边缘检测作为数字图像处理中一种常用的处理方法,是很多图像处理技术的基础。图像的边缘包含了大量的图像特征信息,可用于特征描述、图像增强、图像分割、模式识别等图像分析和处理中。因此图像边缘检测算法一直是图像处理和计算机视觉领域的研究热点,期望寻找一种检测精度和抗噪能力都令人满意的算法。面瘫是一种人脸面部神经运动功能受损的疾病,它给人的身心都带来极大的伤害。但现在医学对面瘫的判定大都基于主观判断,没有一个统一的评价标准。利用边缘检测算法建立面瘫识别系统,准确判定面瘫程度,对于提早发现疑似病例、指导临床用药、评估治疗效果以及学术领域交流等具有重要的意义。本文利用边缘检测算法对面瘫图像进行了处理,期望建立一个较为标准的面瘫识别系统,从而实现对面瘫图像的识别与分级。本文主要完成改进边缘检测算法和建立面瘫识别系统两方面的工作。本文首先对一些传统的边缘检测算法进行了分析与研究,并介绍了三种新兴的边缘检测方法,在对这些方法归纳研究的基础上,提出了一种改进的边缘检测算法。通过增加模板方向来改进Sobel算法,再利用遗传算法改进Canny算法的阈值选取过程,然后采用小波变换的方法对两种改进的算法进行图像融合处理,结合两种算法的优点,得到改进的边缘检测算法。然后,针对面瘫图像特征的位置信息,设计了一种面部图像采集系统,获取含有区域分块的人脸图像。在建立面瘫识别系统时,利用改进的边缘检测算法对面瘫图像进行处理以提取图像边缘特征信息。根据面瘫患者面部不对称的性质,计算特征信息矩阵之间的差值,提出一种基于对称轴的面瘫分级方法。再将其与基于距离的面瘫评分方法相结合,完成对图像最终的等级划分,建立面瘫识别系统,实现对面瘫图像的识别与分级。