随着各种成像技术,包括医疗成像、多频段军事遥感成像等关键技术的突飞猛进,以及数码相机、摄像机、摄像头等民用数码技术的广泛普及,人们对图像视频信息的获取能力急剧提高,面对这种爆炸式增长的图像视频信息量,传统人工处理的方式显然已经远远跟不上要求,而图像的线条画则为这些图像视频信息在计算机中的快速读解提供了解决的途径和可能。本文根据已有的边缘、边界、轮廓检测方法,给出了基于条件随机场模型的图像边界检测方法和基于边缘跟踪的图像线条画绘制算法。论文的主要工作和创新点如下：(1)基于条件随机场模型的图像边界检测方法主要分为三个部分：训练数据与推断数据的预处理、模型的训练与推断、推断后处理。预处理分为两步：图像特征计算和特征后处理,在图像特征计算中,选用了图像的方向能量、灰度梯度、纹理梯度以及统计特征等四个图像特征；在特征后处理中,使用中值滤波算法处理了图像纹理梯度的双边缘问题,同时对图像灰度梯度和图像纹理梯度进行融合得到融合梯度,最后使用非极大抑制方法,对图像方向能量、图像统计特征、融合梯度这三个特征进行细化处理。在模型的训练与推断部分,模型分为训练和推断两个部分,对于模型训练,本文以对原图像进行第一次小波分解后的低频部分为基础产生训练数据对,对低频部分图像以处理后的方向能量、统计特征、融合梯度三个特征组成的向量组作为观测数据,以学习边界图像为标记数据,而学习边界图像是基于方向能量、统计特征、融合梯度进行图像纹理边缘、噪声和背景边缘抑制后产生的；对于模型的推断,使用Gibbs采样算法进行推断。在推断后处理中,本文给出了一个边缘细化连接的方法对推断得到的结果进行处理。通过实验表明本文方法是可行而且有效的。(2)基于边缘跟踪的图像线条画绘制算法由边缘跟踪和线条画绘制两部分组成。本文提出了基于相异性度量的边缘跟踪算法,以使利用边界检测方法得到的边界能够归类、连接；在线条画绘制过程中,引入非均匀B样条对不连续边界进行插值并使用高斯平滑以获得连续光滑的边缘线条,然后以线条的曲率为依据,生成画笔,实现线条画的绘制。实验表明本文方法能够迅速快捷的生成质量较高的线条画。