边缘检测技术在图像测量中占有重要的地位和作用，因为边缘检测是图像分割的核心内容，而图像分割又是从图像处理进入图像分析的关键步骤，也是图像理解的基础。所以边缘检测一直是图像测量技术研究中的热点和焦点，从而导致边缘检测的算法层出不穷。然而，在实际的应用开发中，我们发现现有的边缘检测算法对目标的检测和识别，多数达不到令人满意的结果。随着小波分析理论的不断研究和发展，其应用领域渐渐扩展到图像处理方面。 小波分析是继Fourier分析之后新的时频域分析工具。在图像处理领域，其应用包括图像生成、图像预处理、图像压缩与传输、图像配准、图像分析、特征提取与图像分类等图像处理的几乎所有阶段。本文对小波分析在图像测量技术中的应用进行了研究。 传统的边缘检测是基于一阶导数极大值或二阶导数零交叉的定义。这种定义对噪声非常敏感，因此边缘检测需要通过图像平滑在大尺度下进行。但是在大尺度下进行边缘检测的一个缺点是边缘位置容易发生偏移。这对于基于边缘特征的图像测量而言会造成误识别。由于小波分析具有良好的多尺度边缘检测性质，使得小波变换用于边缘检测的理论和应用都得到了极大的发展。