一种新的对随机Hough变换改进的检测圆的方法

从数字图像中检测出圆在计算机视觉中具有很重要的地位。随机Hough变换是检测圆的一种有效变换,但在处理复杂图像时,由于随机采样会引入大量的无效采样和积累。文章中提出一种在Teh-ChuanChenandKuo-LiangChung[4]的改进算法基础上,对随机Hough变换改进的检测圆的方法。     

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。     

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。     

改进的随机Hough变换在检测多圆中的应用

提出了一种在视觉检测中用于多圆提取的改进随机Hough变换算法，该算法采用一种新的取点方法来进行计算，避免了随机Hough变换由于随机采样造成的大量无效累积。并在计算圆的几何参数时充分利用了圆的几何特征，因此检测速度快，占用内存空间小，精度高，具有良好的抗噪和抗干扰能力。最后文中还分别给出了人工合成图和实物图的实验结果。     

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。     

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.     

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。     

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.     

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。     

高斯核函数在角膜地形图仪图像处理中的应用

角膜地形图仪作为角膜检测的重要仪器,采集和分析人眼的Placido图像,检测图像亮环中心线的坐标信息,绘制反映角膜表面形状的角膜地形图.对角膜地形图仪的图像处理技术进行了深入研究,提出一种基于高斯核函数的Placido图像处理方法,用离散的高斯卷积核描述连续高斯核函数,用泰勒多项式描述灰度曲线表达式,建立亮环检测的判别表达式,该方法获得了精确的亚像素点坐标信息.利用标准球验证算法精度,屈光度平均误差小于0.25D,满足人眼角膜检测的要求.     

基于特征点的抗几何攻击水印算法

利用Harris特征点并结合图像的归一化原理提出了一种新的数字水印方案。由于Harris算子的算法简单,稳健性较好,图像的特征点在经过几何攻击后仍然可以保持。而且,归一化的图像对图像的旋转不太敏感,所以首先对每一个以特征点为圆心的互不重叠的圆归一化以确定水印的嵌入点,然后把水印嵌入到原来的图像中,这样,可以很好地解决水印嵌入和检测的同步问题。实验证明,该算法能很好地抵抗如旋转,缩放,剪切等形式的几何攻击与常规信号处理攻击。     

Alleviating the computational load of the probabilistic algorithms for circles detection using the connectivity represented by graph

The probabilistic algorithms are effective and widely used to recognize the curves in machine vision and image processing. In this paper, a novel algorithm for detecting circles is presented. It is based on the observation that the connectivity can help to alleviate the computational load of the probabilistic algorithm. A graph model is introduced to express connectivity in the detected edges, and a modified depth-first-search algorithm is developed to segment the whole graph into connected subgraphs and then partition the complex subgraph into simple paths. Then, four pixels are randomly selected from the sampling set, consisting of one proper path or several consecutive paths, to detect circles. The connectivity constraint is further employed to verify the candidates of circles to eliminate the pseudo ones. The experiments, comparing the proposed algorithm with the randomized Hough transform and the efficient randomized circle detection algorithm, show that it has the advantages of computational efficiency and robustness.     

Multi-circle detection on images using artificial bee colony (ABC) optimization

Hough transform has been the most common method for circle detection, exhibiting robustness, but adversely demanding considerable computational effort and large memory requirements. Alternative approaches include heuristic methods that employ iterative optimization procedures for detecting multiple circles. Since only one circle can be marked at each optimization cycle, multiple executions ought to be enforced in order to achieve multi-detection. This paper presents an algorithm for automatic detection of multiple circular shapes that considers the overall process as a multi-modal optimization problem. The approach is based on the artificial bee colony (ABC) algorithm, a swarm optimization algorithm inspired by the intelligent foraging behavior of honeybees. Unlike the original ABC algorithm, the proposed approach presents the addition of a memory for discarded solutions. Such memory allows holding important information regarding other local optima, which might have emerged during the optimization process. The detector uses a combination of three non-collinear edge points as parameters to determine circle candidates. A matching function (nectar-amount) determines if such circle candidates (bee-food sources) are actually present in the image. Guided by the values of such matching functions, the set of encoded candidate circles are evolved through the ABC algorithm so that the best candidate (global optimum) can be fitted into an actual circle within the edge-only image. Then, an analysis of the incorporated memory is executed in order to identify potential local optima, i.e., other circles. The proposed method is able to detect single or multiple circles from a digital image through only one optimization pass. Simulation results over several synthetic and natural images, with a varying range of complexity, validate the efficiency of the proposed technique regarding its accuracy, speed, and robustness.     

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。     

Detecting precise iris boundaries by circular shortest path method

The problem of detecting precise pupil border in eye image given its initial circular approximation is addressed with circular shortest path method. Brightness gradient direction is employed to choose image pixels, which may belong to pupil boundary. Using initial approximate circles allows the method to work in a narrow ring, which contains only single pupil contour. Under these conditions the method allows to correctly handle almost all images used for iris recognition tasks and appears to be more precise than human expert in marking the pupil border. The method was tested with public domain iris databases, containing more than 80000 images totally. Experiments show that refinement of pupil border increases precision of iris recognition.     

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Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征，它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换，但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法，该方法以finite ridgelet理论为基础，结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性，能够获得连续空间函数的稀疏表达，同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明，本方法即使在背景复杂的环境下也具有良好的检测效果。     

基于B样条多分辨率表示的一种数字水印方法

根据B样条多分辨率表示的特点提出了一种盲数字水印方法,把原图像作二次小波分解,在低频子图像上用Harris特征点检测算法选取特征点,在以特征点为圆心的同心圆上选点的灰度值作为控制顶点建立B样条曲线,对B样条曲线作多分辨率分解,在低分辨率系数中嵌入水印。由于小波分解后选特征点以及Harris特征点具有几何变换不变性,实验表明该方法对JPEG压缩、缩放、旋转、平移、剪切、滤波等具有较强的抵抗力。