边缘检测是图像处理、计算机视觉、模式识别的一个关键问题,它是人们一直关注的热点。在过去的几十年里,已经有许多边缘检测算法和评价方法被提出,但目前尚未有一种普适的检测算法,也没有一种广为接受的评价方法,因此对边缘检测算法和评价方法进行研究具有重要的意义。本文围绕边缘检测和检测结果评价这两方面展开研究,主要贡献如下:1.提出了边缘连续性的数值评价指标。首先根据边缘尺度和距离度量边缘像素对边缘段连续性的贡献,接着构造一个单调增函数来计算每一段边缘的连续性指标,并以它们的加权均值作为边缘图像的连续性指标。横向和纵向的对比实验结果表明本文指标能客观地评价边缘图像的连续性,为边缘图像评价打下了基础。2.提出了一种边缘重构图像方法。该方法从多个角度搜索重构源集,以源集到待重构像素的心理距离进行加权插值重构新像素。与已有的边缘重构图像方法相比,该方法能有效地消除区间失真和伪边缘出现的情况,使得重构图像与源图像具有更高的相似度。3.以重构相似度、置信度和连续性指标为基础,提出了一种无监督的边缘检测效果的评价方法。其中重构相似度衡量边缘的完整性和定位准确性,置信度反映真假边缘像素的比例,连续性指标度量边缘的连续程度。实验结果表明该方法能有效地评价边缘的质量,符合人们的直观评价。4.从利用边缘像素空间关系和抑制伪边缘的角度出发,提出了一种单阈值自动设定方法。该方法首先按候选阈值降序依次生成边缘图像,接着计算它们的连续性指标和连续边缘段数量,以右侧出现边缘段剧增的连续性指标极大值点所对应的候选阈值为选定的阈值。与Otsu、Rosin和Medina阈值设定方法相比,本文方法具有更好的稳定性和可靠性。5.提出了一种以滞后连接和预测搜索相结合的边缘检测方法。该方法根据像素梯度变化连接连续边缘,同时根据像素的局部信息预测搜索间断弱边缘,使得算法能越过间断点检测出断裂的边缘段。与传统滞后连接方法相比,该方法不仅降低了对阈值的依赖,而且能够在检测出弱的有意义边缘的同时抑制具有同等梯度值的无意义边缘。