1、直線與曲線是數(shù)字圖像中構(gòu)成被識(shí)別對(duì)象的重要元素，快速有效準(zhǔn)確地從圖像提取出直線與曲線對(duì)于準(zhǔn)確構(gòu)建識(shí)別對(duì)象模型具有很重要的意義，因此直線與曲線的檢測(cè)是圖像處理以及圖像分析中重要的任務(wù)。
　　Hough變換是檢測(cè)與提取直線與曲線位置參數(shù)的常用工具，其優(yōu)點(diǎn)是魯棒性強(qiáng)，部分特征點(diǎn)的缺失不會(huì)影響到對(duì)象特征的提取。但是，利用Hough變換在復(fù)雜場(chǎng)景下檢測(cè)直線與曲線卻會(huì)出現(xiàn)虛假峰值，進(jìn)而檢測(cè)出虛假直線。而虛假峰值的形成則是二值圖像紋理區(qū)域中特征

2、點(diǎn)過(guò)多造成的。
　　針對(duì)Hough變換的虛假峰值問(wèn)題，本文提出了三種不同的Hough變換加權(quán)途徑，以便達(dá)到抑制虛假峰值的目標(biāo)，提高顯著峰值中真實(shí)直線的檢測(cè)率。
　　第一個(gè)途徑從原圖像的基本特征入手，利用不同的三種數(shù)學(xué)方法Harris算子、SUSAN算子以及基于頻率調(diào)整的視覺(jué)顯著性方法對(duì)圖像各像素點(diǎn)形成邊緣的貢獻(xiàn)值進(jìn)行計(jì)算并將計(jì)算結(jié)果帶入到Hough變換的投票過(guò)程中，使得處于邊緣區(qū)域的像素點(diǎn)獲得較大的權(quán)值而紋理以及背景區(qū)域獲得

3、較小的權(quán)值，最終達(dá)到抑制虛假直線的目的;第二個(gè)途徑從二值圖像特征點(diǎn)的鄰域入手，通過(guò)對(duì)二值圖像特征點(diǎn)的鄰域進(jìn)行觀察發(fā)現(xiàn)，中心鄰域的特征點(diǎn)如果大致落在一條通過(guò)中心的直線時(shí)，該中心特征點(diǎn)才更有可能是邊緣直線的組成部分，在這種思想的基礎(chǔ)上提出了二值圖像的在線離線比(OOR)的概念，并依照此概念提出了基于OOR加權(quán)的Hough變換以及基于LVOOR加權(quán)的Hough變換，該種方法也達(dá)到了提高顯著峰值真實(shí)直線檢測(cè)率的目的;第三個(gè)途徑從二值圖像不同區(qū)域

4、特征點(diǎn)的分布情況入手，在概率Hough變換對(duì)特征點(diǎn)隨機(jī)抽樣的基礎(chǔ)上，采取對(duì)二值圖像進(jìn)行分塊，并對(duì)不同分塊區(qū)域得點(diǎn)采取不同的采樣策略，即在特征點(diǎn)分布較多的分塊內(nèi)隨機(jī)抽取較少的特征點(diǎn)，而在特征點(diǎn)分布較少的區(qū)域保證抽取的特征點(diǎn)具備一定數(shù)量，并在此基礎(chǔ)上實(shí)現(xiàn)改進(jìn)的概率Hough變換，該種方法也達(dá)到了有效抑制虛假峰值的目的，并且提高了算法的運(yùn)算速度，可以用于實(shí)時(shí)性的直線檢測(cè)。
　　最后，本文在對(duì)比以上幾種改進(jìn)算法的之上利用改進(jìn)的基于SUSA