广义Hough变换:多个圆的快速随机检测

以随机采样到的2个图像点及在此2点的中垂线上搜索第3个图像点来确定候选圆．当随机采样2个图像点时,通过剔除孤立、半连续噪声点减少了无效采样;当搜索候选圆的第3点时,剔除上述2种噪声点、非共圆点并给出快速确认候选圆是否为真圆的方法,尽可能减少无效计算．数值实验结果表明：文中算法能快速检测多个圆．在检测多个圆并且具有噪声的情况下,与随机圆检测算法相比,其检测速度快一个数量级．     

基于统计聚类随机椭圆检测方法

本文提出一种基于统计聚类的随机椭圆检测方法。利用椭圆的几何性质和形状大小限定采样区域避免无效采样，获得候选椭圆时．检验边缘点集中位于候选椭圆上的点，通过统计候选椭圆上的点与其外切矩形上的点的个数的比值来验证候选椭圆的真伪。该方法与传统的Hough变换的参数空间累积验证相出，其计算简单，速度快，不需要为可能产生的虚假椭圆分配内存空间．更无需进行参数单元集的搜索，并能够快速的去除已验证的真实椭圆上的边缘点集，进一步减少了无效采样的产生。     

基于中点提取的椭圆检测算法

针对Hough变换检测椭圆时存在运算速度慢、需要大量储存空间的问题,提出一种快速的随机椭圆检测算法。该算法随机采样2点并搜索第3点,再利用椭圆极径性质求出椭圆中心坐标,接着通过坐标变换得到简化的椭圆方程,解方程组求出椭圆剩下的参数。在证据收集确认候选椭圆时,只选取椭圆外切矩形内的边缘点,同时利用特殊的累积记录函数对候选椭圆参数进行进一步判别。实验结果表明,该算法具有检测速度快、精度高、抗椭圆部分缺失的能力强等优点。     

基于局部搜索的多椭圆随机检测算法

随机采样2个图像点后再分别在这2点相关的3条线段上搜索1个图像点。利用采样的2个图像点和搜索的3个图像点决定侯选椭圆。当采样和搜索图像点时,通过识别和剔除孤立、半连续噪声和不在同一个真椭圆上的图像点,显著地减少了无效采样及无效计算。在确认真椭圆时,文中方法将椭圆变换成对应圆,通过确认真圆来确认真椭圆并直接控制椭圆的检测精度。数值实验结果表明:该文算法在检测多个椭圆时的检测效率和鲁棒性等方面都具有良好的性能。     

改进的随机Hough变换圆检测算法

针对随机Hough变换会产生大量无效累积的问题,提出了一种改进的随机Hough变换算法来检测圆,该算法利用梯度来预先判断随机采样的三个点是否在同一个圆上,从而大大减少了无效累积;另外,该算法还在圆参数的计算、阈值的确定、候选圆的确认等方面进行了改进.实验结果表明,该算法精度高,速度快,检测性能有了较大提高.     

局部PCA参数约束的Hough多椭圆分层检测算法

针对随机Hough变换(RHT)在复杂图像中检测圆及椭圆时随机采样所造成的大量无效采样、无效累积以及运算时间长等问题,提出基于局部PCA感兴趣参数约束Hough多椭圆分层检测思路。首先利用边缘检测算子获得边缘信息并去除边缘交叉点,在边缘图像中标记并提取出满足一定长度的连续曲线段;其次利用线段PCA方向分析确定是否属于有效曲线段;然后,对所有感兴趣曲线段按照标记顺序依次利用椭圆拟合办法初步得到感兴趣椭圆粗略参数,根据拟合结果进而模糊约束Hough变换参数搜索范围,得到精确椭圆参数;最后利用检测结果更新图像空间,删除已经检测到的椭圆,依次进行,直到所有椭圆检测完毕。实验结果表明,该算法在计算、存储消耗上均大大减少。     

快速随机Hough变换多圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理多圆复杂图像时随机采样带来的大量无效累积会导致计算量过大。文中提出一种基于随机Hough变换的快速多圆检测算法,除去三类噪声点,通过随机采样到的一点按照一定规则搜索另外两点来确定候选圆,用原始图像对候选圆进行证据积累以判断是否为真圆。理论分析和实验结果表明：该算法较其他算法能更快地检测出图像中的多个圆,具有较好的应用价值。     

基于采样约束的随机Hough变换圆检测算法

为减少图像中的圆检测时间并提高圆检测精度,提出一种随机Hough变换圆检测算法。以随机采样的一点作为圆直径的一个端点,用约束候选圆直径范围的方法确定候选圆,再将候选圆n等分,对每个方向进行证据积累以判断是否为真圆,通过聚类算法剔除错误样本点,对真圆进行最小二乘拟合以得到更准确的圆参数,解决由于随机采样三点而造成的大量无效采样累积问题。实验结果表明,与RHT算法、ARHT算法和BRHT算法相比,该算法的检测速度更快、检测精度更高。     

改进的随机圆检测算法

介绍了一种基于随机圆检测的改进算法。解决了随机圆检测算法随机采样阶段引入的大量无效累积和验证阶段假设圆之外的边缘点所进行的无效计算的问题,首先对边缘图像进行8邻接连通,3个随机采样点在同一个连通曲线内选择,然后利用圆的性质求得圆的参数,再应用证据收集过程来进一步验证圆的真实性,该验证过程中只考虑假设圆的外切正方形和内接正方形之间的边缘点。实验结果表明,该算法计算量小,对比改进前,检测性能有所提高,且鲁棒性也相应提高,同时能够检测圆弧和有相互重叠的多个圆。     

基于局部搜索快速随机检测多个圆*

以随机采样一个图像点P1的5×5邻域图像点作拟合直线l1,与l1距离为d(d＞0)的平行线l3与l2(l2是通过P1点并垂直于l1的直线)的交叉点为Q,然后以Q为起点,在直线l3上按给定规则搜索两图像点P2和P3,用P1、P2和P3来确定候选圆.当采样和搜索图像点P2、P3时,通过剔除孤立、半连续噪声和非共圆点显著地减少了无效采样和无效计算.数值实验结果表明,该算法能快速检测多个圆.在检测多个圆时,其检测速度比随机圆检测算法快一个数量级;在孤立和半连续噪声不低于所有噪声的80%时,其检测速度比多个圆的快速随机检测算法大约快20%.     

基于最大内切圆的椭圆孔组检测

针对当前一些椭圆孔组工件检测成本高、时效低等问题,提出了一种基于最大内切圆的椭圆孔组检测方法。首先对椭圆孔组图像进行去噪、二值化和边缘检测等预处理;再根据椭圆的几何性质,结合椭圆中心估计方法和最值距离选取方法,求出椭圆最大内切圆,从而确定椭圆的中心坐标、长短轴长和倾斜角。实验数据表明,该方法能对椭圆孔组进行快速精确检测,在估计出椭圆中心的基础上能快速截取有效椭圆弧,大幅减少无效采样;与基于中心估计Hough椭圆检测算法和基于最小二乘改进椭圆检测算法相比,具有耗时短、精度高等优点,可有效应用于椭圆孔组工件的自动化检测。     

结合多阶段优化的圆检测算法

在常规圆检测算法中,Hough变换、随机Hough变换以及随机圆检测算法的检测效率低,导致难以适用于复杂场景或者对检测速度有较高要求的情况。为了提高圆检测的效率,本文从采样点的选取、候选圆的确定以及真圆的确认3个阶段进行分析,结合这3个阶段的优化方法,提出一种结合多阶段优化的圆检测算法。人工图像和实际图像的实验结果表明：该算法较其他算法有效地提高了圆检测的速度,并且具有较好的检测鲁棒性和检测精度。     

Fast ellipse detection based on three point algorithm with edge angle information

In this paper, we introduce a fast ellipse detection method that uses the geometric properties of three points on an ellipse. Many conventional ellipse detection methods carry out detection using five points, but a random selection of such points among candidate edges requires much redundant processing. To search for an ellipse with the minimum number of points, this study used the normal and differential equations of an ellipse, which requires three points based on their locations and edge angles. First, to reduce the number of candidate edges, the edges were divided into 8 groups depending on the edge angle, and then a new geometric constraint called the quadrant condition was introduced to reduce noisy candidate edges. Clustering was employed to find prominent candidates in the space of a few ellipse parameters. Experiments using many real images showed that the proposed method satisfies both reliability and computing speed for ellipse detection.     

使用广义正交概念的K-RANSAC椭圆提取

开发了一个使用广义正交概念的K-RANSAC椭圆提取算法.该算法通过使用广义正 交概念,成功地把圆的所有性质推广到椭圆;通过仿射变换把水平-垂直种子点对一般化为任意 种子点对情况;通过对边缘点集的归一化运算,有效地正则化了提取椭圆的边缘点集的病态性; 并通过直接估计椭圆参数的广义本征分析技术,进一步提高椭圆的可检测性和拟合精度.理论 分析和实验结果表明,所开发的椭圆提取算法具有鲁棒性强、适用范围广、精度高、速度快等 优点.     

基于图像的酵母菌出芽率分析方法

出芽率是反映酵母菌生长的重要质量标准之一,目前对于酵母菌的出芽率的统计分析主要通过技术人员人工显微镜观察和统计,准确性和效率受到影响,不能适应工业生产的需求.提出一种基于凹点检测的椭圆拟合方法,根据酵母菌通常近似椭圆的特点,通过对酵母菌进行凹点检测之后再进行椭圆拟合的方法,分别统计出图像中酵母菌总数和出芽菌体数,进而判...     

基于切线段匹配的快速圆弧检测算法

针对目前工程图纸矢量化过程中圆弧检测准确率不高、检测时间过长等问题,提出一种基于切线段匹配的快速圆弧检测算法。首先,该方法找出可能位于圆外边界上八方向(0,π/4,π/2,…,7π/4)与圆相切的线段,并记录在切线集合中;然后,对已找到的切线段进行两两配对,估算圆心半径范围,得到候选圆集合;最后,对获取的候选圆集合进行数据合并,对合并后的每一个候选圆进行跟踪检测,最终确定它是一个圆还是一个弧。在切线段寻找过程中进行匹配,对已确定为圆的候选圆,在切线段集合中去除与该圆相对应切线段,有效减少了匹配次数。在对比实验中,所提算法的平均识别率达到了97.250%,平均检测时间为12.290 s, 比随机抽样一致性(RANSAC)算法和有效投票算法(EVM)的平均识别率更高,平均检测时间更短。实验结果表明,所提算法能够有效地对低噪声图像中弧长大于1/8圆周长的圆弧进行检测,同时能提高检测准确率、缩短检测时间。