在计算机视觉系统中,几何特征是识别物体的重要属性,当图像中物体的位置、方向或尺度发生变化时,利用物体的几何特征依然可以描述和分辨物体。线作为几何特征中的一种重要特征,是图像处理的中层表述符号,可很好的反映图像高层信息。本文研究一种具体的线特征,称之为线状目标,代表有宽度的直线或曲线,较之边缘包含更多的信息,可更好表达目标物体。其应用领域非常广泛,因此始终是学者和机构的研究热点。本文主要关注线状目标提取在智能车辆导航车道线检测和遥感图像道路提取两方面的应用。车道线和道路在其相关图像中均呈现细长明亮且均匀的线状结构,’因此可借助线状目标提取技术来解决相应问题。本文针对解决道路提取的宽度限制问题,提出了基于自动尺度选择的道路提取算法。在分析了多尺度框架检测在道路提取中的必要性和可行性,我们将自动尺度选择引入道路特征检测中,同时采用跟踪检测的策略,降低了尺度空间迭代造成的高计算量。该方法成功去除了线状目标提取中的宽度约束,使执行过程避免人工干预。本文针对解决车道线检测领域普遍存在的难点：容易受阴影及光照条件等影响,提出基于亮度信息和曲线检测的车道线提取算法。本文利用车道线与其邻域亮度差异始终存在的特点来过滤车道线,并且采用RANSAC方法准确描述车道线几何信息。实验结果表明,该方法在符合车道线检测实时性要求的同时,可以消除人造物、道路裂缝等干扰,且对不同光照条件鲁棒。