تشخیص لبه یکی از مهمترین مباحث پردازش تصویر است. اساسی ترین مسئله که در مرحله ی پیش پردازش تصویر باید مورد بحث قرار گیرد، تحلیل و تجزیه بینایی است که به طور کلی درخصوص شناسایی محدوده و جزئیات مهم در مورد یک تصویر می باشد. بنابراین، این تکنیک در شناسایی و قطعه بندی اشیا به تحلیل پردازش های سطح بالا کمک می کند. مهمترین گام در تشخیص لبه که موفقیت دستیابی به نقشه لبه به آن وابسته است، تعیین آستانه می باشد. در این تحقیق سعی می شود برای تشخیص لبه از الگوریتم کلونی مورچه الهام گرفته و از آن به عنوان بهینه سازی کلونی مورچه یاد می شود. برای تعیین محاسبه آستانه از تکنیک جدید نسبت فیشر ، استفاده می شود. برای ارزیابی این طرح، پارمترهای آماری در چند تصویر نمونه در آزمونی تجربی مورد مقایسه قرار می گیرند. در هنگام استخراج ویژگی های مهم یک تصویر، سعی می شود تا جای ممکن اطلاعات غیرضروری و بی اهمیت کنارگذاشته شود. روش های بسیاری برای حذف اطلاعات اضافی دراین زمینه مورد استفاده قرار می گیرند، اما قابل اعتمادترین و رایج ترین آن ها روش تخصیص آستانه طول موج با استفاده از آستانه سخت است. روش جدید پیشنهادی در این پایان نامه روی تصاویر بدون نویز آزمایش می شود. شناسایی لبه ی تصاویر بدون نویز نتیجه بهتری نسبت به شناسایی لبه در تصاویر معمولی را نشان می دهد. واژه های کلیدی: بهینه سازی کلونی مورچه ، تشخیص لبه، نسبت فیشر، حذف نویز، آستانه، ارزیابی آماری.