在信息时代,信息获取、信息的综合分析和处理、信息融合成为信息技术领域的研究热点.我们获取信息资源的主要载体是信息系统,它必然成为信息科学的主要研究对象.由于信息系统含有大量信息,常常具有明显的不确定性.在图像处理过程中,经常见到被噪声损害的图像.图像在传输或采集过程中得到的最常见的噪声类型是脉冲噪声,也称为椒盐噪声.该种类型的噪声像素灰度值的特点是,在一个动态的有效值范围取得最小或最大值.由于采集和传输是得到图像的必备渠道,因此对信号中去除噪声数据,特别是去除脉冲噪声,已出现了许多方法.这也就不难解释在图像重构过程中,去除噪声是一种常见的甚至是必须的预处理步骤.经过这个步骤,图像能够呈现更好的视觉特性或提供更有意义的数据信息.本文讨论不确定性理论在图像处理中的应用,提出了几种新的滤波模型.主要工作如下:(1)给出了一种基于圆形窗口的差值滤波算法.将模板窗口设置为圆形,保证了各方向的像素点对当前像素具有同等贡献.根据圆形模板内像素的有效面积为参与计算的像素点设置权值,与像素灰度值一起形成有效值.在模板内进行四方向插值拟合,计算出的结果作为估值,将其赋予噪声像素,从而达到去噪的目的.(2)提出了新的直觉模糊集的去噪方法.对模板中的每一个像素值分别构造关于每一像素灰度t的关于背景和关于对象的两个直觉模糊集.提出了直觉模糊像素集的熵的概念,由它计算分割需要的最佳阈值.按该阈值对模板中的像素进行分割,判定噪声应属于对象还是背景,按相应区域内像素的平均值对噪声像素赋值,从而达到去噪的效果.同时给出了该方法去除不同密度噪声图像的实验结果.(3)提出了一种新的基于D-S证据理论的图像去噪算法,以3×3及5×5模板为例,给出了两组证据滤波合成的算法.用每个像素的灰度值除以该行的行灰度值,即可将每一个像素的灰度值限制在区间[0,1]内.这样的每行像素值称为一个滤波证据.用它们通过D-S合成规则计算出新的数据.若当前像素为噪声,则用合成结果赋予当前像素值.同时,提出了多组证据滤波合成算法,可以对模板内同时存在多个噪声的情况进行去除.最后用D-S证据算法进行了实验,对不同密度的脉冲噪声进行消除,并给出实验结果.