在信息时代数字图像处理已经成为人们获取复杂信息的重要手段,在一定程度上拓展了人类的视觉,图像处理技术的相关研究和应用具有非常重要意义。图像去噪、边缘检测技术是数字图像处理中的重要环节。由于图像成像过程中受各种因素的影响,人们事先很难了解成像过程中信息丢失的情况,使得图像处理过程中带有一定的相似性和不确定性。而模糊集合论及模糊信息处理技术,在处理带有模糊不确定性的事件及对不精确知识的描述与处理上都具有极大的优势。本文研究了以模糊信息处理技术为基础的图像滤波算法、边缘检测技术,提出了一些新的思想和方法。本文结合图像去噪、边缘检测信息的不确定性,研究了区间-2型模糊逻辑算法在图像处理中的相关问题,论文的主要工作和研究成果如下:1)提出了一种区间-2型模糊神经网络滤波算法对图像去噪。在IT2FNN的每个模糊规则中,先行部分使用区间-2型模糊集合,其后续部分是Mamdani类型。使用间隔类型-2模糊集有助于提高网络的抗噪声能力。IT2FNN学习包括结构学习和参数学习,对于结构学习,提出了一种在线聚类算法来自动生成规则并灵活地将其分配到输入空间中。对于参数学习,提出了一种规则排序的卡尔曼滤波器算法来调整随后的部分参数。通过与类型-1和类型-2模糊神经系统之间的比较验证了IT2FNN的学习能力和鲁棒性,在去除图像脉冲噪声的同时,能够较完整的保留图像的边缘和重要细节。2)提出了一种基于形态学梯度技术和type-2型模糊逻辑的边缘检测方法。α-平面的理论被用来实现type-2型模糊逻辑的边缘检测。对于去模糊化过程,使用高度和逼近方法。最后给出了一类模糊推理系统、区间二类模糊推理系统、type-1模糊推理系统和type-2模糊推理系统的边缘检测仿真结果。所提出的type-2型模糊边缘检测方法用基准图像和合成图像进行测试,证明了广义二型模糊逻辑在图像处理中的优越性。