图像的边缘携带了图像的大部分信息,它包含了图像的基本特征。边缘检测是图像处理和模式识别的重要方法,如图像分割和自动目标识别等。它是图像处理研究领域的重要课题之一。边缘检测的传统方法一般仅给予边缘邻域的一阶或二阶导数特征。本文提出了梯度参数自学习技术,它克服了经典边缘检测算子抗噪性能欠佳,提取边缘不够准确等缺点,提高了边缘检测算子的抗噪性能,能更准确地检测出带噪图像的边缘,从而提高算法的实用性。此外,通过统计参数自学习的方法,针对大量的图像,自适应构造边缘检测的阀值,能尽可能检测出图像的真实边缘,减少或避免伪边缘。完成边缘点的检测后,为了得到能够表现物体基元的边缘链,我们需要进行边缘连接的工作——将边缘点连接成有意义的直线或曲线段,得到物体外部的闭合轮廓,进行图像分割。针对经典边缘连接方法定位边缘不准,适用范围窄等缺点,本文提出了基于模糊判决的图像边缘连接方法并给出了边缘连接搜索的停止原则,并将其应用到图像边缘检测连接中。通过理论分析及仿真结果证明,本文提出的梯度参数自学习统计的方法和基于模糊判决的边缘连接方法能够有效地提取边缘点进行边缘连接,能够在保持原有图像不失真的情况下,较大地提高图像边界的连通性,为光电跟踪器和成像雷达的目标检测、跟踪和识别等提供良好的基础。因而,这里所研究的技术具有较高的实际应用价值。