边缘检测是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是数字图像处理的重要研究课题之一。随着数学和人工智能技术的发展，各种类型的算法不断涌现，但每种方法都尚有不足之处，一般的边缘检测方法是基于幅值信息的，容易受到光照、噪声和对比度变化的影响。　　幅值仅仅表示图像的强度，而相位表示图像的结构信息，因此，可以更好地提取图像的边缘特征。近几年，随着相位的重要性慢慢被重视起来，已经有学者对相位信息进行研究并应用到图像处理中，也取得了较好的效果，最具代表性的是相位一致性算法以及相对相位，本文将幅值信息和相位信息相结合进行边缘检测，进行了如下研究：　　(1)基于相位一致性的边缘检测算法研究　　传统的相位一致性检测算法对特征定位准确，并且不易受到光照和对比度变化的影响。其对一维信号的处理已经比较突出，而对于二维信息的处理，由于未能充分利用多尺度多方向的信息、以及在非边缘处相位一致性仍具有较大的值，使得检测结果对比度不明显，伪边缘较多。因此，在这个基础上，本文提出出了对子图像信息加权处理的方法来改善其不足之处、首先利用小波变换分解图像，其次使用权值函数对多分辨率图像加权处理，然后利用噪声补偿的方法抑制噪声的影响，再将最大尺度的权值作为方向频率扩展加权函数，进一步抑制非边缘区域；最后得到相位一致性边缘检测结果。仿真实验表明，该算法在保留图像特征的同时可以去除大量伪边缘，增大对比度。　　(2)基于局部相对相位的边缘检测算法研究　　相对相位是图像相邻位置点的相位差，具有相位一致性的优点，同时对噪声的鲁棒性更突出，并且在子图像中与边缘呈线性关系，因此，本文提出了利用相对相位进行边缘检测的方法。首先利用双树复小波变换对图像进行多级分解，然后对每个高频子带进行预处理后提取相对相位，再利用相对相位与边缘的关系进行子带边缘提取，重构图像后，使用双阈值方法进行链接边缘及二值化，细化后得到边缘图像。仿真实验表明，该算法的噪声鲁棒性更好，定位更加准确，能够提取更多的细节信息。