Edges and corners are two major image features in the modelling of man-made objects; an edge provides strong geometric orientation and corners possess good localisation. Feature detection is the basis of image processing for numerous applications such as image registration and object modelling. Completeness and localisation are the two major considerations for these applications; however, illumination, reflectance and shadows may interfere with image grey values to produce various gradients along an edge. Thus, threshold selection is an important step in obtaining suitable features in target-dependent methods as improper selection might cause information loss and broken edges. Instead of threshold selection, this study therefore proposes a feature extraction method using topological gradient connection (TGC) analysis involving three steps: grey value refinement, gradient computation and topological connection analysis. The first step uses a Gaussian filter to smooth the grey value image. The second step computes directional gradients to identify ridge pixels and collect feature candidates. The third step analyses adjacent candidates based on the criterion of topological connection. This three-step tracing procedure combines these connected candidates into a single object. The proposed scheme employs different images derived from various sensors and compares them with the Canny operator (using manually selected thresholds) and manually plotted corners for detection ability assessment. Experimental results indicate that the automatic results are more complete for subtle feature lines than the Canny edges. In addition, the proposed method provides higher flexibility in selecting suitable feature layers for different applications. Resume Les bordures et les coins sont, dans les images, des objets tres importants pour la modelisation d'objets artificiels; une bordure fournit une orientation geometrique robuste et les coins ont une bonne localisation. La detection de formes est la base du traitement d'images pour nombre d'applications, comme le recalage d'images ou la modelisation d'objets. La completude et la localisation sont deux criteres essentiels pour de telles applications; toutefois, l'illumination, la reflectance et les ombres peuvent influencer les niveaux de gris de l'image et produire des gradients variables le long d'une bordure. La selection des seuils est donc une etape importante pour l'obtention de formes correctes avec des methodes dependantes de l'objet, car une selection inappropriee peut causer la perte d'informations et des cassures dans les bordures. Plutot que la selection des seuils, cette etude propose ainsi une methode d'extraction de formes basee sur une analyse de la connexion du gradient topologique (TGC), en trois etapes: rehaussement des niveaux de gris, calcul des gradients, et analyse des connexions topologiques. La premiere etape utilise un filtre gaussien pour lisser l'image de niveaux de gris. La deuxieme etape calcule des gradients directionnels pour identifier les pixels de bordures et collecter les formes candidates. La troisieme etape identifie les candidats adjacents selon un critere de connexion topologique. Cette procedure de reconstruction en trois etapes regroupe en un seul objet les candidats ainsi connectes. Le schema propose utilise des images issues de differents capteurs et compare les resultats avec l'operateur de Canny (utilisant des seuils definis manuellement) et avec des coins pointes a la main, pour evaluer la qualite de la detection. Des resultats experimentaux montrent que les resultats de la methode automatique donnent des resultats plus complets que les bordures de Canny pour des formes lineaires fines. En outre, la methode proposee permet une plus grande flexibilite dans la selection de couches d'information de forme pour differentes applications. Zusammenfassung Kanten und Eckpunkte sind zwei bedeutende Bildmerkmale zur Modellierung kunstlicher Objekte: eine Kante liefert wichtige Information zur geometrischen Orientierung und Eckpunkte sind genau zu lokalisieren. Die Detektion von Merkmalen ist von zentraler Bedeutung fur die Bildverarbeitung, fur die Bildregistrierung und zur Objektmodellierung. Vollstandigkeit und Lokalisierung spielen dabei die wichtigste Rollen, allerdings konnen Beleuchtung, Reflexion und Schatten die Grauwerte eines Bildes beeinflussen und z.B. verschiedene Gradienten entlang einer Kante produzieren. Die Auswahl von Schwellwerten ist ein entscheidender Schritt, um geeignete Merkmale zu erhalten. Eine ungunstige Wahl eines Schwellwerts kann Informationsverlust oder unterbrochene Kanten bedeuten. Statt der Auswahl eines Schwellwerts wird eine Merkmalsextraktionsmethode vorgeschlagen, die eine Analyse der topologischen Verbindung von Gradienten (TGC) nutzt. Es werden hierzu drei Schritte bearbeitet: Grauwertverfeinerung, Berechnung der Gradienten und Analyse der topologischen Beziehungen. Mit einem Gauss Filter wird das Grauwertbild geglattet. Im zweiten Schritt werden Richtungsgradienten berechnet, um Kantenpixel zu identifizieren und geeignete Kandidaten auszuwahlen. Im dritten Schritt werden benachbarte Kandidaten auf der Basis der topologischen Verbindung analysiert. Durch die drei Schritte werde nmiteinander verbundene Kandidaten in ein Einzelobjekt uberfuhrt. Das vorgeschlagene Schema wird auf verschiedene Bilder von verschiedenen Sensoren angewandt. Die Ergebnisse werden mit dem Canny Operator (mit manuell gewahlten Schwellwerten) und mit manuell erfassten Eckpunkten verglichen, um die Qualitat der Merkmalserkennung zu prufen. Die experimentell erzielten Ergebnisse zeigen, dass das vorgeschlagene automatische Verfahren hohere Vollstandigkeit fur nicht sehr ausgepragte Merkmale erzielt, als die, mit dem Canny Operator extrahierten Kanten. Daruber hinaus bietet dieses Verfahren eine hohere Flexibilitat fur die Wahl geeigneter Merkmalsstufen in verschiedenen Anwendungen. Resumen Aristas y esquinas son las dos principales caracteristicas que modelan los objetos hechos por el hombre. Una arista proporciona una fuerte orientacion geometrica y las esquinas dotan de una buena localizacion. La deteccion de caracteristicas es la base de numerosas aplicaciones en proceso de imagenes como el registro de imagenes y el modelado de objetos. Completitud y localizacion son las dos mayores consideraciones para estas aplicaciones. Sin embargo la iluminacion, los reflejos y las sombras interfieren con el valor de gris de las imagenes produciendo variaciones de gradiente a lo largo de una arista. Para obtener caracteristicas apropiadas en metodos dependientes de dianas es importante la seleccion de un limite sobre el gradiente. La inadecuada seleccion de este puede causar perdida de informacion y la fractura de aristas. En lugar de la seleccion de un limite se propone un metodo de extraccion de caracteristicas usando el analisis de conexion de gradiente topologico (TGC) que tiene tres pasos: refinamiento de los valores de gris, calculo del gradiente y analisis de conexion topologica. En el primer paso se usa un filtro Gausiano para suavizar los valores de gris de la imagen. En el segundo paso se calculan los gradientes direccionales para identificar los pixeles en la cresta y seleccionar los candidatos a pixel de caracteristica. En el tercer paso se analizan los candidatos adyacentes usando criterios de conexion topologica. Este procedimiento de tres pasos combina los candidatos adyacentes en un unico objeto. Este esquema se ha aplicado en imagenes de distintos sensores y sus resultados se han comparado con los del operador de Canny (usando limites seleccionados manualmente) y manualmente se han trazado las esquinas para valorar la capacidad de deteccion. Los resultados empiricos indican que los resultados automaticos son mas completos para caracteristicas lineales sutiles que el operador de Canny. Ademas el metodo propuesto proporciona mayor flexibilidad en seleccionar caracteristicas apropiadas para aplicaciones diferentes.