在图像放大问题的研究中，边缘的清晰程度往往成为判断图像放大质量的重要依据。本文将图像放大过程分为边缘图像插值放大和内部图像插值放大两个部分，重点研究边缘图像插值放大问题，其中边缘图像插值放大问题主要包括亚像素边缘检测和图像插值算法两个子问题，以上述两个子问题作为研究主线，改进算法，最后通过软件对算法进行实现。本文首先以整数级边缘检测算子作为研究对象，明晰经典检测算子的数学形式和检测原理，对不同算子进行仿真实验，在对比其检测效果图和算法优缺点的基础上，选择了Canny边缘检测算子作为本文图像边缘检测的算子。针对Canny算子参数固定的局限性，对高斯滤波器变换特性进行改进，使高斯滤波器的空间尺度因子可以随图像变化自适应改变，并依据滤波信息频率随空间尺度因子正比增大的原理，分别针对不同种类图像信息验证改进算法的可行性。对原始图像进行灰度均值化、椒盐噪声等特殊处理，提高边缘检测的难度，以此进一步证明改进自适应Canny检测算子的优越性。通过Matlab实验，改进Canny算子能够有效地保证边缘检测的精准性和虚假边缘的剔除性，结果较传统检测方法细致全面，能够准确描述图像细化信息；对图像加入随机噪声和椒盐噪声干扰，对比结果表明，改进Canny算子能够有效地分辨高频噪声和边缘，在保证边缘完整性的前提下，减少伪边缘。通过比对改进前后检测结果，证明本文提出的改进Canny算子检测边缘的准确性和具有虚假边缘剔除能力。在整数级边缘粗检测的基础上，着力研究亚像素边缘检测的原理，将亚像素边缘检测分为亚像素边缘定位和亚像素灰度计算两部分。学习拟合法亚像素边缘定位的基本原理，分析比较各种拟合算法的精确度和复杂度，选择曲线拟合法进行亚像素级边缘定位，针对二次曲线拟合过程中边缘确定方法未区分相异方向边缘的局限性，提出改进的最小值法和加权法，以期改善原方法的局限。选择曲面拟合像素分割算法，对像素进行分割，结合曲线拟合定位中对边缘方向的选择，确定亚像素灰度。建立图像分割质量评价体系，针对传统均方误差的上述不足和曲面拟合亚像素分割算法的特点以及图像分割的特点，本文提出了分级加权均方误差评价指标的概念，对于同一整数像素分割得到的不同位置亚像素灰度，计算均方误差时依据整数像素分割级别赋予不同权重，以此提高均方误差的精度，从而完成高质量的图像分析，评价图像分割质量。综合亚像素边缘定位和灰度计算方法，提出了一种基于曲线拟合和曲面分割位置灰度多向结合的亚像素边缘检测算法，并将其应用于本文的图像放大算法中。针对某一图像插值放大可以分解为内部图像插值放大和边缘图像插值放大。本文在介绍多种传统插值算法(包括线性插值算法和非线性插值算法)的基础上，对图像信息进行分类，依据内部图像低频平滑性，选择双线性算法对内部像素点进行插值放大。由于本文同时精确了边缘的亚像素位置和亚像素灰度，不宜采用以整数灰度值作为计算模板的传统亚像素边缘检测算法；本文设计基于误差反向传播神经网络的计算模型作为边缘亚像素灰度提取的函数逼近方法，定义低分辨率单位元，用已检测出的亚像素边缘点作为训练数据，通过反向传播学习算法自适应地调整权值，实现边缘函数逼近。建立图像放大质量评价体系，从主观视觉感受和客观数据分析两方面评价图像放大质量，对本文提出的图像放大算法进行仿真实验，计算放大后图像的平均梯度值，试验结果表明，相对传统的图像放大算法，本文提出的算法锯齿现象明显减弱，边缘更加清晰，放大效果较好。从主观和客观两方面验证算法的正确性。本文借助Visual C++6.0开发环境通过原始图像加载、整数像素边缘检测、亚像素边缘检测、图像插值放大和图像保存等过程实现本文提出的基于亚像素边缘检测的图像放大算法，最后通过软件界面予以展示。