青海刺绣是我国刺绣文化中独具特色的刺绣艺术之一、历史悠久且品种繁多。青海省特殊的地理与文化环境造就了青海刺绣独有的制作形式,纹样绘制是刺绣的核心工艺,传统刺绣纹样仍然依赖手工绘制,这样既耗费人力而且对制作人的工笔画功要求很高,因此采用数字化技术对刺绣图像进行纹样提取是十分必要的,在保证边缘提取质量的同时还提高了效率,对实现青海刺绣图像数字化保护有着重要的学术研究价值和社会文化意义。目前,随着人工智能算法在图像处理领域的发展,卷积神经网络已经成为图像处理领域的研究热点,逐渐取代了传统的边缘检测算法,并在边缘提取领域取得了较好的成果,但把边缘提取技术应用到刺绣中的研究较少。传统边缘提取算法只研究局部变化难以反映较为复杂的场景,通常会受到噪声、纹理清晰度的影响,导致提取的边缘图存在间断和不完整性的问题。而青海刺绣图像具有精细、纹样复杂的特点,经实验表明传统边缘提取算法很难满足对刺绣纹样边缘提取的需求,需要对传统算法改进,并结合卷积神经网络方法进行边缘提取的深入研究,以获取更多的刺绣图像高层语义信息,使纹样更清晰和完整。本文主要研究内容和创新点如下:（1）针对传统Canny算法存在平滑噪声能力有限的问题,本文进行算法改进,采用自适应中值滤波代替高斯滤波,在保留更多图案纹理的同时有效抑制噪声;针对传统Canny算法在计算幅值时容易造成边缘漏检的问题,本文采用Sobel模板取代一阶差分模板,计算的幅值较大不易漏检;针对传统Canny算法高低阈值选取易受人为因素影响,本文采用Otsu算法自适应地设定高低阈值。实验结果证明,改进后的Canny算法比原算法提取的边缘更清晰和完整。（2）针对传统算法不能应对青海刺绣纹样复杂的问题,本文采用由VGG16卷积神经网络模型改进的HED网络模型,该网络模型在每层卷积层后添加一个side-output,对side-output输出结果进行反卷积达到和原始图像尺寸相同大小,通过权值融合层输出预测边缘图。实验表明,Pratt品质因数、信噪比客观评价指标高于传统边缘提取算法,在青海刺绣图像上取得了较好的效果。（3）在设计实现传统算法、改进Canny算法和HED网络模型的基础上,开发了青海刺绣图像边缘提取系统,本系统操作方便、界面简洁,有利于手工艺人使用系统提取青海刺绣纹样。