图像中的线条结构种类繁多,较常见的有医学图像中的血管、遥感图像中的河流和道路、文本图像中的文字、三维测量中结构光线条等,研究它们的算法也是层出不穷。线条特征的检测重构在计算机初级视觉中具有举足轻重的地位,准确地检测和重构线条是更高层计算机视觉中图像理解和三维重建的基础。本文总结论述了多尺度空间的理论基础及其在图像处理中的应用。目前,基于多尺度空间理论的图像处理算法快速发展,多尺度空间理论的核心思想是在不同分辨率实现对不同目标的认识,大结构与小结构目标分别在低分辨率和高分辨率层次分析,因此基于多尺度空间理论的方法具有较快的处理速度和较好的鲁棒性。针对图像中线条的重构与理解,基于多尺度空间理论,提出通过多尺度、多角度高斯-拉普拉斯滤波的最大能量响应,对线条进行自适应增强,同时获取线条的尺度、角度信息,利用非极大值抑制和双阈值处理对线条中线实现检测,对线条中心线进行跟踪细化、断线连接和交叉区域连接,最后利用已获取的线条尺度、角度信息和线条中心线对线条进行重构。实验表明本文线条检测重构算法的有效性。线条检测重构过程中重难点问题较多,线条交叉区域是比较典型的问题,本文着重研究分析具有两个分支的“X型”、“T型”、“V型”和“L型”等比较常见的交叉区域,基于感受野注意机制,改进原有方形滤波器,通过交叉区域中心点滤波响应的不同,区分交叉区域与非交叉区域。交叉区域的研究是对整个线条检测重构算法的有效补充。