该文是围绕国家自然科学基金项目"噪声图像的低层多目标处理技术和应用研究"而展开的,深入地研究了噪声环境下的图像处理和计算机视觉领域中的三个多目标处理技术:噪声滤波与细节保护、噪声滤除与边缘检测及噪声滤除与边缘增强,并分三篇分别给予了详细地研究与论述.第一篇研究了受噪声污染图像中的细节保护滤波技术.首先对基于排序统计的非线性滤波器进行了综述并介绍了它们的最新发展,然后提出了两类图像细节保护滤波器:基于区域生长的图像细节保护滤波器和估值型自适应图像细节保护滤波器.基于区域生长的图像细节保护滤波器使用了区域生长算法,充分地利用了图像的空间位置结构信息,将其与图像的灰度信息结合,使图像的细节和结构信息得到了很好的保护,较好地解决了细节保护与噪声滤除的矛盾;第二篇研究了受噪声污染图像中的边缘检测技术.首先介绍了边缘检测算子特别是受噪声污染图像的边缘检测算子的发展和最新进展,然后提出了两类受噪声污染图像中的边缘检测器和一种新的客观评价方法:数学形态边缘检测器、基于排序统计的非线性边缘检测器和边缘检测器性能的客观定量评价;第三篇研究了受噪声污染图像中的边缘增强滤波器.首先对边缘增强的定义和其最新发展进行介绍,然后提出了三种受噪声污染图像中的边缘增强滤波器:模糊形态图像边缘增强、图像形态边缘增强滤波器和基于排序统计的图像边缘增强滤波器.模糊形态边缘增强算子将图像映射成一个模糊集,利用模糊集理论来描述边缘模糊的程度,通过对隶属函数进行非线性变换,以达到增强模糊边缘梯度的目的.全文对所提出的八种新的算法都给予了计算机模拟实验,并与相应的典型算法进行了比较,同时,对它们的性质给出了一定的理论分析和必要的理论证明.