基于梯度的随机Hough快速圆检测方法*

针对随机Hough变换(RHT)在复杂图像中检测圆时产生随机采样的大量无效累积,提出了一种改进的RHT用于圆检测,方法利用梯度方向信息来判定是否对采样到的三点进行参数累积,从而较好地解决了无效累积问题。实验表明改进后的算法比原算法计算速度快,占用的内存小,检测性能有较大提高。     

一种基于髓机Hough变换圆检测的改进算法

介绍了一种基于随机Hough变换（RHT）的圆检测的改进算法。该算法利用梯度方向信息来确定采样的三点是否进行累积,然后再利用确定候选圆范围的方法来缩小所要搜索的像素点的范围。此方法较好地解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且改进后的算法使运行速度得到进一步的提高,检测性能也有较大的改善。该算法分别在加噪和不加噪的人工图像上做了实验,检测性能和处理速度方面都比传统的RHT有明显的改善和提高。     

一种基于随机Hough变换圆检测的改进算法

介绍了一种基于随机Hough变换(RHT)的圆检测的改进算法.该算法利用梯度方向信息来确定采样的三点是否进行累积,然后再利用确定候选圆范围的方法来缩小所要搜索的像素点的范围.此方法较好地解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且改进后的算法使运行速度得到进一步的提高,检测性能也有较大的改善.该算法分别在加噪和不加噪的人工图像上做了实验,检测性能和处理速度方面都比传统的RHT有明显的改善和提高.     

一种基于随机Hough变换圆检测的改进算法

介绍了一种基于随机Hough变换(RHT)的圆检测的改进算法。该算法利用梯度方向信息来确定采样的三点是否进行累积,然后再利用确定候选圆范围的方法来缩小所要搜索的像素点的范围。此方法较好地解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且改进后的算法使运行速度得到进一步的提高,检测性能也有较大的改善。该算法分别在加噪和不加噪的人工图像上做了实验,检测性能和处理速度方面都比传统的RHT有明显的改善和提高。     

改进的随机Hough变换的头部区域检测算法

介绍了一种基于随机Hough变换(RHT)的圆检测的改进算法。该算法利用梯度方向信息来确定采样的3点是否进行累积,并在获得真实圆之后采取部分删减的策略来更新边缘点集。此方法不仅解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且有效改善了传统RHT方法中与梯度方向Hough变换(GHT)算法相比最优拟合结果丢失的情况。该方法在降噪后的图像上做了实验,最优拟合结果出现概率明显提高,检测性能有了显著的改善。     

改进的RHT算法在弹簧卡箍检测中的应用

针对弹簧卡箍零件缺陷检测的人工离线检测方法的一些缺陷,提出一种改进的随机Hough变换的智能检测方法。该方法以弹簧卡箍的几何特征作为分析对象,对RHT的随机采样作了3方面的改进,有效地减少了无效采样与无效累积。实验分析显示,改进的RHT用于弹簧卡箍的检测时,尺寸误差都在1个像素之内,并且检测时间只有改进前的RHT算法检测时间的27.05%,最少的只有4.62%。实验结果表明,改进的RHT算法能够更加准确快速地检测出弹簧卡箍的尺寸。     

改进随机Hough变换在虹膜定位中的应用

针对随机Hough变换(RHT)中随机采样造成的大量无效采样和无效积累问题，提出了基于连续曲线段检测的RHT(CRHT)算法并应用于虹膜定位中，它利用了边缘图像的连续特性来减少无效采样的数量。实验结果证明，改进的CRHT变换提高了虹膜定位速度。     

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.     

采用拟梯度方向信息的随机Hough变换直线检测

针对随机Hough变换（RHT）中的无效采样和累积问题，以边缘点的梯度方向信息为基础，提出了利用边缘的拟梯度方向代替边缘点作为待测空间的直线检测方法。理论分析和实验表明，与传统RHT相比，本算法具有检测速度更快、精度更好等优点。     

基于中心提取的RHT在椭圆检测中的应用

充分利用椭圆的几何性质,借助椭圆的形状控制点约束和弦端点法向约束,大幅降低随机Hough变换(RHT)的无效采样和累积次数,并采用基于视觉感知聚类的模糊置信度对由同一个形变椭圆引入的多个虚假候选椭圆进行有效去除.实验结果表明:该算法与基于RHT的其他椭圆检测方法相比,具有检测速度快、精度高、抵抗椭圆的部分缺失和形变能力强等优点.     

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。     

基于改进几何特征的虹膜定位算法

针对随机Hough变换造成的大量无效采样和无效累积问题，提出了基于改进几何特征的虹膜定位算法；首先通过先验知识对传统的去短枝算法进行了改进，然后对仍然留在图像上的噪声点和高频细节用‘投影’算法进行了进一步的去除，这样就降低了无效采样的概率；在虹膜粗定位的过程中，文中采用的是圆的内接直角三角形；任意取两点，比取三点的方法降低了无效采样的概率，提高了虹膜定位的效率。     

Intermediate-level feature extraction in novel parallel environments

Abstract. Parallel systems provide an approach to robust computing. The motivation for this work arises from using modern parallel environments in intermediate-level feature extraction. This study presents parallel algorithms for the Hough transform (HT) and the randomized Hough transform (RHT). The algorithms are analyzed in two parallel environments: multiprocessor computers and workstation networks. The results suggest that both environments are suitable for the parallelization of HT. Because scalability of the parallel RHT is weaker than with HT, only the multiprocessor environment is suitable. The limited scalability forces us to use adaptive techniques to obtain good results regardless of the number of processors. Despite the fact that the speedups with HT are greater than with RHT, in terms of total computation time, the new parallel RHT algorithm outperforms the parallel HT. Received: 8 December 2001 / Accepted: 5 June 2002 Correspondence to: V. Kyrki     

基于VML的复句关系层次树的可视化研究*

在现代汉语复句教学和研究中,为了分析复句的逻辑语义关系,经常需要绘制复句关系层次结构图。传统的做法是利用手工方式绘制,以图片的形式存储,但这种方式具有存储容量大、绘制工作量大的缺点。采用VML技术,在标注复句的基础上,研究了复句关系层次树的自动生成方法以及复句关系层次树在网页中的可视化。通过对不同类型复句进行试验,结果表明各种类型的复句均能准确显示。这就表明该可视化方法能够有效地应用到复句信息工程的研究中。     

Randomized or probabilistic Hough transform: unified performance evaluation

Rapid computation of the Hough transform is necessary in very many computer vision applications. One of the major approaches for fast Hough transform computation is based on the use of a small random sample of the data set rather than the full set. Two different algorithms within this family are the randomized Hough transform (RHT) and the probabilistic Hough transform (PHT). There have been contradictory views on the relative merits and drawbacks of the RHT and the PHT. In this paper, a unified theoretical framework for analyzing the RHT and the PHT is established. The performance of the two algorithms is characterized both theoretically and experimentally. Clear guidelines for selecting the algorithm that is most suitable for a given application are provided. We show that, when considering the basic algorithms, the RHT is better suited for the analysis of high quality low noise edge images, while for the analysis of noisy low quality images the PHT should be selected.     

基于随机Hough变换的零基线正弦曲线检测

研究零基线正弦曲线的随机Hough变换的最小点集、收敛映射和动态链接表结构3个基本问题,提出改进的三点拟合零基线正弦曲线的方法,给出零基线正弦曲线的随机Hough变换检测算法,并分析算法的计算性能和存储量性能。仿真实验表明该方法的有效性。