随着遥感技术和计算机技术的飞速发展,遥感图像的采集变得越来越容易,遥感图像中的物体特征识别及检测变得越来越重要,直线是图像中物体基本的特征之一,研究图像中直线的检测算法对计算机视觉和模式识别具有重要意义。遥感图像中的直线道路信息是遥感图像分析中非常重要的地理信息,因此研究关于直线道路检测的算法已经成为国内外遥感领域的重点。Hough变换作为直线特征提取的比较典型的算法,已经在许多应用系统中获得很好的应用。Hough变换实质上是把数字图像空间中有一定关系的像素点进行聚类,具有很好的鲁棒性,可以很好的解决直线特征提取的问题。本文面向直线特征提取,针对Hough变换算法,主要做了以下工作:1.提出了基于字典学习的Hough变换算法。该算法基于Hough变换的映射关系和Radon变换的变换公式,利用字典学习的方法近似Radon变换,把Radon变换转换成一个线性变换,实现大量图像Radon变换的并行运算,使得我们算法的计算效率较于Radon变换有了很大提高。本章在一个比较常用的数据库RSSCN7上进行了大量的实验,实验表明本章的算法优于传统的Hough变换、Radon变换。2.提出了基于正则化的多视角字典学习的Hough变换算法。多视角的引入避免了图像信息的丢失,提高了直线检测的准确率。通过加入正则化引入先验知识,先验知识的引入把人对模型的先验知识加入到学习模型中,强行学习到人期望的特性,例如平滑,稀疏等。在数据库RSSCN7上进行了大量的对比实验,实验结果表明本章提出的算法具有较好的检测效果。