当前的椭圆检测算法均是针对灰度图像设计和实现的，在处理彩色图像时会抛弃很多有用信息，不利于获取更高质量的检测结果。为此，提出一种针对彩色图像的椭圆检测算法。首先，对图像的3个色彩通道以及加权灰度图分别进行椭圆检测，融合多通道的检测结果得到一个椭圆集合；然后，将同一椭圆在不同图像通道中的多重响应结果进行聚类，并合并成一个椭圆；最后，提出一种椭圆有效性的验证技术，该技术通过DiZenzo算子融合图像的色彩信息，由此提取椭圆支撑线段来判断椭圆的有效性，过滤掉无效的椭圆，得到最终的检测结果。实验结果表明，与现有算法相比，所提算法充分使用图像的色彩信息，显著提高了椭圆检测的效率，在标准数据集上的F-score明显优于当前检测算法。

提出了一种各向异性的多尺度边缘检测算法。首先，在给定的多个尺度下分别应用各向异性的高斯滤波器获取图像的边缘强度图。然后，将所获取的多幅边缘强度图融合为一幅边缘分辨率高、拓散效应小的边缘强度图。最后，将融合的边缘强度图嵌入到Canny边缘检测算法的框架中，获得最终的边缘检测结果。创新性地提出基于“信号平均”技术的多尺度融合策略，并从理论分析和数值实验角度解释了新策略相比于现有的“几何平均”融合策略所具有的优势。实验结果表明，所提算法通过使用多尺度融合策略，有效解决了各向异性滤波器在单一尺度下存在的边缘拓散问题，能够在保持稳健噪声鲁棒性的同时，获得了比现有算法更好的边缘检测效果。

现有的基于卷积神经网络的边缘检测算法,通常可以给出图像中每个像素为边缘的概率,即边缘概率图。针对边缘概率图细化后边缘存在丢失、间断等问题,提出一种基于梯度掩模滤波的边缘细化算法。为了获得高梯度掩模和低梯度掩模,引入基于Canny边缘检测算法的双阈值方法。对于高梯度掩模滤波后的边缘概率图进行增强,并对低梯度掩膜滤波后的边缘概率图进行削弱。最后,对边缘概率图进行非极大值抑制,得到二值的边缘图。实验结果表明,所提的边缘细化算法具有更多的连续边缘,并且更符合单边缘响应准则。

当前的直线段检测算法均针对灰度图像设计和实现,在处理彩色图像时会抛弃其色彩信息,不利于获取高质量检测结果。为此,提出了一种针对彩色图像的直线段检测算法。对三个色彩通道分别应用DiZenzo算子计算出其梯度矢量,并基于平均梯度强度和方向提取出图像中的边缘;再对边缘线段上的像素点进行跟踪、链接或分裂,以生成候选的直线段。最后,基于候选直线段上各点的梯度信息,利用Helmholtz准则排除由噪声形成的虚假直线段,从而得到最终的直线段集合。实验结果表明,与现有算法相比,新算法充分应用了图像的色彩信息,显著提高了直线段检测的性能,在York城市图像数据库上可将当前算法的最高精确率从0.2207提升为0.2687,并获得了更高的F-得分。