图像边缘检测是图像处理与分析中基础内容之一。边缘检测作为机器视觉的一个早期阶段，有很长的研究历史，但至今为止还没有得到圆满解决。比较经典的Canny、Sobel等算子，一直在实际中使用着；新理论、新方法近20多年来也不断涌现，如基于小波变换、DSC(DiscreteSingularConvdution)等方法。但是各种方法都有它的局限性，尤其是体现在准确定位和抑制噪声方面，两者很难同时达到最优。 　　现实生活中图像是带有噪声的，一般的边缘检测方法要先进行滤波，然后求梯度来确定边缘。本文在逯峰等的文章基础上进行，逯峰的方法没有进行去噪，Yang的方法运算量比较大。本文先对带噪图像利用保边缘的变分正则化方法抑制噪声，其中用更稳定的差分格式和变动的正则参数，去噪保边缘的效果更好；然后利用三次B样条良好的拟合性对抑制后的图像进行拟合；最后利用梯度计算得到图像的边缘图像，文中利用B样条函数的导数性质求图像的一阶和二阶导数，采用双阈值的方法来得到边缘图像。利用matlab上机试验速度快，比Yang的RCBS算法好。 　　本文还探索了对方法的评估问题，利用Yang的FCR模型略作改进，提出并建立自己的评估模型-ETR模型。在ETR模型上对本文算法、RCBS算法和Sobel算法进行比较，结果表明本文的算法更好。