边缘是图像中不规则结构和不平稳现象的重要表现,往往携带着图像中的大部分信息,给出了图像轮廓,而这恰恰是进行图像识别和图像理解的重要特征,因此边缘检测就成了图像处理中的首要的和最重要的一步,提取结果直接影响识别精度。由于实际获得的图像各种各样,噪声水平也大小不同,因此如何从所获得的图像中提取感兴趣的边缘仍旧是一个难题,直到目前,还没有统一的方法和数学模型。本文就图像的边缘检测算法进行了一些新的探索,主要工作如下:针对图像边缘检测的主要问题——图像的平滑与逼近的矛盾,提出了一种基于Walsh-Haar类变换的边缘检测新算法。与一些常用的边缘检测方法相比,本算法实现简单,得到的边缘图像包含更多的边缘信息,但是由于加入了图像融合,由本方法所检测到的图像边缘不是细边缘。对于前述边缘检测方法中提取边缘细节的能力的不足之处,本文利用提升小波理论,提出了一种图像多尺度边缘检测的新方法,并完成了相应的仿真实验。该检测方法适用于多种线性或非线性双正交小波,具有运算速度快、检测精度高等特点。