本文主要工作围绕基于灰度图像的边缘检测技术出发，提出了一种新的神经网络检测方法，构造了新的神经网络拓扑结构并设计了相应的算法，最后通过仿真实验对方法进行了验证，实验结果表明这一方法具有强的弱边缘检测能力和较好的鲁棒性，并对白噪声具有很好的滤波作用，主要工作如下:1、首先研究了图像边缘及分类，概述了传统的边缘检测方法，详细讨论了经典边缘检测算子，并验证了其检测效果。2、研究了神经网络理论，探讨结合图像边缘特点构造神经网络，系统研究并分析了小波神经网络的结构及分类与学习算法。3、通过比较分析多种经典边缘检测算子各自的特点和性质，得出了各种算子的优缺点，以及它们各自的适用范围：基于梯度的边缘检测算子算法虽然操作简单，但是抗噪性能不是太好，多用在对边缘比较清楚的图像进行检测；线性滤波边缘检测算子适用于背景较复杂的图像。实验结果表明，其检测性能于梯度算子边缘检测方法。4、通过编程实现WNN用于图像边缘检测。实验结果表明，WNN在噪声图像中能够很好的检测连续性弱边缘，对经典检测算子不能提取的弱边缘表现出良好的检测效果，同时，本文的构造的WNN具备了较强的鲁棒性，同时小波神经网络对于图像噪声具有很好的天然降噪能力。通过本文的研究，对图像处理中用到的边缘检测方法具有一定的参考价值。该方法在降噪、弱边缘信息提取具有很好的能力。