霍夫变换在指数函数型曲线检测中的应用

利用了霍夫变换抗噪声能力强和能分离出属于不同直线附近点的特性，研究离散数据点集M中xi，yi满足指数函数关系时的曲线检测问题。首先，对离散数据点集M中的数据xi，yi做半对数变换，得到新的数据点集M*(xi*，yi*)，此时，xi*，yi*具有线性关系；其次，用霍夫变换检测M*中的直线，可得直线参数；然后，利用霍夫变换所得的直线参数，计算图像中的点到直线的距离dki，并与给定阈值dk比较，从而将分布在不同直线附近的点分离出来，同时剔除数据点集M*中的干扰点或噪声；最后，用最小二乘法拟合直线，再经过反变换，得到剔除干扰点或噪声后的拟合曲线方程参数a和b。该方法能够很好地检测出数据集中的数据点按指数关系分布时的曲线，特别是能够检测出数据集中存在多条曲线的情况，解决了最小二乘法拟合曲线时存在的3个问题，同时又对霍夫变换的精度要求不高。     

基于最小二乘修正的随机Hough变换直线检测

利用Hough变换进行直线检测时,由于直线在参数空间中的映射容易受到邻近目标、噪声以及本身非理想状态的干扰,算法中的投票过程较易出现无效累积,进而导致虚检、漏检及端点定位不准等问题.针对传统方法的上述缺陷,提出了一种基于 ρ-θ 域最小二乘拟合修正的随机Hough变换的直线检测方法.首先, 在随机抽样时利用像素-长度比值对抽样的有效性进行判定,剔除不在直线上的抽样点对;然后, 对邻域相关点进行 ρ-θ 域的最小二乘拟合,得到修正后的直线参数用于累加投票,投票过程中设定累加阈值,通过检测峰值点逐次检出疑似长直线;最后, 通过设定断裂阈值对每条长直线进行筛选和分段,定位出直线段的端点.仿真实验表明,所提方法在投票时有效抑制了复杂环境对局部最大值的干扰,使直线检测的准确率得到显著提升.     

基于改进的Hough变换和K-mean聚类的RANSAC车道线检测方法

针对车道线检测中特征点匹配方法存在实时性不高和精度低的问题,本文首先提出了基于消失点改进的Hough变换提取特征线,剔除了干扰线,提高的计算量;然后对特征数据集采用 K-means 聚类和RANSAC拟合算法,首先利用 K-means 聚类对改进的Hough变换提取的特征点进行预处理,剔除了孤立的特征点,接着匹配Catmull-Rom 样条曲线进行RANSAC拟合,相当于二次优化,实现了车道线的快速和精确配准。通过实验表明,该算法不仅提高了车道线识别的精确度,而且具有很好的鲁棒性。     

结合Hough变换与改进最小二乘法的直线检测

提出了一种结合Hough变换与改进的最小二乘法的直线检测方法。分析了Hough变换与最小二乘法在直线检测及检测精度上的优缺点;利用Hough变换鲁棒且不需启发式信息的特点进行初步检测,确定存在直线的大致区域;利用最小二乘法确定直线区域内特征点回归直线的精确参数。为克服最小二乘法对强噪声点敏感的缺点,提出了双点移除的p最小二乘法,通过同时剔除具有最大正负误差的一对数据点,保证数据集中的正常点能得到可靠保留以获得精确的回归结果。实验结果表明,所提方法提高了直线检测的检测率与检测精度,且降低了对Hough变换的分辨率要求,可以减小算法整体的空间开销。     

结合LTS和Hough变换的直线检测算法

为提高Hough变换检测直线的精度,提出一种结合Hough变换与截断最小二乘法的直线检测算法。利用Hough变换确定图像中直线所在的大致区域,提取候选区域内的特征点集,采用截断最小二乘法拟合得到精确的直线参数。实验结果表明,该算法的检测率和检测精度较高,对Hough变换的分辨率要求较低,整体空间开销较小。     

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。     

步长加速法优化B样条参数的离散数据点拟合

采用迭代法拟合离散数据点时,数据点的参数化会同时影响逼近的效果和逼近的速度,为此,提出一种通过迭代调整优化控制顶点和数据点参数的方法,其收敛速度较快且拟合得到曲线更贴合控制点.首先,选取初始控制顶点,通过自适应的BFGS方法优化控制顶点得到拟合曲线;其次,保持控制顶点不变,利用步长加速法优化数据点对应的参数;最后,利用新参数值重新优化控制顶点并得到新的拟合曲线.数值实例表明,所提方法在迭代前期步骤中,收敛速度快于现有的基于控制顶点迭代法,且优化后的曲线更加逼近离散的数据点,拟合误差更小.     

基于反馈Hough变换的管道点云检测和识别

管道是流程工厂的主体，其几何形状表现为圆柱体或圆台。针对现有管道检测识别方法对噪声较为敏感、检测精度不高、检测结果难以验证等问题，本文提出一种具有轴向反馈修正的三维霍夫变换方法。首先，根据八叉树划分点云空间，计算点云法向量并生成圆柱体或圆台高斯映射图，利用三维霍夫变换法估计初始轴向；然后，基于初始轴向计算圆柱体横截面或圆台投影轮廓，并建立轴向优化目标函数，通过迭代优化获得最终的轴向；最后通过霍夫变换法拟合圆柱体或圆台轴心位置并计算半径值。实验结果表明，该方法可有效提高管道轴向、半径等参数的估算准确度，同时，本文提出的优化目标函数也为检测结果提供了一种新的评价方法。     

高分辨率人造目标影像中伪直线剔除方法

高分辨率影像中的伪直线是人造目标提取过程中增加计算复杂性和降低提取结果可靠性的一个主要因素。针对现有基于边缘检测的直线提取算法不能有效剔除伪直线的缺点,提出了一种可行的方法用来剔除伪直线。该方法体现在直线提取的两个不同阶段：一是在边缘点编组前,通过引入12个过滤模板来剔除部分编组过程中可能拟合成伪直线的边缘点;二是对于已提取出来的每条直线,依据它们两侧邻域图像的灰度分布特性来判定直线的真伪。大量实验结果表明,该方法能够有效剔除由图像噪声或不规则天然地物拟合得到的绝大部分伪直线,而几乎不影响提取对应人造目标的真直线。     

矿井巷道复杂场景灭点检测方法

通过检测识别图像中的灭点位置可用来辅助矿井巷道移动机器人进行自主导航。针对现有的灭点检测方法在光照条件差、结构化信息不足的矿井巷道场景下误差较大的问题,提出了一种矿井巷道复杂场景灭点检测方法。首先,对图像进行缩小、滤波、灰度化等预处理,以大幅减少计算量,较好地保留直线特征;然后,采用直线检测算法对图像进行直线检测,引入直线长度阈值和平均梯度约束分别剔除长度小的干扰直线和图像中由阴影产生的干扰直线,并采用块匹配算法生成图像的块运动轨迹直线;最后,将剔除干扰后的直线和块运动轨迹直线转换为参数空间中的样本点,采用局部异常因子算法求出每个样本点的离群因子值,并将样本点的离群因子值和对应直线长度共同作为衡量样本点重要性的标准,据此设计加权回归算法的权函数,从而得到灭点的最佳估计。在矿井巷道数据集与公共数据集上的实验结果表明,与基于边缘的灭点检测方法和基于深度学习的灭点检测方法相比,本文方法对光照变化有较强的鲁棒性,在光照条件差、缺乏直线信息的复杂场景中具有更高的精度,且实时性优于基于深度学习的灭点检测方法,能够更好地满足矿井巷道机器人导航需求。     

文档图像中书写线的检测与去除

采用快速的Hough变换检测文档图像中的书写线,从图像中抽取少量特征点,将其分成两个子集,每次从两个子集中各取一个上点计算变换窨内的对应参数,当变换空间的累加值达到预先设定的阈值就认为已成功书写线,使Hough变换的速度大大加快,具有很强的实用价值,根据书写线与字符笔画的位置关系去除书写线,对书写线和相交的区域依据书写线的宽度和相交情形确定不同的结构元素,进行数学形态学的开运算,去除书写线的同时,较好地保持了字符笔画,实验结果表明,对信封图像上书写线的检测和去除有满意的处理效果。     

一种在图象中检测网格直线的新方法

设计了一个扩展Robert算子,该算子能够在有噪声的情形下对图象中各种宽度的线条进行检测。当使用Hough变换确定直线的参数时,首先只用Hough变换检测第一条最为显著的直线,随后去掉该条直线及其附近的点,然后再次对图象进行Hough变换,并重复此过程,直到找到所有直线或者Hough变换后参数平面上的值都小于某个阈值为止。使用此改进后的Hough变换能够准确地检测到图象中构成网格的直线的参数。给出了具体的检测例子。     

基于改进Hough变换的角点提取

提出了一种有效的角点提取的方法.在该方法中,角点将被定义为二条(或二条以上)直线的交点,并利用Hough变换来检测直线.若存在二条(或二条以上)直线经过某点,则该点就被认为是角点(角点候选点).对Hough变换中的映射方式作了改进,在传统的映射中采用的是"一对多"或"多对一"的映射方式,而在改进方式中采用的是"多对多"的映射方式.在这种映射方式下,Hough变换的参数空间不会发生峰值扩散的现象,这样会更有利于峰值的检测(直线检测),从而更有利于角点的检测.实验证明,该方法能精确有效地提取出图像中的角点.     

Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform

Spatial information captured from optical remote sensors on board unmanned aerial vehicles (UAVs) has great potential in automatic surveillance of electrical infrastructure. For an automatic vision-based power line inspection system, detecting power lines from a cluttered background is one of the most important and challenging tasks. In this paper, a novel method is proposed, specifically for power line detection from aerial images. A pulse coupled neural filter is developed to remove background noise and generate an edge map prior to the Hough transform being employed to detect straight lines. An improved Hough transform is used by performing knowledge-based line clustering in Hough space to refine the detection results. The experiment on real image data captured from a UAV platform demonstrates that the proposed approach is effective for automatic power line detection.     

一种改进的直线检测算法

针对哈夫变换的不足，提出了一种改进的直线检测算法。该算法基于“多对一”的原理，降低了算法复杂度，利用从局部到全局的思想，在局部子区域中获取直线参数以减少量化误差的影响，然后据此参数扩展至全图范围搜索，完成直线检测，分析了算法的时间和空间复杂度。实验表明，该算法占用存储空间小、运算快速、且具有较强的鲁棒性。     

基于改进的多分辨率Hough变换的直线检测方法

该文提出了一种基于改进的多分辨率Hough变换的直线检测方法。对多分辨率图像由粗到细地循环处理，首先利用全局累加器序列对最小的图像做Hough变换得直线参数，利用该直线参数估计下一循环图像中的直线参数；建立了一种简单对应关系，将得到的直线参数的估计范围转换成图像空间范围；然后在图像空间范围内利用局部累加器对较大图像做Hough变换检测直线。最后还给出了线段端点检测、长度计算及连续性考察的方法。实验表明，该方法可以加快直线检测速度、节省存储空间，端点检测方法具有一定的鲁棒性。     

Generalizing the Hough transform to detect arbitrary shapes

The Hough transform is a method for detecting curves by exploiting the duality between points on a curve and parameters of that curve. The initial work showed how to detect both analytic curves^(1,2) and non-analytic curves,⁽³⁾ but these methods were restricted to binary edge images. This work was generalized to the detection of some analytic curves in grey level images, specifically lines,⁽⁴⁾ circles⁽⁵⁾ and parabolas.⁽⁶⁾ The line detection case is the best known of these and has been ingeniously exploited in several applications.^(7,8,9)We show how the boundaries of an arbitrary non-analytic shape can be used to construct a mapping between image space and Hough transform space. Such a mapping can be exploited to detect instances of that particular shape in an image. Furthermore, variations in the shape such as rotations, scale changes or figure ground reversals correspond to straightforward transformations of this mapping. However, the most remarkable property is that such mappings can be composed to build mappings for complex shapes from the mappings of simpler component shapes. This makes the generalized Hough transform a kind of universal transform which can be used to find arbitrarily complex shapes.     

基于一种改进的Hough变换的输电线提取与识别

在野外拍摄得到的输电线图像中,输电导线具有明显的线性特征,因此可以直线为基础来研究导线提取与识别的算法。Hough变换是经典的变换域直线提取算法,针对输电线图像的特点以及从Hough变换改进的思路出发,运用形态学分析和搜索聚类的方法先去除输电导线二值边缘图像中的背景噪声,提取出导线上的像素点。经过预处理后,再运用阈值区间的自适应估算方法来计算Hough变换的参数阈值,从而识别出图像中的输电线。实验结果表明,该方法具有较好的提取效果,并且能准确的识别出输电线,计算简单速度较快。