随着计算机视觉研究领域的不断拓展,许多新的图形图像形式逐渐成了计算机视觉研究的对象,同时对处理结果的要求也越来越苛刻。在这背景下,一些新的视觉特征结构提取算法逐渐发展起来,张量投票正是其中比较出色的算法。本论文从张量投票视觉特征提取构架分析出发,提出了一种改进的自适应张量投票算法,给出了算法设计和具体实现方案,并将之应用于二维点云中的特征结构实体提取和图像曲线提取,取得了较好的实验结果。具体表现为如下几点:(1)提出了结合点云密度和图像纹理的自适应张量投票算法,改进和丰富了张量投票理论构架。(2)对点云密度进行了深入系统的分析研究,提出了能反映局部密集程度的密集度参数,弥补了传统点云密度提取方法导致整体密度均匀化的缺陷。结合点云的密集度、均匀分块密度和方差,提出了判别点云随机性和分布均匀性的方法,填补了点云密集性判别研究的空白。(3)基于已有点云视觉结构提取算法大多只能对特定类型的点云进行提取的缺陷,提出了一个结合点云密度和随机性判别的自适应张量投票算法。该方法首先对点云进行预判别,仅对包含视觉特征结构实体的点云进行特征结构实体提取,排除了提取伪特征结构实体的可能性,从而提高了张量投票算法的准确性;其次通过自适应确定投票场尺度参数实现了自适应张量投票,使投票过程依据点云自身密度进行自适应调整,提高了算法的提取精度。(4)基于图像纹理分析,提出了一个结合图像纹理的自适应张量投票算法。该方法依据图像纹理谱自适应确定投票场尺度参数,实现了自适应张量投票,提高了张量投票在灰度图像中提取曲线结构的精度。张量投票作为计算机视觉结构提取的一个有力工具,对它的研究和改进,也可以为其他视觉结构提取算法的研究和实现提供借鉴和参考。