在图像信号产生、传输以及记录过程中,由于受到不同程度的噪声干扰从而导致图像的质量下降,这样就会给后期的边缘检测、特征提取等带来很多的困难,所以对含有噪声的图像进行滤波处理一直是图像处理领域重要的研究内容之一。对图像进行干扰的噪声有很多种,最常见的是高斯噪声和脉冲噪声,本文主要针对脉冲噪声在模糊集理论的基础上提出新的滤波算法。传统的滤波算法往往在滤除噪声的同时也滤除了图像中的边缘信息,造成图像的质量下降。目前比较常用的滤波方法主要有中值滤波、均值滤波及其一些相关改进的算法,这些方法对滤除脉冲噪声有很好的效果,但在保护图像纹理细节信息上不是很好。近几年来,模糊技术在处理噪声的不确定性问题上有很大的优越性,针对这个特点,人们提出了很多基于模糊集理论的图像滤波算法。在阅读众多图像滤波方面的文献后,本文首先描述了模糊集的相关理论,其次介绍了一些常用的图像滤波算法,并对这些算法进行对比和仿真试验,实验表明模糊滤波算法在去除噪声的同时能够更好的保护图像的纹理细节信息。基于上述原因,提出了基于Type-2模糊集理论的图像滤波新方法,并取得了很好的效果。本文重点是:(一)研究了一种基于Type-2模糊系统的脉冲噪声滤波算法,详细阐述了区间类型2模糊系统(Interval Type-2 FLS)和高斯类型2模糊系统(Gaussian Type-2 FLS),并对这两种模型进行组合,提出了Type-2模糊系统模型组合的脉冲噪声滤波器。(二)在分析噪声检测与噪声滤波原理的基础上,提出了用于恢复被脉冲噪声污染的图像去噪算法。该算法基于方向差异性将检测窗口分解为四个子窗口,并取子窗口的中间像素与相邻像素的灰度值之差的加权平均值与预先定义的阀值进行比较,较准确的区分噪声点和信号点;然后根据方向相关依赖性,采用一种边缘保持滤波方法来重构被噪声污染像素的灰度值。本文对这些算法均使用MATLAB进行标准图像的仿真验证,实验结果表明:本文提出的方法在提高图像信噪比的同时,可以更好地保持图像的细节信息。