随着图像处理技术的飞速发展，其被广泛应用于各个领域，如应用于人工智能、医学、工业检测等领域。图像边缘检测技术作为图像处理的基础，对图像的后期处理有着非常重要的作用，边缘检测的好坏直接影响着图像处理的效果。基于此，提高对目标图像的边缘检测技术就显得尤为重要。本文根据图像边缘检测技术研究的现状，研究并提出了两种利用改进蚁群算法进行图像边缘检测的方法。　　首先为了解决传统蚁群算法在图像边缘检测中经常出现效率低、易陷入局部极值等问题，本文提出一种结合PPM-AACO的图像边缘检测算法。该算法将PPM行为与AACO算法相结合，将蚁群分成Predator种群和Prey种群，初始阶段两种群利用AACO算法进行搜索，一定迭代次数后，两种群进入排斥阶段;最后通过自动阈值法检测图像边缘。仿真结果表明，与ACO算法和Canny算法相比，在精确度方面，该算法检测的图像边缘明显优于前两种算法检测的边缘;同时保持了AACO算法收敛速度快的特点，并克服了其易陷入局部极值等缺点。　　虽然上述算法与Canny算法、ACO算法相比，该算法检测精度更高。但是，该算法模型依然存在缺陷，未解决蚂蚁搜索效率低的问题。针对该问题，本文又提出一种结合Powell-RWACO的图像边缘检测算法。该算法将RWACO算法与Powell法相结合，利用RWACO算法进行全局优化，然后将全局最优值作为Powell法的初始点进行局部优化。仿真结果表明，该算法兼顾了全局优化和局部优化的优点，与上述算法相比，具有更高的搜索效率，算法检测所耗时间也更少。从而验证了该算法的可行性，对今后的图像边缘检测具有参考价值。