在数字图像处理中，图像滤波技术是至关重要的，因为噪声会严重地降低图像后续处理的精度，包括特征提取和目标识别等。为了抑制各种不同类型的噪声，学者们先后提出了许多不同的图像滤波算法。近几年来，模糊技术已经成功地应用于图像滤波领域，提出了很多针对图像滤波的模糊算法。在阅读大量参考文献的基础上，本文对一些经典的图像滤波算法和几种典型的图像模糊滤波算法进行了对比研究和试验，显示出模糊滤波算法在消除噪声和保护图像细节方面所具有的优越性，并在此基础上提出了一种新型的双十字模糊滤波算法，进一步改善了滤波效果。 本文在对图像滤波算法的研究背景、基本概念以及发展现状进行简单介绍的基础上，分析和总结了模糊数学的基本概念与模糊推理的基本方法以及图像模糊滤波算法。总体上可以将模糊滤波算法分成两大类：一类是将模糊技术与传统技术相结合的滤波算法，称为古典-模糊滤波算法；另一类是完全基于模糊技术的滤波算法，称为纯模糊滤波算法。介绍了两种典型的古典-模糊滤波算法，即模糊加权均值滤波算法和模糊中值滤波算法。在模糊加权均值滤波算法的研究中，从理论上对一种通过期望图像来确定权值的模糊加权均值滤波算法进行了分析，由于该算法需要已知期望图像，因此很难在实际的图像测量系统中应用。本文从实际应用角度出发，分别对通过噪声图像自身特性来确定权值的模糊加权均值滤波算法和针对图像混合噪声的模糊加权均值滤波算法进行了仿真试验，虽然这两种算法有效地解决了权值确定的问题，但由于它们缺乏一套完善的模糊推理体系，并且缺少相应的噪声检测环节，因此，仅适用于小范围的噪声抑制。基于以上各种原因。提出了一种新型的双十字模糊滤波算法，该算法对模糊隶属函数进行了改善，并且增加了噪声检测环节，基于Matlab7.1的多组仿真实验结果表明，该算法具有很好的普遍性和自适应性，能够比较有效地保护图像细节信息，对混合噪声有很好的抑制能力。此外，在模糊中值滤波算法的研究中，针对一种自适应模糊多级中值滤波算法进行了深入地探讨。由于该算法在传统多级中值滤波算法的基础上引入了模糊推理，因此极大地改善了滤波效果，试验表明该算法的滤波性能要优于一些经典的非线性滤波算法。 最后，在纯模糊滤波算法的研究中，重点阐述了基于模糊推理规则集的FIRE滤波算法。由于该算法是通过一组模糊规则集来完成噪声象素的校正，因此模糊规则集制定的好与坏直接决定了噪声抑制的成与败。为了验证以上的说法，分别对三种改进的FIRE滤波算法进行了多组仿真试验。试验结果表明，这三种算法具有非常好的噪声抑制能力，并且随着对模糊规则集的不断改进和优化，算法的滤波效果也得到明显提高。