随着现代信息采集技术的高度发展，数字图像处理在视觉技术、航天科技、工业生产、医学技术、军事技术、高能物理和天气预报等研究领域都展示了他强有力的应用价值。因此，数字图像处理在国民经济中占据着重要地位，所以图像处理已成为计算机应用领域内的研究热点之一。作为数字图像处理领域内的一个非常重要分支，图像边缘检测是图像分析里面的最常见的最实用的方法之一。从上世纪50年代开始，随着数学、信号处理以及计算机技术等发展到相当的水平，数字图像处理逐渐地引起了数学、信号处理、计算机方面等的学者的广泛关注和研究，对数字图像边缘特征提取的研究上，许多学者也提出了很多改进的方法与突破创新的观点。本文针对传统的边缘特征提取方法的特点。通过对数字图像边缘的特征，以及边缘检测的流程的分析，在此基础上，结合不同算法各自的优点对数字图像边缘自动提取和边缘精确定位提出两种改进算法。首先是针对传统边缘检测方法中门限值设定问题，提出基于细菌觅食优化算法（Bacteria Foraging OptimizationAlgorithm，BFOA）的自适应边缘检测算法，该算法结合细菌觅食优化算法和Ostu算法的优势，自适应地搜索阈值和检测边缘；其次是针对传统边缘检测算法中将非边缘点视作边缘点检测引起图像边缘变粗的不足，提出基于数学形态学细化算法（Mathematical Morphology RefiningAlgorithm，MMRA）的边缘特征提取算法，该算法利用数学形态学细化算法的对称性，消除伪边缘对图像边缘提取的影响。本文主要做了以下几方面的工作：(1)介绍目前国内外数字图像处理研究现状，以及图像边缘特征。分析传统边缘检测算法中存在的不足，融合细菌觅食优化算法（BFOA）、数学形态学细化算法（MMRA）等算法的优点提出本文的创新点，使之应用与数字图像边缘检测之中。(2)使用最大类间方差算法（Otsu Algorithm）作为适应度函数，充分利用细菌觅食优化算法（BFOA）全局寻优的能力自适应地搜索最佳边缘分割阈值，并使之结合Sobel算法（BFOA-SobelAlgorithm）用于数字图像边缘分割。仿真的实验结果表明该算法取得了良好的图像边缘检测效果，且提高了最佳阈值地搜索速度。(3)分析图像边缘检测中出现的伪边缘象素点的产生原因，利用数学形态学细化算法，对伪边缘点进行骨架抽取，以达到边缘精炼细化的作用。并使之结合Sobel算法（MMRA-Sobel Algorithm）应用于数字图像边缘检测。实验证明本算法在保持原有图像边缘特征的情况下取得了令人满意的结果。(4)在（2）与在（3）的研究基础上，针对他们在边缘检测中出现的弊端进行进一步探索研究。