医学图像中的边缘信息是进一步进行医学图像分析和处理的基础,由于图像中包含的肌肉、血管等干扰信息较为丰富,进行边缘提取非常困难。因此研究图像边缘检测算法,已成为图像处理的关键技术之一,且在实际应用领域具有重要的意义。　　本文介绍了医学图像的特点、应用及其发展现状,综述了图像边缘检测的经典方法和近年来提出的新的方法,阐述了小波变换理论,将小波变换的时频局部化的性质引入到回归分析中和医学胸部X影像的边缘检测中进行了研究。　　根据回归分析的特点,本文提出了一种基于小波变换的非线性回归算法。该算法先对测量得到的数据进行小波分解,得到近似部分和细节部分,将细节部分的小波系数进行阈值去噪,再通过小波重构得到估计函数。实验表明,此算法得到的估计函数的信噪比明显高于传统算法的信噪比,这说明了引入小波分析有益于提高回归精度,可以有效地去除噪声,充分保留信号的局部特征。　　针对胸部X影像中的肋骨大多是模糊的图像信息,呈现弱边缘特性的特点,提出了基于改进的B样条小波变换的影像边缘检测算法。此算法用三次B样条小波作为小波基函数,在原来算法的基础上引入了小波的多尺度分析的性质。运用 Matlab对提出的改进算法进行仿真,实验结果表明:这种算法得到了综合各个尺度特征的较好的医学图像的边缘,更好的保留原始的图像信息,大量减少检测结果中伪边缘和图像中背景点的数量;特别是对于在原始图片中与背景灰度的区别很小的弱边缘,也能清晰地检测出其位置,准确、清晰地定位肋骨的边缘,便于进行后续处理和辅助医生诊断。改进算法的结果优于原来的算法,具有一定的应用价值。