficientes, utilizando imágenes binarias y en escala de grises, es no saber cómo se registra el ruido en estas imágenes. Una solución a este problema se presenta analizando el comportamiento del ruido de adquisición. Lo novedoso de este análisis es que el ruido puede ser mapeado a una distancia obtenida mediante una transformación de distancia. Además, este análisis proporciona la base para un nuevo modelo de memoria heteroasociativa min que es robusto al ruido de adquisición/mixto. El modelo propuesto es novedoso porque las memorias asociativas min suelen ser inoperantes ante ruido mixto. El nuevo modelo de memoria heteroasociativa obtiene resultados muy interesantes con este tipo de ruido.