随着计算机软硬件技术的迅猛发展，计算机视觉技术在娱乐生活、工业生产和军事应用当中逐渐得到了广泛的应用。但这些应用都只适用于特定的环境条件，多数计算机视觉问题并没有一劳永逸的解决方案，原因之一在于难以提出通用的图像特征描述方法。当前需要更新颖的图像特征，来弥补底层图像内容和其中蕴含的高级语义信息之间的鸿沟。作为最常见的图像底层特征，图像的边缘蕴含丰富信息。人工环境下得到的图像中存在大量的边缘，如何提取和描述这些边缘信息，并利用这些信息来辅助完成诸如图像配准、模式识别、图像分割和超分辨等计算机视觉任务，是一个值得深入研究的课题。基于此考虑，本文进行了线特征的检测和描述相关研究，也即图像边缘检测和线特征描述符构建，主要内容有：1．提出了一种基于两步最优生长的边缘检测算法。算法根据韦伯定律动态调整图像梯度幅值阈值，保证了低对比度条件下检测边缘的连续性。算法在边缘生长阶段采用两步最优边缘生长策略，实现了图像的连续稳定单像素宽度边缘提取。算法最后通过一种快速非参数直线段分裂算法，完成了曲线段边缘的直线段拟合。2．提出了两种边缘直线段特征描述符构建方案，即混合梯度线特征描述符和二值模式线特征描述符。方案根据边缘梯度幅值变化缓急和边缘分割长度来确定边缘尺度信息，根据空间距离和边缘强度对描述符重调整，最终得到对亮度、旋转和尺度缩放鲁棒的图像直线段描述符。3．研究和分析了多种变化情况下的局部线特征匹配性能，通过大量真实图像的边缘线段匹配实验证实了本文提出的描述符具有较好的图像局部边缘描述能力。构造了基于线特征的图像全局描述符，并将其用于建筑物风格分类，实验表明了边缘线特征对图像也具有较好的全局描述效果。本文的边缘检测算法具有快速、稳定、无毛刺等优点，并具有码链形式的结构性边缘输出，基于该边缘检测而构建的直线段描述符具有有效且鲁棒的边缘局部或全局描述能力。