数字图像处理技术的应用范围越来越广,渗透到社会的各个领域。图像的边缘特征是图像的重要特征。图像边缘检测技术是数字图像处理、计算机视觉、模式识别的基础。数字图像边缘检测技术广泛应用于图像分割、运动检测、目标跟踪、人脸识别等领域。因此图像边缘检测技术是图像处理技术的研究热点之一,提高边缘检测精度和探索边缘检测技术在实际工程中的应用是边缘检测技术的重要研究内容。本论文的研究工作是结合项目“多谱图像配准技术研究”、“货车故障动态图像检测系统中故障自动检测”和“基于双目立体视觉的动作捕捉系统”,对数字图像边缘检测技术的基础理论展开了研究,并将数字图像边缘检测技术应用于上述项目中。本论文的主要研究内容主要包括以下几个方面：首先,本论文对国内外关于数字图像边缘检测技术的研究成果和现状进行了系统总结,阐述了经典的灰度图像边缘检测方法和彩色图像边缘检测方法。介绍了图像边缘检测技术在图像处理、模式识别、计算机视觉中的应用,展望了数字图像边缘检测技术的发展趋势。其次,详细介绍了经典的灰度图像Canny边缘检测方法,分析了此方法存在的缺陷,提出了一种基于直方图凹度分析的灰度Canny边缘检测方法。改进的Canny边缘检测方法在高斯滤波之前用开关型中值滤波器滤除脉冲噪声,利用直方图凹度分析来自动选取双阈值。改进的方法能有效地滤除图像中的脉冲噪声,自动地选取双阈值。为了将灰度图像SUSAN边缘检测算子扩展到了彩色图像。我们提出了用于彩色图像边缘检测的SUSAN边缘检测方法。首先将待检测的彩色图像从RGB空间转换到CIELAB空间,然后利用利用色差来计算核值相似区域的大小,最后通过阈值化来提取彩色图像的边缘。与传统的边缘检测方法相比,改进的新方法能有效地检测出彩色图像的边缘。检测出的彩色图像边缘比较符合人眼视觉特性。此外,本论文回顾了偏微分理论及其在彩色图像滤波中的应用,提出了一种基于快速向量全变分和Sobel色差算子的Canny彩色图像边缘检测方法。改进的彩色图像边缘检测方法利用快速向量全变分方法滤除噪声,同时能保留图像边缘细节信息,然后利用色差Sobel算子计算彩色图像的色差和方向,用于非极大值抑制,最后通过双阈值的方法来提取彩色图像的边缘,这种方法能有效地检测出图像的边缘。针对彩色图像中的脉冲噪声,设计了一种基于CIELAB空间抗脉冲噪声的彩色Canny边缘检测算子。最后,介绍了货运列车故障动态图像检测系统的组成及工作原理,并对货运列车故障动态图像检测系统中的常见故障,给出了具体的分类和分析。本文将图像边缘检测技术用于列车故障图像检测系统,提出了一种基于边缘检测定位和匹配的心盘螺栓丢失故障自动检测方法,该算法通过边缘检测提取图像中心盘螺栓所在的感兴趣区域,然后通过特征点检测来定位故障可能出现的位置,最后通过边缘匹配来实现候选故障验证。实验结果表明本方法能快速地检测出心盘螺栓丢失位置。