图像的边缘检测是图像处理中的一个关键环节,经典的边缘检测算法都有不同程度的局限性。找到与图像中目标的实际边界线相对应的真实边缘,一直是图像处理领域的研究热点。遗传算法是借鉴生物界的自然选择和自然遗传机制的随机化搜索算法,最早于1975年由J.Holland提出,是一种全局优化搜索算法,具有简单、通用、鲁棒性强、适于并行处理等特性。如何将遗传算法应用到图像的边缘检测中来,人们进行了大量研究,但是这些研究大部分以经典边缘检测算法为基础展开的。本文以经典的边缘检测算法为基础,对基于比较费用函数的边缘检测方法展开研究,采取一种新的编码方案将遗传算法应用到图像边缘检测中来,结合遗传算法和禁忌搜索算法各自优点提出了一种新的遗传禁忌混合算法,并将该算法应用于图像边缘检测。仿真测试实验结果表明,新的算法检测效果良好,稳定性高,抗噪性能优。本论文的主要研究内容如下:首先,对经典边缘检测算法原理进行介绍分析,指出了每种检测算法的优缺点及改进方法措施,给出了几种经典边缘检测算法的实际检测效果,并对检测结果进行比较分析。针对经典算法的不足,详细介绍了基于比较费用函数的图像边缘检测方法,提出了一种改进的迭代算法实现图像的边缘检测,对迭代算法和实验检测结果进行分析,将检测效果与经典检测算法的检测效果进行比较,新的检测方法检测效果良好。在基于比较费用函数的图像边缘检测方法基础上,利用标准遗传算法优化费用函数从而实现图像的边缘检测,提出了一种新的染色体编码方案,即以二维布尔矩阵作为染色体,每个染色体代表一种可能的边缘图像候选解,该编码方案无需解码就可直接计算各个体的适应度值,实验结果显示能检测到较满意的边缘图像。最后,针对标准遗传算法易于早熟的特点,研究了一种新的基于禁忌搜索和遗传算法相结合的遗传禁忌混合算法,有效地克服了标准遗传算法的早熟现象,收敛速度较快,将该算法应用于不同类型的图像进行测试,实验结果表明该算法能检测多种类型图像,边缘检测效果明显提高且具有较强的抗噪声能力。