边缘检测是许多计算机视觉和图像处理应用中的一个基础操作,不仅显著的减小信息量来简化图像分析,同时还保留在场景中有用的结构信息。现在有很多关于灰度图像边缘检测的研究,而彩色图像边缘检测的研究较少,但是相关研究发现灰度图像边缘检测方法比彩色图像边缘检测方法少检测十分之一的边缘。本文提出一种全新的彩色图像边缘检测方法——基于粒子滤波的彩色图像边缘检测算法研究。为了提高算法的抗噪性,首先在多个尺度下对目标图像进行高斯模糊,本文使目标图像分别与三个核做卷积得到三个不同尺度下的高斯模糊图像。通过对彩色图像颜色空间的分析,本文选择RGB空间分解并且使用合成的方法来检测图像边缘。边缘检测的过程可以理解为边缘点的追踪过程,粒子滤波算法对于物体追踪问题十分有效。根据粒子滤波算法的理论,本文将图像分成K*K块,再在分块中确定阀值选择初始点。粒子滤波算法的核心在于模型的建立,设计好状态转移模型和观测模型。根据边缘延伸的特点,使用正态分布函数和曲率函数来采集样本点即建立状态转移模型。选择局部对比度特征、边缘亮度特征、边缘的光滑性特征作为观测目标。通过直方图对图像局部对比度特征统计分析确定对应的似然函数为指数形式;根据图像标准边缘的统计分析确定亮度特征和光滑性特征的似然函数为正态分布形式,调整他们的期望和方差值改变他们在确定边缘权值中的影响大小,最后确定观测函数。边缘追踪的结束条件定义为:追踪到已知边缘、样本点的值小于某个阀值TL。调整实验中的各个参数,分别对三幅彩色图像以及他们的噪声图像进行边缘检测,把检测结果与经典算子sobel算子、LOG算子、Canny算子的检测结果进行比较分析,本文提出的算法的检测结果相对较好。