以图像处理为基础的计算机视觉技术目前已广泛应用于诸多领域，计算机视觉技术的发展对传统的图像处理方法提出了新的要求。本课题主要研究计算机视觉技术中的图像滤波以及二维特征检测(包括边缘检测以及直线检测)等相关技术，以提高相关图像处理算法的精度、鲁棒性等性能为研究目的。 论文的主要研究内容总结为以下几方面： 1.研究了图像中的脉冲噪声滤波算法。以典型的脉冲噪声—椒盐噪声为研究对象，提出了一种基于两级检测的噪声滤波算法。本算法借鉴了开关滤波和多级中值滤波的优点，在噪声检测阶段采用两级检测的方法，首先进行极值检测，然后利用图像结构信息进一步判断是否是噪声点，使得对脉冲噪声的检测更为合理、准确，保护了图像细节，而且运算速度较快，具有良好的综合性能。 2.研究了图像中的混合噪声滤波算法。脉冲与高斯的混合噪声是图像中的常见噪声，混合噪声的滤除也一直是图像滤波中的一个难点问题。论文结合中值与模糊技术，提出了两种具有细节保护性能的混合噪声滤除算法MF-Ⅰ和MF-Ⅱ。算法首先对图像进行灰度极值判断，并分别利用像素点与其邻域像素的相容性信息(MF-Ⅰ)或图像纹理信息(MF-Ⅱ)，准确地检测出脉冲噪声，避免了对强边界点进行滤波；对于含高斯噪声的像素采用模糊滤波器进行处理，其优化的权值能更准确地反映像素间的关系。实验结果表明，这两种算法对图像中的混合噪声均有较好的滤波效果，并能较好地保护图像细节特征。 3.研究了图像边缘检测技术。从提高边缘检测算法简便性和鲁棒性的角度，结合图像的梯度统计信息，提出了一种基于梯度直方图的边缘提取方法。算法通过方向划分将梯度的计算简化为在一维空间实现，并且利用梯度直方图的统计特征实现梯度阈值的动态选取，增强了算法的适应性。该算法简便灵活，无需通过计算获取梯度方向，可以有效地检测出图像的单像素边缘，具有较强的鲁棒性。4.研究了图像中的直线特征检测问题。本文基于“多对一”映射原理和“从局部到全局”的思想，提出了一种改进的直线检测算法。算法中局部小区域的利用可有效地减少直线检测中的盲目性和量化误差的影响。与标准Hough变换相比，该算法运算速度快、占用存储空间小等特点，而且速度不受角度分级精度的影响，具有良好的鲁棒性。 最后以邮件分拣机为应用背景，综合运用图像滤波、边缘检测、直线检测、图像匹配等技术，设计了一套基于动态图像处理的邮件检测仿真算法，实验表明，该算法能有效地检测出邮件的相关信息。