作为一门新兴的学科,小波理论是近几十年才发展起来的,它具有丰富数学理论知识和巨大应用前景。在模式识别、信号处理、数字电视、图像分析、地震勘测、生物医学图像、机器视觉、雷达、分形等领域,都得到了广泛的应用。边缘检测在国内外一直是理论研究的热点。实际应用的过程当中,图像的一个重要基本特征就是边缘。在较高层次的特征描述、图像分割以及图像压缩等方面,为了能够进一步的对图像进行处理,边缘检测是一个必要的基本步骤。本文首先介绍了几种基于梯度算子的边缘检测算法,如Roberts、Sobel等,这些算子的核心思想是假设边缘点应该位于图像灰度级梯度的局部极值点。然后介绍了log算子和Canny算子。这些算法对噪声都比较敏感,当图像含有噪声的时候,得到的效果往往会比较差。另外我们还介绍了基于小波变换的边缘检测算法,介绍了其算法原理和一般的计算步骤。最后还简单的介绍了各种新的数学工具在边缘检测上的应用。在小波分析的基础上,本文提出了用小波包对图像进行分析,然后对近似部分进行重构,得到对比度比较大的近似图像,再用传统的边缘检测方法对近似图像进行处理,可以检测出一些原来图像中检测不到的边缘。并与传统的边缘检测方法做出比较,可以得出结论,在抑制噪声方面有一定优势。这种方法适合用于一些弱边缘的检测。这其中我们讨论了小波基的选择和传统边缘算法的选择,以及分解层数的选择。最后介绍了车牌定位的一般技术,包含图像的预处理和车牌的定位技术。并将新的边缘检测算法应用于其中,验证了新的算法的实用性。并且提出了边缘检测目前还存在的问题以及其发展的方向。