文献综述（或调研报告）：
边缘是图像性区域和另一个属性区域的交接处，是区域属性发生突变的地方，是图像中不确定性最大的地方，也是图像最基本的特征。研究图像的边缘信息以及识别方法，不仅利于检测和定位图像中物体的所在位置，也容易突出关键信息如边缘图像，在图像分割、图像增强、图像复原等技术中有很大的应用。
图像的边缘检测自从理论的提出以来已经有很长的研究历史，而且很多优秀的学者们都提出了不同的边缘检测算法。传统的边缘检测方法基于空间运算，借助空域微分算子进行，通过将算子模板与图像进行卷集合成，常见的算子模板有一阶微分算子：Roberts算子、Prewitt算子、Sobel算子；二阶微分算子：拉普拉斯算子、高斯算子和Canny算子等。因为图像的种类繁多以及图像处理任务的复杂多样性，目前尚未找到一种通用的方法适用于各种图像处理情况。且对于同一幅图像，不同的边缘检测算法因为自身的特性，会得到不同的边缘检测处理结果，但这些方法对噪声敏感，会在检测边缘的同时加强噪声。如何在抑制噪声的前提下更好地检测边缘信息细节，是当前边缘检测技术的一个研究热点和难点，不少学者对此进行理论研究和实验，形成了一批成果：
魏伟波、芮筱亭在《图像边缘检测方法研究》中阐述了传统的边缘检测方法——微分算子法和现代的一些边缘检测方法——小波分析、形态学、分形、模糊学、人工智能、遗传算法等, 分析了以上各种算法在图像边缘检测中的发展状况及其优缺点。
朱振伟、刘广瑞、刘巧红在《一阶边缘检测算法的研究》中重点探讨和分析了一些重要的一阶边缘检测算法的特点及其原理，以及指出Canny边缘检测算子在机器视觉伺服中有更好的检测效果，能检测到真正的弱边缘，在例如车牌识别的应用中发挥了很大的作用。
范立南、 韩晓微、王忠石、徐心和在《基于多结构元的噪声污染灰度图像边缘检测研究》中提出了具有多结构元的灰度形态学边缘检测梯度算子。他们致力从复杂的图像中提取具有一定几何形状的子图像的特性,将每一结构元作为一种尺度对图像细节进行匹配,利用这一特性选择与图像匹配的多结构元对图像进行处理,可以保持图像的特定细节,实现图像几何特征的保持，能很好地解决噪声抑制和精细边缘提取之间的矛盾。
张秀兰在《基于 MATLAB的数字图像的边缘检测》中利用Matlab图像处理工具箱提供的图像处理函数，基于拉普拉斯高斯算子和Canny算子，对图像进行检测并对处理结果进行比较，得出了Canny算子检测边缘结果更清晰且噪声小。
苗瑞等人提出了一种改良的Canny图像边缘检测算法：先高斯去噪，再识别图像边缘，大大降低了噪声对边缘检测带来的干扰。这也是目前比较常用的先去噪后识别的模式，但在两者之间需要一个折衷的选择，以达到最优的效果。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
