边缘是图像的重要特征之一，携带有图像的大部分信息。边缘检测和边缘线特征描述是计算机视觉的重点研究内容，是进行更高层次图像处理的基础。好的边缘检测算子既要具备较高的定位精度，同时又要有较强的抗噪声能力。然而定位精度和抗噪声性是相互矛盾的，至今还没有一种算法可以同时满足定位精度高和抗噪声性好的要求。受图像场景的复杂程度和边缘检测效果的影响，图像的边缘大都表现出不规则的几何特性，很难用常规的几何方法描述边缘的线特征。边缘线特征描述子应该具有良好的平移、旋转、尺度不变性，同时还能够抑制噪声的干扰，具有较好的稳定性。现有的方法大都难以满足这些要求。小波变换具有良好的时频域多分辨率分析特性，非常适合图像的边缘检测。传统基于小波的边缘检测算法中图像像素点的方向信息没有得到充分利用，当图像受噪声干扰严重或对比度较低时检测效果并不理想。本文提出一种基于小波变换的三阈值多尺度融合边缘检测算法。首先，在每一尺度上，采用双阈值的方法利用像素点的梯度幅值提取待定边缘点；然后充分利用图像中边缘点和噪声点在梯度方向特性上所表现出的差异来确定当前尺度下图像的边缘点；最后，融合不同尺度下的边缘图像，通过第三个阈值确定图像的边缘。本算法在保护低强度边缘的同时，能够很好的抑制噪声的干扰，实验证明，在强噪声干扰下仍可有效定位图像的边缘。曲线的傅里叶描述算法建立在傅里叶分析的成熟理论之上，概念简单，便于理解，而且同时反映了曲线的全局和局部信息，是曲线描述的较优算法。现有的傅里叶描述算法大都依赖于曲线的采样，受边缘检测效果和曲线细小扰动的影响较大。本文立足于傅里叶分析理论，提出了一种改进的二维曲线傅里叶描述算法，首先在曲线上作循环移位采样，获得多组采样点，接着对各组采样点做快速傅里叶变换，然后通过比较变换后的系数得到傅里叶描述子，从而抑制了噪声和曲线细小扰动的干扰。实验证明该算法具有对曲线的旋转、平移、尺度变换的不变性，能够更准确的描述曲线，有效地反映不同曲线之间的差异。同时该算法由于采用了快速傅里叶变换，处理时间较短，并有利于硬件实现。