边缘信息是数字图像的基本特征,它能够清晰地勾勒出对象的轮廓及纹理,而且传递了图像的大部分重要信息,对人类视觉感知具有特殊意义。边缘检测技术一直是数字图像处理中的研究热点,被广泛应用于车牌识别、智能交通、遥感、测绘等众多领域。近年来,大量研究者针对彩色图像边缘检测展开研究工作,并取得了一定的研究成果,但在如何高效、精确地提取弱边缘,提高抗噪性能等方面还有待进一步探索。本文以国家自然科学基金项目(61502219)为背景,对彩色图像边缘检测相关问题进行研究。本文主要研究内容包括:1.针对现有颜色分量输出融合方法未能较好权衡抗噪性能与边缘检测精度的问题,提出一种基于鲁棒主成分分析的模糊边缘检测算法。该算法在含噪彩色图像的三个通道分别应用鲁棒主成分分析模型得到相应的低秩图像,再以改进的图像模糊边缘检测算法实现对低秩图像的边缘检测,可在去噪的同时保持较高的边缘检测精度。2.针对输出融合方法中颜色分量间相关性引起的部分边缘信息丢失问题,提出一种在低通道相关性颜色空间下的边缘检测算法。该算法采用小波和主成分分析方法构造自适应颜色空间,并在该空间下应用提出的图像模糊边缘检测算法,提升了图像边缘的完整性和准确性。3.针对矢量方法中对低对比度区域的边缘提取效果不佳、所得边缘比较粗大等问题,将四元数引入最小核值相似区算子中,提出一种RGB空间下的基于四元数的改进型最小核值相似区边缘检测算法。实验结果表明,该算法所得边缘信息比较完整、细致,且在提高边缘定位精度的同时未增加算法的复杂度。