边缘是图像最基本的信息特征,也是图像信息最丰富的区域,它表示图像中的强度不连续性。边缘在图像处理中起到至关重要的作用,它一方面能很好的保留图像中物体形状信息的同时,另一方面能缩小图像原有的信息量,从而减少要处理的信息,因此对图像进行边缘检测是非常必要的研究领域之一。通过边缘检测处理可以很好的降低二维图像的信息含量,在大多数高机器视觉领域中图像的边缘完全可以进行进一步的分析,如:运动分析、目标分析等。首先对图像边缘、边缘检测、几种比较成熟的边缘检测方法以及这几种方法的优缺点进行了阐述。再次给出了以Gabor函数为基础的一些理论知识,重点对Gabor变换,Gabor小波变换,小波变换,Gabor滤波器进行研究,以便读者容易区分。Gabor滤波器是能够实现联合最小不确定性,这已被J.G.Daugman证明过。通过此研究结果,研究者提出了一种基于Gabor滤波器的计算模型,并把它应用在底层视觉系统中,比如:边缘检测、纹理分类和数据压缩等。利用Canny提出的边缘检测评价来对基于Gabor奇部滤波器的边缘检测的性能进行了研究,在此基础上推导了Gabor奇滤波器边缘检测的设计准则。通过这准则实现的仿真效果来证明了基于Gabor奇部滤波器模型的边缘检测的性质与效用。之前研究者们做过关于Gabor复滤波器的边缘检测的研究,但很少有对Gabor复滤波器的奇数部分单独拿出来做边缘检测,这目的就是为了在检测效果几乎一样的前提下提高运算速度。