自适应双约束线聚合：面向稳健的通用与线框线段检测
计算机视觉与模式识别
2026-03-13 v3
摘要
线段检测在图像中的研究已持续数十年。现有方法可大致分为两类：通用线段检测器和线框线段检测器。通用检测器旨�检测图像中所有有意义的线段，传统方法通常落入此类别。近期基于深度学习的方法大多为线框检测器。它们仅检测几何上有意义且空间支持较大的线段。由于设计目标的差异，为一范式设计的方法往往在另一范式上表现不佳，少数方法能在两项任务上实现稳健性能。本文提出一种 robust 框架，基于自适应双约束线聚合（ADLA）算法，两者任务高效。ADLA 仅当满足双几何约束时（即 (1) orientation coherence 和 (2) 到自适应估计线模型的有界正交距离）才将像素聚合为候选线段。关键的是，候选线段的参数（即其 orientation 和 centroid）在新像素被纳入时会动态更新。这一渐进式模型细化提高了几何精度。此外，通过利用 edge strength maps 在 orientation 估计和线段验证中，ADLA 所需的参数调节极少。在三个公开数据集上的大量实验表明，ADLA 在性能上与先前方法并驾齐驱或更优，凸显了其稳健性、通用性和实用性。
引用
@article{arxiv.2508.19742,
title = {Adaptive Dual-Constrained Line Aggregation for Robust Generic and Wireframe Line Segment Detection},
author = {Chenguang Liu and Chisheng Wang and Huilin Chen and Chuanhua Zhu and Qingquan Li},
journal= {arXiv preprint arXiv:2508.19742},
year = {2026}
}