冯 凯，王 琦，于水源

（1.中国传媒大学计算机与网络空间安全学院；2.智能融媒体教育部重点实验室，北京 100024）

0 引言

直线检测一直是计算机视觉领域的研究热点之一。在图像中，直线段属于底层的图像特征，基于直线段的长度、方向和端点检测都能提取出重要而基本的图像信息。在许多计算机视觉任务中都能看到直线检测的影子，如道路检测［1］、消失点检测［2-3］、即时定位与地图构建［4-5］及三维重建［6］等。曲线在人们的日常生活中也随处可见，通过曲线检测能够获取图像中物体的轮廓信息，因此曲线检测与直线检测一样具有较高的研究价值。

目前直线检测已取得了许多研究成果，主要包括边缘连接法和梯度法。霍夫变换算法属于边缘连接法，以其优良的检测能力得到了广泛应用［7］。近年来也有针对霍夫变换的改进算法，包括霍夫一维变换［8］、随机霍夫变换［9］、概率霍夫变换法［10-11］和网格霍夫变换［12］等。但是霍夫变换依然存在针对复杂图像检测性能不佳、容易误检和漏检直线等问题。CannyLines 方法［13］也是边缘连接法中的经典方法，其能够根据图像自适应调整参数，且易于检测低梯度区域，却过滤了一些真实的短线段。梯度法的主流算法包括以下几种：LSD 方法［14］能够有效区别相邻线段，但容易产生过分割的情况；Linelet 方法［15］易于检测细小的纹理信息，但存在运行速度慢、易出现孤立的短线段等缺点。

在曲线段检测方面，目前工业界最常用的还是霍夫变换算法，霍夫变换可根据给定的解析式检测特定曲线（如圆或椭圆），而之后提出的广义霍夫变换［16］可以不需要解析式检测任意给定的曲线。……