图像滤波是图像处理领域里的一个重要分支,是图像分割、纹理特征和形状特征提取等图像分析的重要基础。大量有关这个主题的论文都集中在讨论图像滤波的数学模型,但是,许多基于数学模型的图像滤波算法只能针对某一类噪声有效,例如,中值滤波主要用于去除脉冲噪声,而均值滤波则可以有效的消除高斯噪声。图像滤波的重点在于图像噪声点和信号点的区分,图像噪声点信息的检测过程是个不确定性的问题,模糊逻辑在处理这个不确定问题上表现出了很大的优越性,同时当一幅图像的信息未知时,某些数学模型里的参数是很难确定的,由于一些人类知识可以用语言规则来表示,用模糊逻辑来表示很合适,所以运用模糊算法越来越成为当今图像处理的重要方法。基于模糊集理论的方法是把模糊逻辑应用于专家系统的思想,其中用If…Then规则来表示人类知识,使用模糊集理论的模糊滤波方法是一种很有前途的领域。本文的研究目的是为了探索新的图像滤波方法,提出一种新的基于模糊集理论的噪声滤除算法。文中首先阐述了模糊集的基本理论,然后介绍了一些经典的图像滤波算法,在此基础上研究了将模糊集理论应用于图像滤波的相关算法。本论文重点是:(一)研究了一种基于物理模型的噪声检测算法,详细阐述了改进的弹簧质点模型这一物理模型,并将平面汇交力系的平衡条件作为判断像素点是否是噪声点的标准,进而结合迭代中值滤波技术对灰度图像的噪声点进行处理;(二)在改进的弹簧质点模型的基础上,将该物理模型与模糊集理论相结合,充分考虑彩色图像中的颜色信息,从而建立新的模糊规则进行彩色图像中噪声点的检测和滤除,文中不仅将常见的椒盐脉冲噪声作为研究对象,同时也对均匀分布的随机脉冲噪声进行了滤除实验。论文不仅对算法的理论基础和滤波原理作了较详细的论述,而且对不同的算法均使用MATLAB语言设计相关的程序对标准图像进行验证,大量的实验结果表明,本文提出的方法是有效的、可行的,并且对脉冲噪声具有很好的细节保护与噪声滤波能力,特别是在噪声感染率较高情况下,算法性能优于其他的一些算法。