边缘检测是计算机视觉的重点和难点之一，它不仅需要正确的检测边缘还需要准确的分类边缘。通过理论分析和实验结果表明，已有的彩色图像边缘检测算法容易丢失低对比度区域边缘，对颜色的信息利用不足，本文旨在寻求以上问题的解决方法，提供适合彩色图像边缘检测的算法。彩色边缘检测的本质是颜色差分的定义和计算问题。本文探讨了如何综合利用信息熵和神经网络来对彩色图像进行边缘检测。针对颜色差分大小和方向很难定义的问题，提出了基于特征向量和区域一致性测度的用于描述图像边缘特征的方法。针对如何将得到图像信息量测度的数据应用到边缘检测中的问题，提出了利用神经网络对彩色图像进行边缘检测的方法。具体内容下：本文首先综述了当前边缘检测的典型算法，重点研究了彩色图像的检测方法，介绍了颜色空间、神经网络等基础知识。在RGB颜色空间和HIS颜色空间的基础上，提出了综合利用颜色空间各个颜色分量的测度图像信息量的方法，针对不同的颜色空间，计算出对应的色差分量，通过引入模糊熵，构造出一组基于模糊熵的信息测度分量来定量描述图像的边缘特征。同时成功的将该方法应用到描述彩色图像的边缘特征的方法中。该方法综合利用了各个颜色空间的各个颜色分量，尤其是合理地使用了各颜色分量之间的相关性，而不是等比例地使用各颜色分量。在得到可以描述图像边缘特征的信息测度分量的基础上，利用BP神经网络对彩色图像进行边缘检测。通过利用训练样本获取信息测度分量，并组成一个整体的特征向量对BP神经网络训练，然后将训练后的BP网络直接用于边缘检测。边缘检测性能优劣的评价可以分为主观评价和客观评价。本文分别使用主观评价和客观评价的方法对新提出的彩色图像边缘检测算法进行了检测。采用主观评价方法观察处理后得到的效果图像，实验结果表明此方法能够更完整的保留原彩色图像的轮廓。客观评价方法通过对缘连通度和抗噪性能进行分析，结果发现新方法明显的优于其他的边缘检测算法。本文将模糊熵和BP神经网络用于彩色图像边缘检测，取得了较好的实验结果，丰富了彩色图像边缘检测的方法。下一步将探索其他的信息熵和其他的神经网络在彩色图像边缘检测方面的可能结果，分析各种信息熵在不同的神经网络中进行边缘检测的作用，获得不同类彩色图像最适宜的用于边缘检测的信息熵，减少彩色图像边缘检测在算法选择上的盲目性和随意性。