现代科学技术的突飞猛进,使得人们对计算机视觉的要求大幅度提高,传统的计算机视觉已满足不了三维物体识别的要求,深度图像可以更好的体现物体的三维信息,因此,受到人们的高度重视,在计算机视觉和图像处理领域得到广阔的应用。边缘是图像处理中最基础的内容,边缘蕴含着图像的丰富信息,通过图像的边缘便可以确定一定图像的轮廓形状。图像边缘检测是图像定位、图像分割、图像识别、图像特征提取等图像分析中最基础的内容,也是图像预处理中最关键的一个环节。本文主要以神经网络和遗传算法为核心,对深度图像进行边缘检测的应用。主要研究内容为:首先,在分析深度图像边缘检测发展与研究现状的基础上,确定了采用遗传神经网络算法实现深度图像的边缘检测。其次,设计了神经网络的结构,对BP神经网络的深度图像边缘检测样本进行了选取,训练了神经网络,通过仿真实验得到检测结果。并对BP神经网络的缺陷进行分析与改进。然后,分析了遗传算法的结构特征,对函数进行初始化,设计了选择算子、交叉算子和变异算子,并将遗传算法应用于深度图像的边缘检测,对遗传算法存在的不足加以分析与改进。最后,结合遗传算法和神经网络进行深度图像的边缘检测,利用改进的遗传算法优化神经网络的权值,将训练后的神经网络用于深度图像的边缘检测。实验结果表明,本文边缘检测算法,计算量小,收敛速度加快,检测出的边缘信息更为详细,能够更好的应用于深度图像的边缘检测中。