基于梯度相位编组的树枝识别新算法

为了能够快速准确地计算出果树枝干的空间位置,提出了一种基于梯度相位编组的Hough变换树枝检测新算法。利用改进的平方梯度法计算边缘点的梯度相位角,找出梯度相位直方图中多个阈值大于T的峰值。然后将具有相近梯度相位角的边缘点归为一组。最后对每组中的边缘点采用改进的两点表决Hough变换算法找出对应的直线参数。利用梯度相位角进一步验证参数的正确性。研究结果表明,提出的梯度相位编组直线检测方法具有速度快、检测误差小和鲁棒性强的特点,能够快速准确地实现果树树枝的定位和检测,对部分被遮挡的树枝的识别效果也较好。     

基于Hough变换的建筑边缘特征检测的研究及其改进

Hough变换是对二值图像进行直线检测的有效方法,介绍了Hough变换直线检测对房屋边缘特征检测方法及实验结果,并根据其存在的缺点提出了检测矩形的Hough变换的改进算法.     

基于分级的快速霍夫变换直线检测

在分析标准霍夫变换、两点表决霍夫变换以及多级霍夫变换直线检测的基础上，针对算法的不足，结合他们的优点，设计并实现了基于分级的快速霍夫变换直线检测方法，对算法进行了详细描述和分析，并通过实验证明了算法的有效性，实验表明：所设计的直线检测运算速度快，检测精度高，鲁棒性强，有一定的应用价值。     

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。     

基于Hough变换的平行直线检测改进算法研究

根据经典Hough变换检测空间直线的原理,提出了一种基于Hough变换的平行直线检测改进算法,将采集到的图像进行二值化处理,再使用Sobel算子对该二值化图像进行边缘检测,对边缘检测得到的图像进行Hough变换和峰值点检测,由峰值点得到直线段图像,最后使用本文提出的改进算法计算出所有直线段的斜率,利用斜率相等来判定平行直线.通过对比实验证明,该算法能得到更高的精度,并缩短了运行时间.     

基于改进Hough变换的城市道路网络提取算法

Hough变换常常用来提取直线,但是Hough变换无法区别直线和直线段,且时间复杂度和空间复杂度都较大,通过增加一个二维计数器使Hough变换能查找直线段,并利用Canny算法先提取图像边缘,对Canny算子检测到的边缘点的方向角进行变换,减少了Hough变换的计算量和提高提取精度。根据城市道路网络的卫星特征,对图像做先期处理,然后将改进的Hough变换用于城市道路网络的提取,经实验验证了算法的有效性。     

基于Hough变换的空间点位自动检测

在图像量测及物体精确定位中，Hough变换是一种应用非常广泛的图像边缘检测技术，该文在提取空间立方体上分布的规则格网线，进而确定其格网点空间坐标的研究中，针对传统Hough变换直线检测中易产生过连接线（点）、不易确定直线端点和长度以及定位精度低等问题，提出了一种适用于该类问题，基于Hough变换空间直线（点）位置自动检测的新算法。实验结果表明改进的Hough变换算法有效，空间交点坐标量测中误差达到子像素级。     

旧电影中基于Hough变换直线划痕的检测

为保护旧电影和国家档案影片,研究了旧电影自动修复与保护的方法.为了有效检测旧电影中常见的直线划痕,分析了直线划痕产生的原因、基本特征,检测方法.在分析Hough原理的基础上,提出了一种基于Hough变换的直线划痕检测方法.实验结果表明,该算法能有效地检测旧电影中的直线划痕,并可为旧电影中直线划痕的自动修复提供理论依据和实现基础.     

高分辨率合成孔径雷达图像的直线特征多尺度提取方法

针对传统的合成孔径雷达（SAR）多尺度边缘提取方法中直线提取连续性和完整性不好的特点,提出了一个由粗到精的多分辨率SAR图像直线特征多级提取框架,利用多尺度策略在降低SAR图像噪声影响的同时增强相邻共线点之间的连续性和完整性,并在不同的尺度图像中根据边缘特征的特点选择不同处理方法,来实现低分辨率条件下完整直线特征的粗略提取和高分辨率的精确定位。最后用高分辨率SAR图像跑道检测实验进行了验证,并将实验结果与相位编组法和Hough变换法进行了比较。     

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。     

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。     

基于扫描线处理的指针式仪表快速读数算法

针对光照不均匀、指针检测速度过慢等因素造成指针式仪表读数算法无法快速、准确读取示数的问题,提出一种基于扫描线处理的快速准确读数新算法。新算法首先利用单尺度Retinex提取光照鲁棒性特征图像,然后应用提出的扫描线处理算法快速抽取进行Hough变换的特征像素点,最后用双阈值Hough变换检测直线。实验表明,所提算法创新性地将指针图像细化与双阈值Hough变换等相结合,不仅解决了光照变化的影响以及检测速度慢等问题,而且具有读数精度高、读取速度可调节等特点。     

用于线段特征提取的改进Hough变换

线段是符号的一个具有旋转、平移和尺度不变的稳定性特征,正确提取符号的线段特征对于提高符号识别系统的识别率有很重要的意义。针对已有的基于Hough变换的线段提取算法的缺点,该文提出了一种用于线段特征提取的改进Hough变换算法。通过采用“多对一”映射;将Hough变换的投票过程和线段参数的检测过程融为一体;动态管理算法所需的临时存储空间等手段,使该算法具有较好的计算复杂度和空间复杂度。针对数字图像的量化特点,精心设计了用于检测在直线上点的条形区域,从而大大地降低了噪声对线段参数检测的影响,使该算法具有较好的检测性能和鲁棒性。实验表明,该文算法能正确提取出线段的端点坐标及其长度。     

On the magic of SLIDE

Subspace-based line detection (SLIDE) is a novel approach for straight line fitting that has recently been suggested by Aghajan and Kailath. It is based on an analogy made between a straight line in an image and a planar propagating wavefront impinging on an array of sensors. Efficient sensor array processing algorithms are used to detect the parameters of the line. SLIDE is computationally cheaper than the Hough transform, but it has not been clear whether or not this is a magical free bonus. In particular, it has not been known how the breakpoints of SLIDE relate to those of the Hough transform. We compare the failure modes and limitations of the two algorithms and demonstrate that SLIDE is significantly less robust than the Hough transform.     

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。     

Hough Array Processing via Fast Multi-Scale Clustering

The major emphasis in fast Hough transform algorithms has been placed on the transformation involved. Little attention has been paid to fast processing of a Hough array without requiring one to specify a threshold value to determine candidate parameters in the Hough array. This paper gives a comprehensive discussion of Hough array processing as a part of Hough transform, and presents a time efficient clustering algorithm, called Fast Multi-Scale Clustering, to obtain the number of and hence to select the locations of candidate parameters in a Hough array in a threshold independent manner. It is shown that the complexity of this algorithm is O (nd^r) where n is the number of non-zero cells in the Hough array, d is the number of cells used in the discretization of the corresponding parameter space, and r is the dimensionality of the Hough array. Two examples of line and circle detection are provided to illustrate the steps involved in deploying this Hough array processing approach.     

Image processing on the OTIS-mesh optoelectronic computer

We develop algorithms for histogramming, histogram modification, Hough transform, and image shrinking and expanding on an OTIS-mesh optoelectronic computer. Our algorithm for the Hough transform is based upon a mesh algorithm for the Hough transform which is also developed in this paper. This new mesh algorithm improves upon the previous mesh Hough transform algorithms