边缘是图像最重要的特征，包含了用于图像识别的有用信息。而图像识别是图像监控的中心环节。本论文结合具体的变电站图像监控系统的项目，对图像识别部分的图像边缘检测与图像匹配技术及其应用进行了研究。主要内容有： 1)在边缘检测中，噪声消除与边缘定位是两个相互矛盾的部分，是一个“两难”问题。本文从边缘检测的“两难”问题出发，对实际图像中可能出现的边缘类型进行了数学模型描述，然后把高斯平滑后的边缘模型作为研究对象，系统地分析了采用微分法检测边缘时，不同的边缘类型表现出来的特性，以及不同类型的边缘定位与平滑尺度的关系。得到的结论为边缘类型的分类提供了依据。若能预先对边缘类型进行分类，则可选取合适的平滑尺度，较好地解决边缘检测的“两难”问题。 2)信息测度能够很好地定量描述图像的边缘特征。本文将图像的三个信息测度作为分量组成边缘特征的测度向量，作为小脑模型神经元网络—CMAC的输入，提出一种基于信息测度和CMAC网络的边缘检测方法，用该法得到的边缘轮廓清晰，实时性好，并且抗噪能力有明显提高：将上述边缘检测方法应用于无人值守变电站，提出一种瓷瓶裂纹故障监控方案。 3)对小波变换和多分辨率分析在边缘检测中的应用进行了分析和研究，并与图像的不变矩特征相结合，出了一种新的基于小波和矩的动念检测瓷瓶裂纹的实时监控方案，应用于无人值守变电站图像监控系统，仿真结果和实际应用均证明了该方案的正确性和有效性。 4)分析和研究了小波自身特性—对称性、收敛性、平滑性与小波消失矩的内在联系及其这些特性对边缘检测的影响，提出了小波在边缘检测中的选取原则：并以一个具有普适性的斜坡边缘模型为例，探讨了小波用于边缘检测的尺度选取问题。实验证明，提出的小波选取原则是可行的。 5)划Hausdorff距离在图像匹配算法中的应用作了探讨，提出了一种基于信息测度和Hausdorff距离的图像匹配策略。实验表明，该策略加快了匹配过程，提高了抗噪性能，能准确匹配遮挡图像，较好地解决了传统Hausdorff距离中噪声摘要点、伪边缘和出格点造成的误匹配问题。