医学影像已逐渐成为临床诊断、病理分析及治疗的重要依据和手段,医学图像处理为医学科研及临床诊治提供了重要的帮助。由于医学影像显示了非常丰富的人体内部信息,能够以更直观和清晰的方式向人们呈现人体内部的病变部位。边缘检测在医学图像处理中是至关重要的一个环节,检测的好坏会直接影响到后续的治疗。医学图像边缘检测主要是从医学图像中提取出病灶部位的边界。目前常用的边缘检测方法大多是利用局部图像的微分来提取图像边缘的,例如梯度算子、拉普拉斯-高斯算子等。但利用微分提取边缘的方法对噪声敏感,使提取的边缘变得模糊。提升小波和数学形态学是近年新兴的方法。提升小波不仅继承了传统小波的时频局域化特性及多尺度分析能力,同时具有计算速度快、占用内存少等优点,非常适合于图像处理；数学形态学采用构造的形态学算子去度量图像中与选取的结构元素相符的形状达到对图像分析和识别的目的,这使得形态学边缘检测算法能够很好地保留图像细节边缘和有效地去除噪声,同时还具有运算简单、可并行处理和易于硬件实现等优点。本课题将结合提升小波变换和数学形态学的优点,对它们进行改造,提出新的边缘检测算法用于医学图像边缘检测。新的边缘检测算法将能有效地提取完整、定位准确的医学图像边缘。本文主要的工作有：(1)对经典的微分边缘检测算子Robert算子、Sobel算子、Prewitt算子、拉普拉斯算子等逐一进行医学图像边缘检测,并分析和比较它们的优劣。(2)对提升小波变换和数学形态学的基本理论作了具体阐述,分别给出了它们边缘检测的实验结果和分析。(3)结合提升小波和形态学,提出了三种新的边缘检测算法,通过大量的实验得到了很好的实验效果,并和经典的边缘检测算法进行了比较和分析。同时将这些算法对有噪的医学图像进行了边缘检测,结果分析表明它们在图像边缘检测中同时具有精确的定位性和良好的抗噪性。