图像边缘检测是图像处理和计算机视觉领域中的核心技术之一，其目的是识别和定位图像中的边界，这些边界通常代表了图像对象的重要特征。边缘检测的结果直接影响后续的图像分析、目标识别和图像理解等任务。在高分辨率遥感影像的应用中，由于图像包含大量噪声，边缘检测的挑战更为显著。
针对这一问题，本文深入探讨了图像边缘检测的理论基础，包括边缘的定义、边缘检测的重要性以及高分辨率遥感影像中边缘检测的特殊挑战。遥感影像的建筑物通常表现为大面积结构，边缘特征明显，但同时噪声的存在使得检测任务复杂化。传统的边缘检测算法如Canny算子、小波变换等在处理这类噪声时可能表现不足，存在定位不准确、边缘断裂、漏检和误检等问题。
为解决这些问题，本文提出了一种基于非下采样轮廓波变换（NSCT）的优化算法，NSCT以其平移不变性和多尺度分解能力而受到青睐。在优化设计中，算法分别从多方向去噪融合和多尺度加权融合两个角度出发，对NSCT进行了改进。通过对比实验，优化后的算法在处理含有10%-30%噪声的图像时，相较于Canny算子、小波变换和原始NSCT，显示出了更好的性能，验证了新算法的有效性和鲁棒性。
此外，本文的创新点还包括将优化后的边缘检测算法集成到在线共性基础服务子系统中。这个子系统可以提供在线图像分析工具和图像处理模块，为用户提供了便捷的图像边缘检测服务。通过实际应用高分卫星遥感影像的建筑物边缘检测，进一步证明了该算法在实际场景中的实用性和准确性。
本文的研究工作对提高高分辨率遥感影像的边缘检测质量做出了重要贡献，不仅在理论上丰富了图像处理的边缘检测方法，还在实践中提供了实用的解决方案，对于遥感图像分析和计算机视觉领域的应用具有重要的参考价值。未来的研究可以进一步探索更高效的噪声抑制策略和边缘细化方法，以提升边缘检测的精度和稳定性。
