边缘检测作为一个低级视觉处理过程，一直以来都是图像处理与分析领域的研究热点。边缘检测算法的研究已经有几十年的历史，这期间出现了Roberts算子、Sobel算子、Kirsch算子、Log算子、Canny算子等经典的边缘检测方法。但由于红外图像通常存在噪声较大、目标与背景间灰度差较小、边缘模糊的特点，使得经典的边缘检测算法往往不能有效地提取出红外图像中的目标边缘。水平集方法是由Osher和Sethian提出的一种数值计算方法，它将二维(三维)的闭合曲线(曲面)的演化问题转化为高维空间中水平集函数曲面演化的隐含方式来求解，具有拓扑结构可自然变化、计算精度高、算法稳定的特点。水平集方法以其独特的计算方式，具备了经典边缘检测算法所没有的许多优秀特性，因而在边缘检测领域中受到越来越多的关注。本文主要讨论水平集方法在红外图像边缘检测中的应用，论文的研究内容和创新之处如下：1．详细介绍了水平集方法的原理及其相关数值计算方法，总结经典图像边缘检测算法和水平集方法的检测特点，指出利用水平集方法检测模糊图像的优越性。2．通过分析红外图像的特点和两类水平集控制方程的构造特点及其优缺点，指出需要利用基于Mumford-Shah模型的水平集方法来检测红外图像。3．详细分析了两类红外图像(电路板红外图像、陶瓷杯红外图像)的灰度分布特点；深入剖析了C-V模型在对这两类红外图像进行检测时遇到困难的原因。4．针对电路板红外图像和陶瓷杯红外图像提出了背景同质化Mumford-Shah模型和目标同质化Mumford-Shah模型，并详细阐述了两种模型中背景(目标)同质化的原理、目标边缘保持操作、已检测区域和待检测区域的选取、模型的停止准则、加速策略、算法中参数的选取。通过仿真实验并将其与C-V模型和经典边缘检测算法进行比较，证明了两种模型的有效性和优越性。