首先，介绍了数字图像处理的概念及其应用领域、边缘检测研究的背景意义，历史现状，以及边缘检测的一些基本概念。 然后，分别介绍了经典的图像边缘检测算子，如Robert算子、Sobel算子、Prewitt算子等，并通过理论分析和仿真计算比较了他们各自的优缺点及适用性。接着概述了几种新的边缘检测方法，如小波理论、数学形态学、模糊理论等。在本文的第四章里，讨论了基于线性滤波技术的边缘检测算法：Marr-Hildreth方法和Canny算法。 最后，提出了一种基于各向异性扩散方程的Canny边缘检测算法。Canny边缘检测算法由于使用高斯滤波对图像进行平滑，往往使得算法的信噪比和定位精度下降，从而产生一些虚假边缘，使角点变圆。针对Canny算法所出现的问题，运用各向异性扩散方程代替高斯滤波，并对扩散后的图像做图像增强。实验结果表明，改进后的算法有效地提高了边缘检测的准确性，得到了比较理想的边缘检测效果。

多种图像边缘检测与分割处理

资源包括结构化随机森林的模型权重文件与基于opencv的实现代码 基于论文：Fast Edge Detection Using Structured Forests.

一种基于小波变化的图像边缘检测matlab程序

基于小波变换的多尺度图像边缘检测能够更好的抑制噪声，尺度融合使边缘结构更加清晰。

本文以数字图像为载体，研究红外图像的边缘检测技术，并进行红外图像目标边缘检测和提取的应用。针对红外图像的边缘检测，不仅需要对采集到的图像进行预处理，而且要针对特定的目的进行具体的应用程序开发。为了提高程序的运行效率，使检测结果更具实时性和鲁棒性，本课题在Windows 操作系统上借助Visual Studio以及MATLAB进行数字图像处理的处理和相关的理论知识研究，大大提高了工作效率。 首先介绍了相关的实验平台，然后研究数字图像处理的核心方法，包括图像的获取、颜色空间变换、线性和非线性变换以及边缘检测等，包括了Sobel算子、Prewitt算子和Robert算子，以及Log算子和Canny算子；最后重点展示了红外图像边缘增强效果和边缘检测效果，并通过对比实验，得到本文中较好的检测方法。

采用五种边缘检测算子对数字图像开展了检测，并进行了比较与分析 . 探究了阈值对图像边缘效果的影响 . 分析了不同算法在边缘的完整性、连续性、对噪声的敏感性等方面表现出的不一样的特性 .

根据边缘检测算子设计了五种边缘检测器，通过 GUI 界面演示不同边缘检测器的计算结果，能够通过展示的结果说明所选择的各种边缘检测器的作用效果以及影响该效果的相关参数。

边缘检测该算法采用的是样条小波，为了更好的检测边缘，用a tuous 算法代替了mallat算法。

边缘检测在数字图像处理和计算机视觉中有着重要的应用。对数字图像处理中具有代表性的Sobel 边缘检测算法进行了分析。针对该算法存在检测出的边缘粗且对噪声极其敏感的缺点, 提出了一种改进算法。该算法对实际图像中出现的边缘类型进行了数学模型描述, 然后把连续型的边缘模型作为研究对象, 重新构造了对图像边缘方向进行检测的模板。针对Sobel 边缘检测基于一阶导数极大值或二阶导数零交叉而带来的边缘定位准确度不高的缺点, 对图像梯度图进行了细化处理。仿真结果表明: 该算法对图像噪声干扰有较强的抑制能力, 提取的边缘定位准确、结构细腻。