针对图像受噪声干扰导致边缘特征检测精度下降的问题，提出一种多尺度特征增强的噪声鲁棒图像边缘检测算法。该算法将多分支结构和噪声抑制模块嵌入深度边缘检测基线网络中，在浅层利用多层卷积降采样模块生成多尺度特征图，增强多尺度边缘信息。针对不同尺度的边缘检测，设计多尺度噪声抑制模块，利用增强注意力模块和残差连接实现噪声抑制，并联合噪声抑制损失和边缘检测损失监督模型训练，以实现噪声鲁棒的边缘检测。分别在BIPED数据集和BSDS500数据集上进行检测，在噪声标准差为50时，所提算法在BIPED数据集上的最优数据集尺度为0.848、最优图像尺度为0.857及平均准确率为0.908,均优于对比算法。结果表明，在不同等级噪声的干扰下，所提算法的噪声鲁棒性较好，能够有效提升噪声环境下的边缘检测精度。