边缘检测作为图像处理领域中极其关键的一部分,成功应用于航空航天探测、工业监控生产、生物医疗科学等领域。边缘检测结果会直接影响后续其他图像处理结果,因此,如何提高边缘检测精度成为图像处理领域中的重要研究问题之一。传统边缘检测算法主要包括基于一阶微分和二阶微分算子的方法,这些方法虽然运算简单,便于实现,但在边缘检测过程中对噪声敏感,检测结果中存在误检、漏检、双边现象。因此,本文针对传统边缘检测方法中存在误检、漏检和双边的问题,提出一种基于多向分数阶微分的鲁棒Canny边缘检测方法。本文的主要工作和研究成果如下:1、考虑到传统边缘检测算法的检测结果中存在的误检、漏检和双边现象,本文首先在传统Canny算法的边缘检测模板的基础上,推导出了基于八方向分数阶微分算子的边缘检测模板。然后基于该模板提出了一种基于八方向分数阶微分算子的Canny边缘检测算法,最后通过对Lena和Cameramen图像的仿真实验,来验证本文所提出方法的有效性。2、针对基于八方向分数阶微分算子的Canny边缘检测方法的检测结果中出现断边的问题,本文提出了基于梯度矢量流(Gradient Vector Flow,GVF)Snake模型的边缘修复与重构方法,该方法以检测到边缘中的断边为对象,根据局部边缘结构,修复断边,提高本文所提Canny边缘检测方法的鲁棒性。3、为验证基于多向分数阶微分的鲁棒Canny边缘检测方法解决实际工程问题的有效性,本文将该方法应用到高温红热状态下的工件和硅单晶直径检测图像的边缘检测中,实验结果表明,该方法能够有效地检测出工件和硅单晶图像中的边缘,降低了边缘检测方法的误检率和漏检率。综上,本文首先推导出了一种八方向分数阶微分算子的边缘检测模板,用来提高图像的边缘检测精度;其次,结合GVF Snake模型算法,提出了一种基于多向分数阶微分的鲁棒Canny边缘检测方法,其中,多向即文中提到的八个方向;最后,通过对高温红热状态下的工件图像和硅单晶图像进行边缘检测验证了本文算法的有效性。