信息时代人们对信息获取的需求日益增加,尤其从图像中获取有用信息的需求在各个邻域都变得非常重要。图像中目标的边缘信息获取是图像信息获取的重要研究方向之一,也是图像分析的基础。本文围绕灰度图像中目标的边缘检测展开了研究,对已有的边缘检测算法进行了改进,主要工作如下:一、提出了改进的多方向结构元素边缘检测算法。在介绍形态学边缘检测算子的基础上,分析了多方向结构元素对边缘检测结果的影响,对传统的多方向结构元素边缘检测算法进行了改进。改进的基本思想是,将传统的多方向结构元素对应的检测结果所占的固定权重计算方法,由原来的计算所有检测结果平均值的确定方法,改为由计算八个不同方向结构元素上检测图像的边缘方差比例来确定。仿真结果表明,使用改进后的方法相比传统的方法检测结果更精确。二、提出了改进的多尺度结构元素边缘检测算法。在介绍结构元素选择和多尺度边缘检测算法的基础上,把不同尺度的结构元素看作一种复合型结构元素,提出了一种改进的多尺度结构元素边缘检测算法。该算法能够对图像进行不同尺度下的边缘检测,最大限度保留边缘细节。仿真结果表明,改进后的方法能够更加准确的检测出边缘细节。三、提出了基于形态学的多尺度多结构的边缘检测算法。传统多尺度形态学检测算法和多结构形态学检测算法,采用均值或固定权值来确定最终检测结果所占的比例,没有把各个子检测结果和原图联系起来,在处理不同图像时得到的检测结果差异比较大,不具有广泛性,针对这一缺陷提出了一种权值自适应的多尺度多结构形态学检测方法。该算法的基本思想是,本文工作一提出的改进的多尺度检测结果能够检测出更准确的边缘细节,工作二提出的改进的多结构检测结果能够检测出更丰富的边缘细节,将这两者进行加权平均所得到的算法既能提升边缘的准确定性又能提升边缘信息的丰富程度。仿真结果表明,改进后的边缘检测方法在检测结果的质和量上面都有了很大的提高。四、提出了基于模糊理论的快速边缘检测算法。针对Pal King提出的模糊边缘检测算法使用幂函数形式的隶属函数造成计算复杂度高的缺点,以及使用的转换函数容易丢失低灰度值边缘信息的缺点,提出了改进的快速边缘检测算法。该算法的基本思路是,使用一个简单形式的二次方隶属函数降低算法的运算复杂度,并降低转换函数的迭代次数从而减少边缘信息的损失。实验仿真结果表明,改进后的算法在误差率稍有增长的基础上极大降低了运算复杂度。