在一幅图像当中,图像的线特征(包括直线、曲线)往往组成了物体的轮廓,如果能够有效地将这些特征提取出来,则对于图像处理在目标匹配、目标识别、机器人视觉、数据挖掘等领域的应用具有重要意义。本文针对数字图像中存在不同特点的线特征提取进行了算法研究,主要研究内容包括:首先,针对图像中存在具有非平滑边缘的曲线特征(圆或椭圆)的情况进行了特征提取算法的研究,提出一种基于多尺度边缘提取的圆及椭圆检测算法,逐一检测利用高斯金字塔所得到的不同尺度图像,以此提高曲线特征的检测率,并将该算法应用于天体表面陨石坑图像的检测,并且检测率可以达到85%以上,最后将该算法与Fornaciari等人提出的算法(Forn算法)进行检测结果比较,结果表明,与Forn算法相比,检测率提高40%,检测时间提高50%以上。然后,针对图像中存在多种线特征并存的情况,研究了一种基于ELSD的直线与椭圆提取算法。首先利用区域生长以及曲线生长的方法分别对直线段和椭圆弧段进行检测,通过分析椭圆弧段的位置信息和切线方向信息进行最小二乘算法的椭圆拟合,并利用计算误报率来剔除拟合出来的无效椭圆。应用该算法对道路交通标志图像进行检测,实验结果表明,该算法不仅能够对存在多种线特征的交通标志图像有较好的检测结果,且检测快速。最后,针对基于ARM平台的圆(椭圆)检测系统进行了设计和研究。通过对硬件部分和软件部分的设计实现该系统的整体搭建。在硬件部分中,以i.MX6DL处理器为核心,并结合一系列外围接口;软件部分则利用OpenCV(跨平台计算机视觉库)以及QT等软件资源来实现嵌入式系统下的图像的处理及显示。最后将交通标志检测程序移植到该系统中,实现了基于ARM平台的交通标志检测。