张量投票算法是感知聚类方法中一种较为有效的计算方法，主要用于提取显著性信息。张量投票算法是以张量为基础，利用人类视觉生理机制和几何学原理提取图像中的显著性特征，具有鲁棒性强、参数唯一、非迭代等特性，并且简单易行，广泛应用于图像处理、医学研究、曲面重建等方面。　　 本文主要是对张量投票算法尺度参数的选取和投票域的建立进行改进，利用改进后的算法对图像进行线特征提取，主要工作如下：　　 (1)提出了基于分形维数的自适应张量投票算法。利用分形维数对张量投票算法中的尺度参数进行自适应选取，弥补了传统方法中没有确定的尺度参数选取方法的不足，使得对不同图像有其相适应的尺度参数，以达到提高显著性特征的效果。　　 (2)给出了改进投票域的张量投票算法。非迭代是张量投票算法的特性之一，但是在复杂或是含有缺口的图像中就降低了显著性特征的提取效果。本文针对这个问题对张量投票算法进行了迭代改进，即以投票域逐步缩小为依据进行迭代，使得迭代后的方法与其他迭代方法相比较，可以减少大量的计算时间。　　 (3)将以上两种改进后的张量投票算法应用于图像的线特征提取，与其他改进的算法进行实验对比。实验结果表明自适应的张量投票算法提取的线特征信息比文献[9]方法提取的更为连续；对投票域进行改进，使得改进后的算法比文献[44]中算法，在时间上有很大的提高，表明更具有实际应用价值。