边缘是图像中重要的特征之一,边缘检测是计算机视觉、模式识别等的基础。然而,边缘检测又是图像处理中一个困难的问题,因为实际景物图像中的边缘往往是各种类型的边缘以及它们模糊化后结果的组合,实际图像信号存在着噪声。噪声和边缘一样都属于高频信号,很难用频带来做取舍。凡是传统使用Fourier分析的方法,都可以用小波分析来替换。小波变换具有数学显微镜的特征,是对传统Fourier的挑战。在图像处理方面,小波变换是尺度可随图像局部区域特征的不同进行自适应调整,并在这些尺度上检测的一种图像算法。基于小波变换的多尺度边缘提取算法,有效地弥补了传统的边缘检测算法的不足,在有效地抑制噪声的同时,提供了较高的边缘定位精度。对图像边缘提取的研究还在不断深入之中,是目前图像处理中研究的热点之一。这篇论文讨论的是图像边缘检测问题,本文提出了基于小波变换和图像融合的一种改进的边缘检测方法。该方法利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测;再采用局部区域方差准则把高频和低频边缘在小波域进行融合。实验表明,该方法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测功能。