从简单图象到复杂图象,这是自动图象理解发展的必然趋势,复杂图象理解在图象理解的实践活动中显得越来越重要.由于图象模式的特殊性,复杂图象理解和简单图象理解,虽然目的是相似的,但处理方法却可能有着天壤之别.因此,如何利用已有的图象理解的理论和技术,如何另循他径去发掘更为合理、更为科学和更加有效的技术,来实现复杂图象的自动理解,对此作者进行了广泛而深入的探索.首先,在作为图象理解基础技术的图象前期处理方面,作者研究了有关边缘检测和曲线有线段提取的大量的理论和算法,进而提出了拟Canny边缘检测方法,设计了惯性链码跟踪曲线提取技术,给出了线段抽取的标记生长算法.接着,作者又分析和总结了现有的感知组织技术,提出了在线段集中进行矩形组织感知收集的结合灰度信息的联合优化方法.