折线模糊神经网络是依赖折线模糊数和人工神经网络相结合的一种新式网络系统，其性能优劣基于网络参数的选取.模糊滤波器是借助模糊数学理论提出的一种基于模糊隶属函数的新型滤波器，它在数字图像处理方面具有一定的应用价值.本文分别从折线模糊神经网络的参数优化和模糊滤波器两个方面进行理论分析和算法设计，具体研究内容如下:　　第一章:介绍本文选题背景及研究现状.　　第二章:折线模糊神经网络的参数优化.第一，针对预训练的折线模糊神经网络，利用GA算法的全局搜索能力获取最优解;第二，按照BP算法将若干参数进行适当改造并寻求优化参数，从而实现该网络连接权和阈值等参数的最优化.第三，通过仿真实例说明折线模糊神经网络的GA-BP混合算法不仅摆脱了BP算法对初始值的依赖性和局部收敛性，而且也克服了传统GA算法所带有的盲目性问题.　　第三章:模糊滤波器的算法设计.为更好地滤除数字图像中的椒盐噪声，首先，引入基于灰度值空间的模糊划分和描述灰度水平的模糊数.其次，根据比较灰度值检测出的噪声点和椒盐噪声的特点，设计一种低概率椒盐噪声模糊滤波器，从而对上述低概率椒盐噪声模糊滤波器加以改进.最后，通过极值法对高概率噪声的实施检测建立恰当滤波窗口，进而应用重心去模糊化法和非噪声点对应的隶属函数设计一种高概率椒盐噪声的模糊滤波器.结果表明，应用仿真实例获得该滤波器可有效地过滤数字图像中高概率椒盐噪声，并且它的去噪性能优于其它常见滤波器.