در روش ارائه شده ابتدا یک سیستم فازی با مجموعه ای از قوانین فازی ساده به شناسایی پیکسل های نویزی می پردازد تا عملیات فیلترینگ فقط برای پیکسل های نویزی شناسایی شده انجام شود و نسبت سیگنال به نویز تصویر فیلتر شده در حد مطلوبی باقی بماند. در این قسمت با محاسبه توان سیگنال به نویز اثبات می شود که سیستم فازی ارائه شده در مقایسه با روش هایی که قبلاً ارائه شده است عملکرد بهتری داشته است. در این رساله از بهینه یابی کلونی مورچگان به صورت هدایت شده برای لبه یابی استفاده می شود. بدین ترتیب که برای پیکسل هایی که با احتمال بیشتری می توانند جزء پیکسل های لبه باشند میزان فرمون اولیه بیشتری در نظر گرفته می شود تا حرکت مورچه ها با سرعت بیشتری به سمت پیکسل های لبه هدایت شود. عامل دیگری که برای جهت بخشیدن به حرکت مورچه ها در نظر گرفته شده است تعریف اطلاعات ابتکاری به گونه ای است که حرکت هر مورچه با تغییر شدت روشنایی محلی در هر پیکسل متناسب باشد. تأثیر اطلاعات ابتکاری در حرکت مورچه ها با یک تابع نمایی منظور شده است. پس از اتمام حرکت مورچه ها یک ماتریس فرمون نهایی خواهیم داشت که با یک آستانه می توان اطلاعات لبه را از آن استخراج نمود و در این رساله از یک روش آستانه گذاری هوشمند استفاده شده است که با بهره گیری از شبکه های عصبی اجرایی گردیده است. در این پایان نامه اثبات می شود که روش ارائه شده هم در شرایط نویزی و هم در شرایطی که نویز وجود ندارد پاسخ های قابل قبولی دارد و در قیاس با دیگر روش ها، لبه های بیشتری را با کیفیت بهتری استخراج می کند.