همواره کاهش نویز از تصاویر دیجیتال یکی از دغدغه های حوزه ی پردازش تصویر بوده است. توجه اصلی بیشتر روشهایی که امروزه به وجود آمده اند روی حذف نویز گوسین حاصل از دوربین های ccd متمرکز شده است. فیلترها و الگوریتم های زیادی در این حوزه معرفی گردیده اند که در این رساله به بررسی روش های پیشرفته و اخیرا انتشار یافته از آنها پرداخته شده است. این روشها را عُمدنا می توان به دو نوع فازی و غیر فازی تقسیم بندی نمود. در حوزه ی فازی روش های محدودی برای حذف نویز گوسین ارائه شده است، این روش ها که از قوانین اما- اگر و پایگاه دانش برای هموارسازی تصویر استفاده می کنند برای حذف نویزهای ضربه ای کار آمدتر هستند. از طرف دیگر از جمله روش های غیر فازی جدیدی که برای حذف نویز گوسین مطرح گردیده اند می توان به روش پردازش پسماند (hp) اشاره کرد که به صورت دو روش هموار سازی پسماند محلی (lhs) و هموار سازی پسماند محلی تطبیقی(alhs) قابل ارائه می باشد. هدف از این رساله پیاده سازی این دو روش به صورت فازی با استفاده از عملگر دومبی به عنوان یک نُرم فازی بوده که در نواحی مرزی با روش های مدل شده مقایسه گردیده و به سمت نتایج آنها میل می کند. این پیاده سازی سبب به وجود آمدن دو روش جدید به نام های هموارسازی پسماند محلی فازی(flhs) و هموارسازی پسماند محلی تطبیقی فازی (falhs) گردیده است. در این دو روش، از یک پارامتر آزاد تحت عنوان ? جهت انعطاف پذیری فرایند در حذف نویز بهره گرفته شده است. نتایج روش های پیشنهادی با برخی از روش های فازی و غیر فازیِ موثر در حذف نویز، هم از نظر کمّی و هم به صورت کیفی مقایسه شده است.

تشخیص و ردیابی اشیاء در تصاویر ویدئویی، یکی از موضوعات مهم در پردازش تصویر و شناسایی الگو است. تفریق پس زمینه یکی از روش های آشکارسازی حرکت در تصاویر ویدئویی است که به دلیل ویژگی مقاوم تر بودن در برابر تغییرات محیطی، سادگی محاسبات و عملکرد مناسب در آشکارسازی بلادرنگ اشیاء متحرک، نسبت به سایر روش ها دارای کاربرد بیشتری است. در میان چالش های مختلفی که در فرآیند مدلسازی پس زمینه وجود دارد، مساله ی غلبه بر تغییرات روشنایی صحنه و مدلسازی پس زمینه های پویا از جمله مهم ترین مشکلات به شمار می روند. اگرچه الگوریتم های بسیاری برای مدلسازی پس زمینه ارائه شده اند، اما در همه ی آن ها فرض بر این است که صحنه ی پس زمینه، ساکن و با تغییراتی بسیار ناچیز همراه است. از این رو این در این پایان نامه، روشی برای مدلسازی پس زمینه های دارای بافت پویا، مبتنی بر استفاده از الگوهای بافت محلی و ترکیب آن با ویژگی رنگ پیکسل ها ارائه می گردد. به منظور استخراج بافت پویا، توصیفگر بافت جدیدی بر مبنای الگوی باینری محلی فازی ارائه شده است که در آن جهت لحاظ کردن همبستگی مقادیر پیکسل در طول فریم های متوالی، روش تعمیم مکانی- زمانی آن با خاصیت تقارن نسبت به پیکسل مرکزی پیشنهاد شده است. در توصیف ویژگی رنگ پیکسل ها از فضای رنگ بهبود یافته ی تمایل - اشباع - روشنی(ihls) استفاده شده است که در آن مولفه ی اشباع مستقل از روشنی تعریف شده است و این امر منجر به آشکارسازی سایه های متحرک می شود. همچنین عملکرد روش پیشنهادی با استفاده از معیار های کمی و کیفی با تعدادی از روش های مطرح مربوطه مقایسه شده است. نتایج آزمایشات موید آن است که روش پیشنهادی نسبت به سایر روش ها عملکرد مناسبی در مدلسازی پس زمینه های پویا دارد.