图像作为人类感受与认识世界主要方法,与我们的生活密切相关。而提取图像中关键有用信息进而协助人类研究才是图像本身的价值所在,所以数字图像处理技术便成了计算机领域一个关键技术,这其中,边缘提取与检测也是最为基础步骤,其对后续的深入的工作如模式识别和匹配等也都有着极为关键的作用。目前已经有许多边缘检测的方法,本文主要对于自然图像以及医学冠状动脉CT图像的边缘检测方法做进一步探究。首先讲述了有关边界检测以及医学图像的研究背景与意义,并简单概括国内外的包括边界检测技术与CT技术在内的研究现状。然后探究了几种经典的边界检测策略,并在自然图像上实验比对,基于实验结果分析这几种检测策略的优缺点。然后介绍了蚁群算法的基本原理以及针对旅行商问题的数学模型,分析了经典蚁群算法的优劣,并介绍了基于蚁群算法的边界检测算法的原理,对基本的蚁群算法容易获取到不连续边界而且较难探索到图像的较弱边缘的问题提出了改进措施,对原始图像使用Otsu算法作预处理,并且增加了信息素异步更新方式以防止过早陷入停滞。同样我们在自然图像的检测结果上进行分析和比对。最后针对冠状动脉CT图像,由于医学图像更容易受到噪声干扰,需要对原图像进行去噪预处理的操作,接下来针对蚂蚁随机初始化会使每次实验得到不同的结果,而且有在非边界区域内存放置过多蚂蚁降低准确率的问题,给出了基于梯度的蚂蚁个体分布方式,让初始化时,蚂蚁个体更多地分布在有边界的区域,提升蚁群算法的效率。同时修改了启发式矩阵的初始化方式,并增加了参数自适应更新以及修改了信息素更新策略,而且对每个路径上的信息素的阈值进行控制来防止过早陷入停滞从而发现更多弱边缘,然后对蚁群算法中的多个参数的取值分析以及在冠状动脉CT图像上进行实验对比和分析。