LSD直线段特征提取算法是什么？

针对传统直线段提取方法的不足，Burns等提出了一种能在线性时间提取线段的方法，此方法突破了要从边缘图像进行直线段提取的惯例，以梯度图像作为起点，将像素点梯度方向的考虑摆在了首要位置上，通过区域生长组合连接方向-致的 相邻像素点进而提取直线段特征，实验表明使用此方法得到的直线段可以正确定位边缘位置，且效率较高。

Desolneux等提出了“Helmholtz原则”，并应用此原则来应对错误提取。此原则认为完全噪声的图像中应该提取不出任何东西，应用该原则，对直线段内与某方向一致像素点的数目进行统计，并对比完全噪声图像识别错误提取。

Rafael等提出了称为LSD( line segment detector)的直线段特征提取方法，该方法总结并应用了Burns等及Desolneux等的突破性思路，能够在线性时间内快速、准确地提取图像中的直线性特征，并应用Helmholtz原则对提取结果中的错误提取进行控制。此算法使用矩形块表示所提取的直线段，在提取直线段过程中也获得了边缘的宽度信息，输出的直线段可以具有与真实边缘相同的宽度，同时对于有一定宽度的边缘只提取出一条直线段。

LSD算法一经提出就受到广 泛关注，很多研究应用该算法提取直线段进行图像处理和目标识别，并取得了很好的效果。Lee 等应用LSD算法检测视频中的直线段信息，并依此进行帧之间的匹配。Fu等应用LSD算法在一个机载视觉系统，检测空中的电线及时避免事故的发生。Wu等应用LSD算法从遥感图像中提取直线段信息，并LIDAR数据融合重建房屋三维结构。

LSD算法基本思路如下:创建一个与图像宽度 与高度相同的状态标记矩阵，标记图像中每个元素，初始值为0(未使用)。从种子点开始，依次判断其周围8邻域内标记为0的像素点的梯度方向与该点是否一致，“一致”的判定条件为梯度 方向夹角在阈值π的范围内，同时将相应像素点标记为1(已使用)，如果满足方向一致，则将此邻域像素加入到线段支持区域中，然后分别以刚添加到线段支持区域的各个邻域像素为起点进行同样的区域生长过程，直到没有像素点可以添加为止。