大多數影象中都存在直線特徵，是視覺感知、描述外部環境的重要特徵資訊。直線是一種大尺度的特徵，在水面環境中具有更為理想的適用性，線特徵具有光照和視角不變性特點，表現更為穩定、有效。因此將點、線特徵進行結合使用，可以有效的提高系統的精度和魯棒性。
演算法過程可分為６個步驟：
１、影象縮放；
２、梯度計算；
３、對梯度進行排序；
４．判斷梯度幅值閾值；
５、線段支援域更新增長；
６、矩形估計；
７、錯誤報警數（ｎｕｍｂｅｒ ｏｆ ｆａｌｓｅ ａｌａｒｍｓ， ｎｆａ）計算。
１）影象縮放：主要是為了解決在邊緣出現鋸齒狀，導致提取出的直線段可能存在斷裂的現象，對於的x，y軸各降取樣比例為0.8，對於一幅影象總畫素取樣的縮放因子為e=0.64，採集原始影象64%的畫素點。
２）梯度計算：影象中在進行lsd梯度計算的過程中，對影象中每個畫素點的右下四個畫素進行梯度計算，如圖2.2所示，為計算影象中某一畫素點梯度示意圖。在計算的過程中利用盡可能小的模板進行計算，這樣做的目的是減小梯度計算過程中畫素點之間的依賴。
圖中為所需要計算畫素點在影象中(x,y)位置的灰度值，那麼該畫素點在ｘ軸、y軸的畫素梯度gx(x,y和gy(x,y)分別為：
根據畫素點在x軸、y軸的畫素梯度gx(x,y和gy(x,y),可以的到梯度幅值g(x,y)和梯度方向(level-line angle, lla):
３）梯度排序：影象中畫素點計算出來的梯度幅值越大，表明該畫素點越是顯著的邊緣點，更加適合作為線段檢測的種子點。由於將影象中每乙個畫素點的梯度幅值進行排序是乙個耗時時間長且利用效率低。
４）梯度幅值閾值設定：影象中部分畫素點的梯度幅值數值較小，該部分畫素點基本出現在平滑區域，或者是影象中的雜訊。通過設定梯度幅值閾值ｐ來進行畫素點梯度幅值篩選，如果畫素點梯度幅值小於設定的梯度幅值閾值ｐ，那麼在進行線段區域構建時，該畫素點將不會被考慮。
５）線段支援域更新增長：畫素點根據周圍畫素點可以計算出自身梯度幅值和畫素點梯度方向。由大量畫素點構成的線段支援域區域可以通過區域內畫素點梯度方向獲得乙個線段支援域梯度方向。線段支援域周圍有大量孤立畫素點，將排序列表中隨機選取乙個孤立畫素點（not used），計算孤立畫素點的梯度方向與線段支援域的梯度方向之間的方向容忍值是否小於ｒ，如果容忍值ｒ滿足閾值，那麼將孤立畫素點更改為used，並納入線段支援域內，更新加入該孤立畫素點後的線段支援域。
其中，r為設定的方向誤差容忍值，表示線段支援域矩形方向與第個畫素點之間的誤差值，當ｒ＜22.5時，畫素點都會被納入原有的線段支援域區域中。
６）矩形估計：將更新後的線段支援域進行矩形化，將線段支援域區域進行矩形近似計算，得到乙個較為規整的矩形區域作為線段提取結果展示。
其中，lx, ly為矩形的中心點座標，ｇ（j）為畫素點j的梯度幅值，２＾ｒ＿ｎｇ（ｙ）為遍歷線段支援域內所有畫素點。線段支援域矩形化後矩形區域的主方向ｍ為；
７）錯誤報警數（ｎｆａ）計算：估計矩形中滿足梯度幅值的畫素點數量可以作為判斷該矩形是否可以作為一條「線段」，滿足畫素梯度幅值的畫素點數量越多，該矩形越有可能是一條「線段」，通過設定矩形中畫素點密度值ｆ來對生成的每個矩形進行判斷。
ｌｓｄ線特徵提取演算法以偽**的形式展示，如下：
為了驗證在水面環境影象中提取線特徵的有效性，選取無人船航行過程中拍攝的某一張進行ｌｓｄ線特徵提取，提取結果如圖３．６所示，可以看出經過ｌｓｄ線特徵提取演算法對影象的處理，對於原始影象（ａ）中線特徵提取結果如圖（ｂ）所示，驗證了在水面環境中ｌｓｄ線特徵提取演算法的有效性。
Sift特徵提取演算法
2004 年d.lowe 提出了乙個新的演算法 尺度不變特徵變換 sift 這個演算法可以幫助我們提取影象中的關鍵點並計算它們的描述符。sift演算法的特點就是，對於區域性特徵對旋轉 縮放 亮度變化保持不變。sift 演算法主要內容如下 1 尺度空間的極值檢測 2 特徵點定位 3 特徵方向賦值 4 ...
LBP特徵提取演算法的提取與實現
lbp的基本思想是對影象的畫素和它周圍8個畫素進行比較，然後求和。如果中心畫素的亮度大於等於他的相鄰畫素，把他標記為1，否則標記為0。最終可以獲取2 8個可能的組合，稱為區域性二值模式或lbp碼。這樣做的原理 因為對於一張，相鄰畫素之 間的的值是有關係的。因此中心點和相鄰畫素比較後就能得到乙個二進位...
特徵點提取演算法 01 特徵的定義基礎
前言 特徵提取 feature extraction 是計算機視覺和影象處理中的乙個概念。它指的是使用計算機提取影象資訊，決定每個影象的點是否屬於乙個影象特徵。特徵提取的結果是把影象上的點分為不同的子集，這些子集往往屬於孤立的點 連續的曲線或者連續的區域。案 理解特徵提取就是獲取依據需求，來獲取影象...