将灰色系统理论引入图像工程领域，是一个从新的角度去理解图像的过程。既是一种崭新的思路，同时推动了灰色系统理论自身的发展。目前，灰色系统理论在图像处理中的应用正处在蓬勃发展的阶段，对图像边缘检测和图像分割领域而言，近几年则取得了一些实质性的进展，进而使灰色系统理论在图像处理中的优势变得逐渐明朗。本文的意义是为了进一步阐明灰色系统理论在图像处理中的优势。　　 本文详细工作如下：　　 (1)综述目前国内外灰色系统理论在数字图像边缘检测和分割算法中的文献。阐述了问题的背景和研究意义。近年来，灰色关联度的研究状况有逐渐从低维向高维发展的趋势。于此，本文归纳和总结灰色关联分析的种类和具有的新性质。简要地介绍了灰色预测理论从灰微分方程模型到灰离散微分方程模型(多变量灰色模型、近似非齐次指数序列模型等)的发展状况。灰色系统理论自身的发展，也给其应用领域增添了新的活力。　　 (2)本文提出灰色预测模型和离散小波变换相结合的图像边缘检测新算法。首先根据GM(1，1)模型的建模条件和数字图像的特性，对数字图像进行预处理。为了解决由预测图像减去预处理的图像在边缘图像带来的噪声问题，依次选取3×3的预测模板，对于有变化的模板内的数据，直接运用GM(1，1)预测模板内极大像素值；否则结合灰色系统理论的基本思想，运用邻近区域的像素信息建立GM(1，1)模型预测该模板的极大像素值。然后将预测图像减去预处理图像得到高频信息图像。然后结合中值滤波消去对高频信息图像中的孤立点噪声。通过叠加正负子图使得图像边缘得到增强。最后结合二维离散小波变换提取高频系数并加权处理得到图像的边缘信息。仿真结果表明：该方法检测出的图像具有边缘细腻、定位准确、弱边缘丰富，抗噪性能强等优点。较经典算子和其它边缘检测方法有着明显的优势。　　 (3)针对脉冲耦合神经网络的特点，我们定义了一种灰色绝对关联分析模型，用灰色绝对关联分析生成的边缘图像来“刺激”脉冲耦合神经网络的神经元的内部活动项，实验测试表明：图像边缘信息在脉冲耦合的过程中不仅能保护目标图像完整，而且能够在一定程度上减少脉冲次数。