马 瑞，胡立华，左威健，刘爱琴

(太原科技大学 计算机科学与技术学院，山西 太原 030024)

0 引 言

基于图像的特征检测是实现三维重建[1]、图像匹配[2]、物体检测[3]以及遥感图像分析[4]等实际应用的重要步骤之一。基于图像的特征检测主要包括特征点、特征直线和特征区域，相较于特征点和特征区域，特征直线具有特征表达能力强，描述特征几何信息、特征间拓扑关系清晰丰富等优点，成为特征检测的研究热点之一。近年来，基于图像的特征直线检测已广泛应用于SLAM[5]、场景跟踪[6]、无人驾驶[7]以及工业检测[8]等系统中。然而针对场景复杂、结构各异、纹理重复严重的对象，现有特征直线检测方法存在严重的断线以及断线过融合的现象，导致出现完整直线数量较少、错误检测率较高的问题。

针对上述问题，文中结合改进的自适应Canny边缘检测算法[9]，提出基本块的概念，设计了一种基于基本块分组、渐进式融合的特征直线检测方法。利用新的Helmholtz原理准则剔除由噪声等外界干扰形成的虚假特征直线，得到准确特征直线集。实验用Matlab 仿真工具进行了验证，结果证明了该算法对特征直线检测的高效性。

1 相关工作

目前，常见的两类特征直线检测方法为：基于图像空间变换域的特征直线检测方法和基于图像像素信息的特征直线检测方法。

基于图像空间变换域的特征直线检测方法是一种全局特征线检测方法，其基本思想是在图像的整体范围内提取特征点，以特征点位置作为驱动数据，设置参数方程将图像中的点映射为参数空间中的点，依据参数空间网格进行投票累计，由此将图像空间中的特征线提取问题转化为参数空间中的极值搜索问题。……