直线段是一类重要的图像特征,能够有效表达场景的几何信息和拓扑信息。现有的直线段检测方法广泛存在直线段端点定位不准或方向不准等问题,且均针对灰度图像来设计检测方案,丢失了图像的部分彩色信息,从而导致检测效果不理想。在评估直线段检测结果时也存在一些明显的问题,如检测到的直线段与真实直线段之间的映射关系不合理,未对直线段过融合、过分割和方向偏差进行惩罚等,无法有效反映检测算法的真实性能。针对直线段端点定位和方向不准的问题,提出了一种融合的直线段检测算法。首先,对Hough变换法和局部感知法进行分析比较,确定了一种融合这两类方法来改进检测性能的策略,并给出了融合方案;然后,对待融合的直线段进行分组处理,明确了融合的约束条件;最后,建立直线段融合模型,并实现了具体的融合检测算法。通过融合Hough变换法和局部感知法的各自优势,新算法显著改进了直线段端点位置和方向的精度,取得了更好的直线段检测效果。针对图像色彩信息丢失的问题,提出了一种彩色图像的直线段检测算法。首先,对三个色彩通道分别计算梯度矢量,并基于平均梯度强度和方向提取出彩色图像中的边缘线段;然后,对边缘线段上的像素点进行跟踪、链接或分裂,以生成候选直线段;最后,基于候选直线段上各点的梯度信息,利用Helmholtz准则过滤由噪声形成的虚假直线段,得到最终的直线段集合。新算法充分应用了图像的色彩信息,由此提高了直线段检测的性能。为提高对直线段检测结果的评估效率,提出了一种双向评估技术。首先,分析并建立了真实直线段与检测到的直线段之间的正确映射关系。然后,通过配置激励函数和加权策略分析了检测算法在直线段“长度有效性”和“方向有效性”上的性能表现;进一步地,通过互换真实直线段与检测到的直线段的位置进行反向测评,由此分析检测算法在直线段过融合和过分割方面的性能表现;最后,融合正向、反向评估结果得出对检测算法的综合评价。