作为获取遥感图像信息的一种重要手段，边缘检测对遥感图像进行更高层次的分割、分析、描述、识别、理解等都有着重大的影响和使用价值。但由于遥感图像的复杂性、噪声强以及现有理论和方法的不足，期望找到一种具有抗噪强、定位准、不漏检、不误检等能力的普适性遥感图像边缘检测算法存在诸多难题，因此针对具体应用要求研究新的理论、设计新的方法，或改进、融合现有方法以提高检测质量，依然是遥感图像边缘检测研究的主流方向。　　 本论文分析了遥感图像所固有的复杂性、模糊性以及传统边缘检测方法的局限性，在模糊理论、模糊形态学方法和二型模糊理论的基础上，对遥感图像边缘检测问题进行了深入的研究。主要内容有：　　 ①针对模糊形态学边缘检测算法抑制噪声能力弱的缺点，提出了多方向模糊形态学边缘检测算法。算法用多个各向异性的形态学结构元素与模糊化图像作形态学运算，得到不同方向上的图像边缘，再通过综合得到最终的图像边缘，避免了采用单一的结构元素受噪声影响大的缺点。算法既可用于灰度遥感图像，也可方便地推广用于彩色遥感图像，实验结果表明了该算法的有效性。　　 ②根据遥感图像直方图往往是多峰的特点，提出了基于多阈值模糊增强多方向模糊形态学的边缘检测算法。算法采用多阈值模糊增强，保留了图像在不同灰度区间的边缘信息，避免了单阈值增强可能造成的边缘信息丢失；模糊增强使模糊的斜坡状边缘增强为阶跃型边缘，采用多方向模糊形态学方法避免了模糊逆运算，能更好地检测出阶跃型边缘，并具有较强的抗噪能力。实验表明算法对灰度变化频繁、信息量大、背景复杂、边缘密度大、受噪声污染的复杂遥感图像能有效处理。　　 ③根据遥感图像中不同区域具有不同灰度分布的特点，提出了基于自适应模糊增强多方向模糊形态学的边缘检测算法。算法采用滑动窗口分块增强图像，每个分块子图的阈值由该子区域决定，使得图像增强具有较强的自适应性，避免了对全图用统一的单阈值分割增强所造成的真实边缘信息损失；采用不同的滑动窗口可以获得效果和时间的折衷；算法还利用了多方向模糊形态学算子检测增强后的图像边缘，达到了抑制噪声的目的。算法更客观地反映了复杂遥感图像边缘的特性，更好地保留了各个局部边缘信息，实验结果表明了该算法的有效性。　　 ④针对一型模糊理论只能描述元素的不确定性而不能刻画隶属函数本身的不确定性的问题，提出了基于区间二型模糊增强多方向模糊形态学的彩色图像边缘检测算法。算法利用区间二型模糊集对图像进行模糊增强，将隶属度函数从单值扩展到区间，克服了以往算法在构造模糊特征映射时的盲目性；算法还融合了多方向模糊形态学边缘检测算法能更好地抑制噪声的优点。实验结果表明，算法用于复杂的彩色遥感图像进行边缘检测能获得较好的效果。　　 ⑤对本文提出的各种遥感图像边缘检测算法进行了对比、分析与综合评价。分别针对简单图像、复杂的灰度遥感图像和彩色遥感图像等不同类型的图像，从整体、边缘细节、抗噪性能、运行时间等各方面，对边缘检测各个算法通过实验进行了对比、分析，验证了本文算法在不同程度上提高了遥感图像边缘检测的准确性、抗噪性，扩展了多种方法的适用范围。