基于基本块分组与融合的特征直线检测算法

直线特征蕴含图像中重要的几何信息,进行精确直线检测至关重要.针对场景复杂、纹理重复对象的直线检测中存在断线多、误检测率高的问题,提出一种基于基本块分组与渐进式融合的特征直线检测方法(BPC GF).该方法首先采用改进的自适应Canny边缘检测算法检测图像边缘点的属性;其次从边缘像素点中确定瞄点,引入基本块概念,结合贪心算法生成不同类型的基本块;然后对同一类型的基本块依据相邻基本块间主方向角度偏差和空间距离约束进行分组、渐进式融合生成候选特征直线,克服了LSD算法中断线及LB LSD算法中短线段过融合的问题;最后利用改进Helmholtz原理准则剔除由噪声等外界干扰形成的虚假特征直线,得到准确特征直线集.以古建筑图像为数据集进行特征直线检测,实验结果表明,与现有算法LB LSD相比,该方法的精确率平均提高了5.43个百分点,F-score提高了6.11个百分点.