摘要
以往的线段检测方法通常依赖于图像域中的感知分组，或霍夫域中的全局累加。本文提出一种概率性算法，融合了上述两类方法的优势。首先，采用全局概率霍夫变换检测候选直线；其次，在图像域中对每条检测到的直线进行分析，以精确定位在霍夫变换中产生峰值的线段。通过将搜索范围限制在直线本身，可将线段在直线上点序列上的分布建模为马尔可夫链，并利用标准动态规划算法在时间复杂度为线性的情况下，精确计算出概率最优的标注结果。此外，马尔可夫假设还引出一种直观的排序方法，该方法基于局部边际后验概率，估计各线段上被正确标注点的期望数量。为评估所提出的马尔可夫链边际线段检测器（Markov Chain Marginal Line Segment Detector, MCMLSD），我们开发并应用了一种新颖的定量评估方法，能够有效控制过分割与欠分割问题。在YorkUrbanDB数据集上的实验结果表明，所提出的MCMLSD方法在性能上显著优于现有最先进方法。