边缘检测是计算机视觉、图像模式识别等领域中最基本的问题之一,它的实质就是利用某一算法检测出目标与背景间或目标与目标间的分界线。边缘检测在人类生活和工程应用中具有重要的作用,对它的研究也有着很重要的实用价值。主动轮廓模型是一种新型的图像分割和目标检测的方法,它综合高层的目标先验知识和底层的图像信息,实现由上而下的图像边缘检测。通过它进行图像边缘检测既快捷又有效。它本质上是一条具有能量的曲线,在外部能量和内部能量的共同作用下,通过最小化能量函数不断向目标靠近,最终停留在目标边缘处。本文首先对边缘检测的目的意义和发展现状进行了综述,然后介绍了边缘检测原理及其主要的边缘检测算法,并重点介绍了主动轮廓模型的概念以及它的算法流程。通过分析可知,传统的主动轮廓模型主要存在两个难点,一是捕捉区域小,初始轮廓敏感;二是轮廓曲线很难深入凹陷区域。针对这两问题,存在一系列改进模型,这些改进模型具有各自的优缺点。首先结合距离模型和GVF模型的优点,提出一种快速边缘检测算法。先采用距离模型快速逼近目标边缘轮廓,设计判别条件,判断逼近程度;当判断已经收敛到目标轮廓处时,利用GVF模型继续收敛,深入目标轮廓的凹陷区域。实验结果表明改进模型具有捕获区域大,收敛速度快以及能深入凹陷区域,提取出完整边缘轮廓的特点。针对GVF模型对多目标图像进行边缘检测时,会产生伪边缘的现象,提出了一种多目标边缘检测算法。该算法首先利用GVF模型对整个目标区域进行边缘检测,由于目标间存在滞止点区域,边缘检测的结果中将包含伪边缘。针对这些伪边缘进行分析并设置新的初始轮廓线,再次利用GVF模型进行目标边缘检测,并进行判断。将分别检测到的真实边缘首尾相连,去除伪边缘,可进行多次判断是否存在伪边缘,直至得到完整的多目标边缘。实验结果表明,该改进算法可以实现多目标图像的边缘检测,且易于实现。