直线检测技术多是基于边缘图像设计的。边缘和直线特征均是图像最基本的特征,包含了图像场景中大部分重要的信息。边缘检测和直线检测在图像处理技术中发挥着关键的作用,在遥感图像分析,目标识别和机器人导航等领域广泛应用。由于早期受到科学技术和硬件的限制,边缘和直线检测算法主要是针对灰度图像设计的。彩色是图像处理中重要的描绘特征。和灰度图像相比,彩色图像能够反映场景中的颜色信息,可以更加详细和准确地描述场景中的细节。随着硬件存储数据和计算性能的提升,以及目前彩色图像的普及,彩色图像处理技术的研究已是计算机视觉领域中需要迫切推进的课题。本文主要对彩色边缘检测和彩色图像直线检测进行研究。首先,在理解边缘检测中彩色信息融合的基础上,提出一种基于凸组合形式的彩色边缘检测算法,其通过构建基于凸组合形式的目标函数实现彩色信息的融合。将彩色信息融合过程看作彩色矢量分量以一定比例即权值进行线性组合,将包含未知权值的各向异性高斯方向导数(Anisotropic Gaussian Directional Derivative,简称ANDD)矩阵迭代进行奇异值分解,最后迭代的矩阵最大奇异值即是基于ANDD矩阵的最大融合边缘值,并分别计算基于梯度矩阵和ANDD矩阵的最大融合边缘强度和方向。通过仿真实验的直观对比以及ROC曲线的定性定量评估,验证了本文提出的算法能够检测出更多的边缘细节,具有良好的检测性能,并且对噪声具有一定的鲁棒性。其次,结合基于梯度矩阵和ANDD矩阵的彩色边缘检测算法和灰度图像直线检测算法,提出一种基于彩色边缘检测算子的彩色图像直线检测算法。首先进行彩色边缘检测,接着对边缘图像作聚类操作,然后根据聚类组合的最佳拟合直线的不确定性计算椭圆高斯核函数的参数,并用核函数进行投票,最后峰值检测得到直线参数。本文算法考虑了图像的彩色信息,能够有效检测出因灰度化处理而丢失的直线结构。最后,根据彩色边缘检测中不同彩色信息融合思路的启发,提出一类基于漏斗变换的彩色图像直线检测算法。通过应用不同的彩色信息融合方式,分别提出基于雅可比矩阵分析,向量二范数和凸组合形式的彩色图像直线检测算法,本文所提出的算法主要包括彩色Canny边缘检测,漏斗变换,彩色信息融合过程以及后处理等步骤。在York Urban DB数据集上进行的大量仿真实验表明,相比于基于漏斗变换的灰度图像直线检测算法,本文提出的基于漏斗变换的彩色图像直线检测算法利用了图像的颜色信息,可以检测到更多描述场景细节的直线,具有更好的检测性能。