图像是人们认识和了解世界的主要来源之一,结构作为图像的基本特征包含了图像大量有意义的信息。因此,从含有丰富纹理的自然图像中提取结构信息是当前图像分析和模式识别领域的研究热点。图像结构提取技术不仅能大大提高图像理解质量,还能应用于目标识别、图像分割、显著性分析等计算机视觉领域,具有广泛的研究和应用价值。但是,由于自然图像中纹理的多样性和复杂性,使得图像结构提取依然是个富有挑战的难题。此外,近些年出现的纹理滤波技术要求滤除不必要纹理细节的同时保持图像显著结构的完整,因此纹理滤波效果很大程度上也取决于结构提取的好坏。已有的结构检测算法容易受到图像中一些强梯度纹理的干扰,导致无法有针对性的提取图像的显著性结构。另外,大多数已有的纹理滤波算法偏向于处理弱梯度的纹理图像,对于强梯度的纹理容易产生问题,尤其是难以同时做到结构保持和纹理平滑。为了解决上述问题,本文提出了一种基于多尺度特征融合与Canny边缘检测的结构提取算法,并在此基础上提出一种结构引导下的三边纹理滤波算法。本文的主要研究内容和创新点如下:第一,本文提出一种基于多尺度特征融合与机器学习的结构识别方法。首先,本文分析并提取了基于内变分、区间梯度以及Gabor环绕抑制的多尺度混合特征,其对于不同尺度的强梯度纹理具有更高的分辨能力。其次,考虑到各特征之间存在的相关性以及冗余性,本文利用主元分析方法对提取的特征进行降维处理。最后,本文通过实验对几种不同的机器学习模型进行了性能比较,最终发现神经网络模型能够取得最佳的分类效果。第二,本文提出一种结合Canny边缘检测与结构识别的结构检测算法。本文在多尺度Canny边缘检测结果的基础上,首先采用去毛刺、去孤立点以及基于结构预测图的纹理边缘抑制策略,剔除被误检成结构的纹理像素。其次,通过断点连接策略,挽回被漏检的结构像素。最后,通过结构矫正策略解决存在的结构偏移问题,最终得到更为精细的结构检测结果。第三,本文在结构检测结果基础上,将判断是否跨越结构的滤波核引入双边滤波技术框架,提出一种结构引导下的三边纹理滤波算法,对结构和纹理分别采取不同的滤波方式,得到结构保持且纹理平滑的滤波结果。与已有的纹理滤波方法相比,本文的滤波结果既能很好地保持图像的结构信息,同时又能滤除一些不必要的纹理细节。最后,我们将本文纹理滤波结果应用到细节增强、图像风格化以及图像分割等领域,也取得了不错的效果。实验结果表明,本文提出的结构检测和纹理滤波算法相较已有算法在弱梯度结构的识别和保持以及多尺度、强梯度纹理的抑制和平滑等方面取得了具有优势的效果,验证了本文算法的有效性。