图像的边缘是图像的基本特征,携带了图像的大部分信息。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础,是计算机视觉和图像测量重要的研究课题之一。如何快速、准确的对图像进行边缘检测是图像处理领域长久以来的研究热点。本论文的课题来源于基金项目“基于生物视场模型的自动目标识别算法研究及仿真”。论文首先对图像边缘的分类进行了详细的论述,进而分析了图像边缘检测最基本的方法以及一些经典的边缘检测算子,研究了这些算子的原理和推导过程,并逐一进行实验,比较了这些算子边缘检测的效果。在此基础之上,论文着重对高斯-拉普拉斯(LOG)边缘检测算子进行了研究,经过数学推导和引入视觉原理,即结合生物视场各向异性感受野模型的改进、Gabor旋转因子及弹性感受野等三种不同事物,以生物视觉的同时对比现象为判据,推导出了一种更加符合人眼视觉心理的边缘检测算法的数学模型,对各向同性的LOG边缘检测算子引入了尺度量和角度量信息,使之能够对不同角度方向的边缘更加有效的进行检测。扩展后的LOG边缘检测算子,不仅增强了其边缘检测算法功能,而且保留了经典LOG算子原有的优点,具有较好的图像边缘提取性能。通过实验也验证了改进后的感受野模型不仅相对于传统的各向同性感受野模型更加符合人眼的视觉心理学,而且其边缘检测效果也明显优于传统的同方向各向异性边缘检测算子。