在移动式激光瞄准系统图像处理中,边缘的有效检测直接影响中心的定位精度。图像的边缘是图像的基本特征之一,常常被用来进行进一步较高层次的图像处理和分析。因此,学者们一直致力于图像边缘检测方法的研究,并提出了很多有效的方法。在本文中,我们研究了几种传统和新兴的基于微分的边缘检测方法,并且分析了它们的特点,对它们进行了仿真。本文主要使用数学形态学的方法进行图像的边缘检测。在文章中,我们从二值形态学到灰度形态学,研究了数学形态学的膨胀、腐蚀、开运算、闭运算等各种运算和性质。仿真结果证明：用这些方法检测出来的含噪图像边缘的效果比传统和新兴的基于微分的边缘检测算子好。本文在分析了数学形态学理论和神经网络理论的基础上提出了一种基于径向基函数神经网络的数学形态学方法,对传统的数学形态学方法进行了改进,对灰度形态运算的神经网络模型的特性进行了分析,然后给出了调节结构元素数值分布的网络学习算法。从处理效果看,基于神经网络的数学形态学方法较传统的数学形态学方法更具优势。现有的亚像素边缘检测算法中,空间矩算法以其细分精度高、不受加性和乘性噪声影响等特点在现代高精度图像测量中得到了广泛的应用。本文在基于神经网络数学形态学边缘检测的基础上,又利用空间矩方法对边缘进行了亚像素定位,最后用最小二乘拟合法实现了圆心的精确定位。