图像边缘感知滤波是计算摄影中的一项重要技术,目的即执行滤波时感知并保持图像中的重要边缘特征,故又名保边滤波。根据计算方式的不同,传统边缘感知滤波可分为局部方法与全局方法。局部方法的输出可由局部邻域像素加权平均计算得到,全局方法将滤波视为优化问题建模并求解。多数现有局部方法计算效率高,但保边能力不足,易引入光晕等伪像。多数现有全局方法的保边滤波能力强,但因需求解复杂模型,计算成本高,甚至会引入强度偏移等伪像。边缘感知滤波的效果及效率亟待改善。边缘可泛指像素梯度变化剧烈的区域。在含丰富纹理的场景中,纹理将与结构边缘相混杂,则传统基于梯度的滤波算法将不再适用。为从细尺度的纹理中提取有意义的结构边缘,结构保持滤波被提出。因需更强的保边能力,现有结构保持滤波计算效率低;且多数方法结构保持及纹理滤除效果不尽人意。本文提出一种基于软聚类的边缘感知图像滤波,具体工作如下:（1）为抑制伪像、改进边缘保持滤波能力及计算效率,将边缘感知任务与软聚类相结合,提出一种基于软聚类的边缘保持滤波。为避免因嵌入现有软聚类方法而导致的缺陷,提出基于限定形式高斯混合模型的软聚类算法。根据给定参数,软聚类图像像素得到隶属度矩阵,继而构建仿射矩阵执行滤波。因输出计算为加权平均局部窗口中的像素,所述方法可抑制强度偏移伪像;因软聚类分离了不同像素,所述方法可抑制光晕伪像。针对基于深度学习的方法所缺乏的平滑量,所述方法提供了灵活的参数控制。效率上,所述方法有着线性时间复杂度。实验结果表明,所述方法适用于各种计算摄影应用。（2）为改进结构保持滤波能力,将滤波任务建模为幂迭代软聚类问题,提出一种基于幂迭代软聚类的结构保持滤波。所述方法内核与扩散距离有关,使其易区分结构和纹理。算法包含两个迭代过程:前者通过幂迭代滤波输入来平滑纹理;后者执行联合软聚类滤波以恢复底层结构和阴影。所述方法计算效率高,每次迭代仅需线性时间。定性及定量实验皆证明了所述方法的先进性。（3）基于上述研究,设计且实现基于软聚类的边缘感知滤波图像处理系统。该原型系统嵌入了上述两种方法,根据指定参数,实时展示多种计算摄影应用。系统基础功能涵盖全面,验证了本文研究的理论意义与实用价值。