基于对称Hough变换的印章倾斜校正方法

本文实现了一种对椭圆和矩形印章图像进行倾斜校正的方法,该方法基于对称Hough变换,以检测具有一对或两对对称轴的图形.和通常Hough变换相比,对称Hough变换具有较高的时间和空间效率,计算速度很快,检测椭圆和矩形的参数准确可靠.实验表明由该方法检测出来的印章图形的几何参数用于印章的倾斜校正,校正效果很好.     

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变换的圆检测方法

总结了圆检测的几种常用方法,如经典HT、随机HT和广义HT.结合几种方法的优缺点,提出了一种基于经典HT的改进Hough变换圆检测方法.该方法先对图像进行预处理,如灰度化、去噪滤波、边缘检测以及运用数学形态学等,然后进行Hough变换.其主要思想是用多维数组来代替经典的循环过程.把Hough变换应用到织物防水性能自动测试的真实图像中,通过对经典Hough变换与改进后的Hough变换的比较,可以看出检测速度有所提高,检测精度也达到了令人满意的程度.     

基于Hough变换的椭圆检测方法

椭圆检测在图像、图形识别与计算机视觉领域中有着重要的应用,而基于Hough变换的椭圆检测是其中常见的方法之一。本文对基于Hough变换的椭圆检测算法进行了综述,其中包括利用三点确定椭圆的提取方法、基于弦中心Hough变换的提取算法和基于椭圆几何对称性算法等,着重对不同方法的原理、实现和优缺点进行了讨论。     

噪声环境下基于不确定性度量的随机HT直线检测

含噪图像中直线的自动检测是机器视觉和图像处理中的热点问题之一。基于Hough变换的直线检测算法中采用硬投票方案,在噪声环境下检测精度下降且占用内存大。为了提高检测算法的抗噪性和降低算法的计算复杂性,提出了一种新的将边缘点不确定性度量和随机Hough变换相结合的直线检测算法。该算法在所建立的点属于某直线上不确定性度量概率模型基础上,根据随机选择的两点间直线参数,按照Bayesian法则用基于不确定度量的参数空间软投票提高了检测算法的抗噪能力。实验结果表明,算法在较高的噪声（方差大于0.03）时,检测误差小于1‰,检测时间是单纯不确定度量直线检测方法的1/2,比传统Hough变换算法快10-15倍。     

黑白棋盘网格中的直线检测方法研究

黑白棋盘网格的直线检测在摄像机标定中具有重要的应用价值。针对黑白棋盘网格图像的特点及传统Hough变换直线检测方法中参数选择敏感的不足,在Hough变换的基础上进行了后续处理,结合最小二乘法获得黑白棋盘网格图像中的直线信息。最后,通过大量真实图像实验验证了方法的可行性,并与传统Hough变换方法及其改进方法进行了比较。     

随机Hough变换实现角点检测

为实现角点的有效检测,提高检测速度,提出一种基于随机 Hough变换的角点检测方法。利用随机 Hough变换求取出直线参数;根据角点在 Hough空间中的特征,利用反 Hough变换的反演原理对参数空间中的峰值进行反变换,定位图像空间中的直线交点;为避免虚假角点,将那些附近不包含任何边缘的交点删除,得到正确的角点。实验结果表明,该方法相对于 Harris算法和SUSAN具有更好的准确性、鲁棒性和稳定性,实时性也有一定提高。     

Hough变换在虹膜区域分割中的应用*

Hough 变换是计算机视觉中用来检测物体几何形状的常用算法, 它可以容易地检测出图像中出现的直线、圆以及其他形状。在虹膜识别系统中, 确定虹膜区域正是需要从图像中提取出圆形的虹膜边界和眼皮部分。对Hough 变换做一介绍, 并对虹膜图像分割中的应用进行研究。仿真结果表明, Hough 变换对于已知形状的图像分割是有效的, 在虹膜区域分割精度是很高的。     

基于椭圆Hough变换的尿沉渣图像红细胞检测

传统的椭圆Hough变换存在运算速度慢,计算量大,占用储存空间大等缺点。针对尿沉渣镜检图像,首先对利用圆环Hough变换对全图中的红细胞进行粗定位,之后针对每个可能存在红细胞的小区域,利用一个改进的随机椭圆Hough变换对图像中的红细胞进行定位识别。该方法由于采用了低维Hough参数空间且合理减少了随机椭圆Hough变换中的采样次数,从而同时降低了算法的时间与空间开销,同时还具有良好的抗噪能力,提高了检测准确率。在真实图像上的实验结果证明了以上结论。     

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。     

基于弦中点Hough变换的同心圆检测方法

给出了一种基于Hough变换的同心圆检测方法,其核心思想是降低经典Hough变换圆检测中的Hough累积维数,将经典Hough变换圆检测时的三维参量统计,转变成基于弦中点的圆心和半径的参量统计。根据圆上所有点的内切圆必经过圆中心的事实,提取黑白边缘图像来建立二维数组累加器,依照像素点分布扫描边缘图像,累加器计数,计算出圆心位置,对每个圆心进行半径累积,确定同心圆半径集。与经典的Hough变换检测方法相比,该方法降低了计算复杂度。     

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。     

Generalized Fuzzy Hough Transform for Detecting Arbitrary Shapes in a Vague and Noisy Image

A generalized Hough transform is an effective method for an arbitrary shape detection in a contour image. However, the conventional generalized Hough transform is not suitable for a noisy and blurred image. This paper describes a generalized fuzzy Hough transform which is derived by fuzzifying the vote process in the Hough transform. The present generalized fuzzy Hough transform enables a detection of an arbitrary shape in a very noisy, blurred, and even distorted image. The effectiveness of the present method has been confirmed by some preliminary experiments for artificially produced images and for actual digital images taken by an ordinary digital camera     

基于Hough变换的圆形物体的检测

Hough变换在图像处理中占有重要地位,但本身具有存储空间大、计算时间长的缺点。利用圆的几何特性,针对Hough变换的缺点进行改进,并将其应用到图像中存在多个圆的情况。实验表明:该算法能较好地减少存储空间,并降低计算时间,同时,能很好地对图像中多个圆进行检测。     

一种用于圆检测的改进Hough变换方法

Hough变换在图像处理中占有重要地位,但本身具有存储空间大计算时间长的缺点。文章利用圆的几何特性,针对Hough变换的缺点进行改进,并将其应用到图像中存在多个圆的情况。实验表明,该算法能较好地减少存储空间及降低计算时间,并能良好地对图像中多个圆进行检测。     

Hough变换及其在几何特征检测中的应用

介绍Hough变换原理,分析应用Hough变换检测直线的原理,并对Hough变换进行推广,用于检测圆的圆心、半径。Hough变换在几何特征检测中有着独特的性能,它将检测目标从目标空间转换到参数空间,避免了在目标空间检测时的目标分类、目标编码等复杂运算,使得被测参数的测量变得简单易行。     

基于Hough变换的汽车零件中圆形检测的改进算法

针对汽车零件中的圆检测实际需求,在分析了基本Hough变换和随机Hough变换进行圆检测的技术特征基础上,对基本Hough变换进行算法改进。采用Sobel算子提取图像边缘,利用圆参数范围已知的先验知识确定感兴趣区域和圆半径的检索范围,使得计算量大大减少,从而实现圆心坐标和半径的快速检测,满足工业生产实时性的要求。     

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。