基金资助:国家自然科学基金(No.61165011);江西省自然科学基金项目(NO.20132BAB211021);江西省教育厅科研项目(No.GJJ12427)。本论文的研究工作是国家自然科学基金项目“基于物体棱线线流场的三维物体运动估计与结构重建研究”(61165011)的一部分。视觉分析一直是计算机视觉领域的一个重要课题,它主要研究从图像序列中提取场景中目标物体的结构、位置和运动信息的理论与方法。而特征检测无论是在图像分割、计算机视觉还是在模式识别中均有着很重要的作用,是图像处理和模式识别首先要解决的问题。在图像所拥有的众多特征中,线特征无疑是人类视觉感知的一个重要线索。可以说在现阶段图像处理与机器视觉中,第一个基本处理步骤就是线特征检测,通过线特征检测可以将目标物体边界形态的结构信息进行有效的保留,从而很大程度上降低图像处理的数据量,简化分析过程。因此特征线的检测有重要的研究意义和实用价值。本文主要研究了特征线提取所涉及的图像预处理及边缘检测方法,通过对数学形态学高帽变换和低帽变换以及模版匹配的深入研究,完成了两种方式相结合提取图像特征线。并通过图像中的颜色纹理特征完成对不同目标特征线的分类。首先,考虑到图像获取时会受到各种因素的影响而产生噪声,有必要对图像进行滤波来提高图像质量。本文研究了图像预处理及常见边缘检测的方法,通过对常用方法的介绍和实验,总结了各个方法的优缺点。其次,完成了模版匹配与高低帽变换综合的方法提取特征线,通过形态学高低帽变换分别提取出图像中的峰值和谷值信息,再利用四个方向模板提取出不同方向的特征线,融合细化后得到完整的特征线。最后,构造特征线上像素点的表征特征,通过表征特征值对像素点进行分类输出,完成不同目标特征线的分类。实验结果表明,该方法能初步完成不同目标特征线的分类。