传统Canny边缘检测算法对噪声敏感、边缘像元定位不够准确,以及双阈值需要人为设定。针对上述问题,提出了一种基于多尺度扩散方程的自适应Canny边缘检测算法。首先,设计了多尺度自适应滤波器,并将其与各向异性扩散方程相结合,形成多尺度扩散方程模型。模型中利用多尺度自适应滤波器与图像进行卷积操作,降低图像中较大噪声点的梯度,再根据扩散系数方程非负递减的特性,使得在图像梯度较大的地方扩散减慢,梯度较小的地方扩散加快,实现对图像的平滑去噪处理,降低算法对噪声敏感的问题。然后,将线性插值思想引入到非极大值抑制过程中,在图像梯度方向上生成插值像元,并与中心像元的梯度值进行比较,选取其中极大值点,以提高边缘像元的定位准确性。最后,提出双重最大类间方差法,利用图像的灰度信息自适应地选取最佳双阈值,避免了阈值选择过程中的人为干预,实现了阈值选取的完全自适应性。为验证本文算法的优势,分别在无噪声和有噪声环境下与经典Canny及其它改进的边缘检测算法进行对比分析。结果表明,在无噪声环境下本文算法与其它算法相比,可以达到相当甚至更好的检测结果,在有噪声环境下不仅能够有效地去除较高密度脉冲信号,而且可以很好的保留目标物体的边缘信息,具有较好的抗噪能力和较强的边缘定位性能。