边缘检测是图像处理中的重要内容，是图像的最基本特征。图像的边缘作为图像的一种基本特征，被经常应用到较高层次的特征描述、图像识别、图像分割、图像增强以及图像压缩等等的图像处理和分析技术中。同时，边缘检测也作为模式识别、计算机视觉、制导等领域的重要特征越来越受到广大研究人员的重视，有着广泛的用途。本文首先说明边缘检测的概念和算法并分析边缘检测技术的发展现状，在此基础之上提出了几种新的边缘检测方法，本文的主要研究内容体现在以下几个方面：结合图像分割和图像检索，总结了传统的边缘检测算法，同时，对传统方法的运行速度和抗噪性能等关键问题做出了剖析。并分析了它们各自的优缺点。提出了一种基于灰色关联度的图像边缘检测方法，利用图像中某一点及其八领域像素的分布规律和边缘像素的分布规律的相似程度来判断其是否为边缘点。通过仿真表明，该方法在检测效果、抗噪声以及边缘定位方面都有较大的优势。结合信息论中熵的概念提出了一种基于局部熵的边缘检测方法。局部熵值大，信息量少，灰度变化就小；局部熵值小，信息量多，灰度变化就大。实验表明该方法具有较好的抗speckle和椒盐噪声性能。本文还提出了一种结合边缘像素的幅度结构特性和方向特性的基于模糊熵的边缘检测方法，根据邻域内的灰度分布是有序的、具有方向性以及灰度实质具有结构性三种图像边缘的基本特征，通过引入模糊熵，构造出了一组基于模糊熵的信息测度分量来定量描述图像的这些边缘特征。实验表明，该方法对弱边界检测较为敏感，在特征的选取上充分地考虑了边缘和噪声的本质区别，具有优异的抗噪性能。