边缘是图像的最基本特征之一,它包含了图像的大部分信息。图像边缘检测是图像处理中最基础的问题之一,也是一个热门研究方向,在工程、军事、医学等方面都有广泛的应用。很多学者进行了深入的研究,做了大量的工作,也取得了一定的研究成果。到目前为止,已提出许多图像边缘检测算法,但由于实际图像往往不同程度的含有噪声,噪声和边缘在空间域上都表现为灰度值比较大的变化,在频域上都是高频分量,这使得两者很难清楚区分,给边缘检测带来了难度。边缘检测是至今没有得到圆满解决的经典技术之一。小波分析是在Fourier分析的基础上发展起来的新的时频域分析工具。利用小波分析的良好的时频局部化特征和天然的多尺度特性,来检测和分析信号的奇异性,得到很好的效果。使用小波多尺度边缘检测可以比传统的算法更好的检测出图像的边缘,能够滤除大部分噪声,具有较强的抑制噪声能力。本文首先对边缘检测理论简单介绍,介绍了它的研究方式、现状及应用。其次研究了小波分析基本理论,为后面小波边缘检测奠定了理论基础。对经典的边缘检测算子进行详细的理论分析和MATLAB仿真实验,通过比较仿真结果,分析了他们的优缺点。再次,论述了小波边缘检测算法原理,并用MATLAB进行了仿真实验,用小波多尺度特性展示了在各个尺度上的图像边缘检测结果,分析了小波多尺度边缘检测算法的特点。最后,针对小波边缘检测算法存在的问题,提出了B样条小波边缘检测改进算法,选用3阶B样条小波函数,采用小波局部模极大值多尺度方法进行边缘检测。通过分块自适应方法选取阈值,设置链长阈值进一步删除短链。用传统的Canny算法和小波边缘检测改进算法对含有不同噪声的图像和含有不同细节的图像进行大量的仿真实验,从检测结果和实验数据两方面验证了小波边缘检测改进算法能滤除大部分噪声,具有较好的抑制噪声能力,能有效的检测出图像的边缘,误检率较低,本文算法能在边缘定位精度和噪声抑制之间达到一个较好的平衡,优于传统的Canny算法。同时也指出本文算法的局限性,对含有大量噪声的图像和含有大量细节的图像的检测效果不理想,对这两类图像本文算法不适用。总的来说,本文算法要优于传统的Canny算法,是一种有效的边缘检测算法。