边缘是图像最基本也是最重要的特征之一,同时也是边缘检测、图像分割、模式识别和计算机视觉所依赖的重要特征。边缘检测是图像处理和图像分析的关键步骤,其检测结果的好坏将直接影响到后续工作的准确性和复杂度。因此,边缘检测是图像处理、图像分析、模式识别和计算机视觉最经典的研究课题之一,也一直是图像处理领域经久不衰的热点和焦点。
　　本文的主要研究内容和工作有如下几个方面:
　　一、介绍了边缘检测技术的研究背景、意义及重要性和研究现状,详细阐述了边缘检测另一研究重点——算法性能评价分析,并对几种经典的边缘检测算子以及最新应用于边缘检测技术的新理论、新思想和新方法进行了简要说明。
　　二、根据灰色关联度能够反映图像边缘点相邻象素点处灰度值发生剧烈变化这一特点,本文创新地提出了灰色关联度与Prewitt算子相结合的边缘检测方法。随着对关联度的深入研究,本文又提出了一种把加权绝对关联度应用于边缘检测的新方法,并将两种新算法与经典的算法做了分析和比较。仿真结果表明,新算法能够较为准确地检测出有用的边缘信息,是一种有效的、可行的边缘检测新方法。
　　三、根据图像边缘点的梯度值比非边缘点的梯度值高,人工鱼逐渐向梯度值较高的边缘点汇聚,从而提取出图像边缘的原理。本人和他人共同研究提出了一种基于人工鱼群算法的边缘检测方法。在此研究成果的基础上,本文又对人工鱼群算法进行了改进,创新地提出了基于人工鱼群算法和内点罚函数法相结合的边缘检测方法。实验结果表明,该算法高效稳健,便于实现,是一种较好的边缘检测方法。