基于连通区域标记算法的圆检测算法的研究

针对传统Hough变换进行圆检测,计算量过大、检测同心圆精度不高、自动化程度低等缺点,提出一种基于连通区域标记算法的圆检测算法。该算法首先通过连通区域标记算法对图像进行处理得到一个圆,解决了传统Hough变换计算量过大的问题,再根据圆的特性确定其圆心及半径,从而避免了检测同心圆精度不高的问题。最后,分别取圆心的8邻域像素为圆心做圆,找到最优圆并将其与检测得出的圆进行比较来确定最终的圆,以达到自动化的目的。实验结果表明,提出的算法可以正确地检测出圆并具有很高的检测精度同时比Hough变换计算量小、自动化程度较高。     

基于Hough变换检测直线的研究

Hough变换是图像处理中的一种常用的检测算法,能够有效地在较大的噪声环境中提取图像中的特定信息。本文主要介绍了标准Hough变换算法以及为了降低标准Hough变换算法的时间复杂度而提出的快速Hough变换算法。     

基于Hough变换利用对称点检测圆

分析了传统Hough变换检测圆中一对多的映射关系导致性能下降的问题,总结了经典的Hough算法和其他研究人员提出的其它改进算法后,提出了采用圆的几何特征,利用圆周上两个对称点的中心为圆心,先检测出圆的圆心,然后检测半径的方法来检测圆.实验及分析证实该方法降低了Hough变换的转换的维度,比传统的Hough变换性能有较大的提高.     

基于形状信息的三角形交通标志检测方法

提出一种基于快速辐射对称性和Hough变换的三角形交通标志检测方法。利用快速辐射对称性检测三角形的内心,在内心处设置一个窗口对窗口内图像作Hough变换,在图像的Hough域中检测三角形交通标志。实验结果表明,该算法能有效弥补现有同类算法的缺陷,具有较高的检测效率。     

一种新的用于检测直线的快速Hough变换

在分析现有常用的改进Hough变换算法思想的基础上,设计了一种新的用于直线检测的快速Hough变换,通过与现有改进Hough变换算法的比较实验,新设计算法具有更好的实时性。     

用两步Hough变换检测圆

Hough变换在图像处理中占有重要地位,是一种检测曲线的有效方法。但使用传统的Hough变换来检测圆,具有存储空间大计算时间长的缺点。为此提出了采用两步Hough变换的圆检测方法,利用圆的斜率特性,降低了Hough参数空间的维度,提高了运算效率,并推广到椭圆的检测之中。     

一种基于梯度Hough变换的同心圆检测新方法

目前检测圆的方法很多,最常用的为Hough变换,另外还有一些改进的Hough变换和圆的快速检测方法,但是这些方法如果直接运用于存在同心圆的图像中,就不能检测出同心圆。目前对同心圆检测的算法较少,而且存在一定局限性,这里提出一种结合圆梯度信息和二次检测圆的新的检测同心圆的算法,改善了检测的局限性,不需要事先确定圆的一些参数仍然能准确检测同心圆,具有一定抗干扰性,且检测速度较快。本文通过实验仿真和应用实例,证明了该算法简单、准确,有效。     

用点Hough变换实现圆检测的方法

给出了一种新的Hough变换圆检测方法——点Hough变换(PHT)。该方法根据圆周上任意两条不平行弦的中垂线相交与圆心的几何性质，同时选取曲线上3点进行计算，将传统Hough变换圆检测时的三维参量统计变成一维参量统计，极大地降低了计算复杂性和对资源的需求。为了克服任意选取组合点可能带来的计算量增加及统计结果的分散程度提高，文中提出了点的选择方法。合成图和实际图像的实验结果表明，该方法用于普通图像中圆检测时快速、稳定、准确。     

一种随机Hough 变换检测圆的优化方法

随机Hough变换是常用的图像测圆方法,当图像数据杂乱时,随机Hough变换的结果不理想且检测实时性差.针对激光扫描检测直缝焊管焊缝噘嘴问题,提出了一种优化的随机Hough变换检测圆方法.首先计算激光扫描所得轮廓离散点的曲率值,然后采用K均值聚类法从轮廓图像中分离出圆弧数据点,最后使用随机Hough算法检测圆.实验表明,本文方法可以准确而快速地计算出焊管径向横截面二维轮廓圆的圆心和半径,可以满足工业实际应用需求.     

随机Hough变换圆检测累计加速算法

随机Hough变换是一种检测圆的有效方法.为了进一步提升随机Hough变换圆检测算法的执行速度和抗噪声能力,提出一种基于有效继承的随机Hough变换圆检测累计加速算法.该算法在每次成功检测圆后不清空参数空间的累计值,继承了上次的有效采样,对没有通过验证的参数单元设定负累计值;通过数理统计分析,采用伯努利试验模型解释了加速原理,得出该算法可以减少总采样次数并节省清空参数空间所需时间的结论.实验结果表明,加速原理的理论分析是正确的,文中算法的加速效果是显著的,且具备更强的抗噪声能力.     

基于级联霍夫变换的车道线快速检测算法

车道线检测是智能辅助驾驶算法中的核心算法之一。为了解决基于传统霍夫变换的车道线检测算法检测效率低下等问题,提出一种基于级联霍夫变换的快速车道线检测算法。该算法首先对视频帧进行ROI选取、滤波、边缘检测、非极大值抑制等预处理,然后使用基于平行坐标系的映射将原始图像转换到参数空间,完成点到线、线到点的映射,接着再使用一次映射,最终实现点到点、线到线的映射,以此快速提取车道线消失点,并根据消失点位置扫描实际车道线,实现车道线的提取。该算法在点的映射过程中,坐标值始终是线性变换,克服了传统霍夫变换在映射过程时需对每一个点进行极坐标转换的缺点,计算更简单,运算效率更高。仿真实验表明,文中提出的改进算法比传统霍夫变换运算速度提高了31%,准确率提高了6.2%,检测效果有明显提高,可广泛应用于智能辅助驾驶中。     

Hough forests for object detection, tracking, and action recognition

Abstract—The paper introduces Hough forests, which are random forests adapted to perform a generalized Hough transform in an efficient way. Compared to previous Hough-based systems such as implicit shape models, Hough forests improve the performance of the generalized Hough transform for object detection on a categorical level. At the same time, their flexibility permits extensions of the Hough transform to new domains such as object tracking and action recognition. Hough forests can be regarded as task-adapted codebooks of local appearance that allow fast supervised training and fast matching at test time. They achieve high detection accuracy since the entries of such codebooks are optimized to cast Hough votes with small variance and since their efficiency permits dense sampling of local image patches or video cuboids during detection. The efficacy of Hough forests for a set of computer vision tasks is validated through experiments on a large set of publicly available benchmark data sets and comparisons with the state-of-the-art.     

楼道消失点查找与跟踪的迭代算法

提出了一种新的消失点跟踪算法。具体地, 改进了梯度霍夫变换, 引入映射的参考点; 结合梯度方向信息进行映射, 提高了映射速度; 采用加权最小二乘法在参数空间拟合三角函数曲线, 直接计算消失点的坐标。通过迭代的方法更新参考点的坐标, 从而使算法精确查找到消失点的位置。实验证明, 此算法可以快速准确地查找到楼道环境的消失点, 并且迭代速度可以满足消失点的实时跟踪要求。     

基于改进Hough变换的电梯轿厢内人数统计算法

考虑电梯轿厢内人数的电梯群控调度算法,可以在有限的时间内,找到更优解,对电梯的调度具有重要意义。针对目前基于视觉的人数统计算法正确率不够稳定,速度较慢的问题,提出了一种基于改进Hough变换检测人头轮廓的电梯轿厢内人数统计算法。该算法将标准Hough变换检测圆时的三维空间转换为一维空间,利用圆的几何特性遍历图像数据,通过一维Hough变换进行半径累积,并和阈值进行比较来确定人头轮廓的半径和圆心。结果表明,和用Hough变换检测人头轮廓的传统方法相比,该算法具有速度快,正确率高,抗噪性能好等优点。     

结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。     

一种快速的随机Hough变换圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理复杂图像时随机采样带来的大量无效积累会导致计算量过大。提出一种快速的随机Hough变换圆检测算法,对证据积累的计算从三方面进行研究,有效地提高了计算速度,具有较好的应用价值。     

Real-time detection of lines using parallel coordinates and CUDA

The Hough transform is a well-known and popular algorithm for detecting lines in raster images. The standard Hough transform is rather slow to be usable in real time, so different accelerated and approximated algorithms exist. This study proposes a modified accumulation scheme for the Hough transform, using a new parameterization of lines “PClines”. This algorithm is suitable for computer systems with a small but fast read-write memory, such as today’s graphics processors. The algorithm requires no floating-point computations or goniometric functions. This makes it suitable for special and low-power processors and special-purpose chips. The proposed algorithm is evaluated both on synthetic binary images and on complex real-world photos of high resolutions. The results show that using today’s commodity graphics chips, the Hough transform can be computed at interactive frame rates, even with a high resolution of the Hough space and with the Hough transform fully computed.     

一种快速霍夫变换算法

霍夫变换是图像处理中的一种常用的检测算法，能够有效地在较大的噪声环境中提取图像中的特定信息。但标准的霍夫变换算法运算量大，处理速度慢，有较大的局限性。该文讨论了一种快速霍夫变换算法，该算法有效地降低了传统霍夫变换算法的时间复杂度，提高了计算效率和运算速度，对于提高图像处理的速度，增强图像处理的实时性有着显著的作用。