图像边缘检测是图像处理领域的基础内容之一。边缘检测往往作为对图像理解和分析的第一步,也是图像识别与分割过程中检测图像特征的重要属性。小波凭借良好的“时频”和多尺度分析技术,能在检测图像边缘的同时抑制噪声,为图像边缘检测提供了有效的途径。但小波基函数不具有自适应性,即对于具有较大差异的非平稳信号而言,小波在局部的分析能力较弱,因此,如何更好的获取高质量的图像边缘,便成为图像处理的一个重要任务。本文主要针对小波变换和经验模式分解算法在图像边缘检测方面的应用进行了研究与分析,主要研究了:利用传统边缘检测算法及利用小波变换进行边缘检测的结果比较与分析;基于小波变换和二维经验模式分解相结合的方法进行图像边缘检测;基于限邻域二维经验模式分解的图像边缘检测。针对具有较大差异的非平稳信号,小波局部的分析能力较弱问题,提出了小波变换和二维经验模式分解相结合的方法进行图像边缘检测。经验模式分解算法是处理非线性-非平稳信号的有力工具,其分解过程完全是由数据驱动,而且很容易推广到二维空间,本文采用对称方法处理边界漏点问题、利用图像数据灰度均值计算筛分终止条件,改进了二维经验模式分解算法,并与小波结合进行边缘检测,仿真结果表明,利用该算法优于单独使用小波变换进行边缘提取,能够获得较好的边缘提取效果。针对二维经验模式分解过程需要消耗大量时间的问题,提出了基于限邻域二维经验模式分解的算法,该算法舍弃了消耗时间较长的插值拟合曲面的过程,也没有终止条件限制,减少了算法运行时间。本文利用该算法对图像进行增强和对噪声图像进行去噪,之后再做相应的边缘提取,最后给出了仿真结果,验证了算法的有效性。