边缘检测是图像处理中的一个重要应用领域,经常作为图像分析的基本步骤,为后续特征提取与分类决策提供很多帮助。由于现有的边缘检测技术难以同时满足精度和抗噪性能的要求,并且传统的单一尺度算子无法同时正确高效地检测所有边缘,因此本文根据人工黏菌群算法分别对边缘检测最优阈值和图像真实边缘点进行查找,从两方面实现图像边缘检测。人工黏菌群算法是近年来兴起的,一种通过模拟黏菌营养阶段群体觅食行为的群智能算法,该算法具有并行性、正负反馈性、强鲁棒性和收敛迅速等特点。针对现有的边缘检测方法效率低、抗噪性能不佳等缺陷,本文创新性地将人工黏菌群算法应用于图像边缘检测中,大幅度提高检测效率、检测精确度及抗噪性能。虽然该算法已经由学者应用到其他领域,但应用到图像边缘检测还是首次。本文主要研究内容:（1）提出一种基于人工黏菌群在边缘检测阈值确定中的算法。该算法主要利用人工黏菌群算法与梯度阈值Otsu结合实现图像边缘检测。建立一个寻找最优阈值的人工黏菌群算法模型,将目标图像转化为梯度图像,将各个像素点的梯度作为可能的最优分割阈值,以梯度方差函数作为适应度函数。黏菌随机分布在可能的阈值上,通过每次迭代的适应度函数值的排序来确定黏菌的权重,并用于更新下一次的黏菌随机搜索的位置,以此寻找适应度函数最大值,进而求得对应的最佳阈值。与传统Otsu相比,本文所提出的人工黏菌群阈值查找算法能够更快地寻找到最佳阈值。对比其他智能算法,黏菌群算法具有更短的收敛时间、更快的收敛速度。（2）提出一种基于人工黏菌群的边缘检测算法。建立一个基于人工黏菌群的图像边缘检测模型,首先对图像进行预处理,通过双边滤波降噪的同时最大程度地保存边缘信息,其次通过Canny算子的原理提取像素点梯度幅值信息和方向信息,进一步结合方向信息进行非极大值抑制,然后将黏菌群随机散落在像素坐标中,通过Otsu设置高、低阈值判断边缘点,黏菌群寻找到的边缘点信息用于更新下一次黏菌位置,通过迭代实现图像边缘检测。实验结果表明,该算法检测精确度高,综合效果好。