改进的数字图像轮廓曲线傅里叶描述算法

研究图像轮廓曲线特征问题,图像轮廓曲线的描述是图像理解的一个核心问题,傅里叶描述算法是图像轮廓曲线描述的较优算法.由于传统的轮廓曲线傅里叶描述算法中曲线的采样过于复杂和不稳定,降低了识别的性能.为提高曲线描述的性能,提出了一种改进的图像轮廓曲线傅里叶描述算法,通过运用循环移位采样算法对曲线采样得到多组采样点,并取傅里叶变换后最小的一组规范化系数作为曲线的傅里叶描述子,避免了传统算法中复杂的采样过程,使算法更简洁稳定.通过算法仿真与实验对比,算法有更高的准确度和稳定性,能有效反映轮廓曲线特征.     

基于矩-傅里叶描述子人脸图像识别

本文介绍了在Radon变换下的图像矩特征的抽取方法，并得到图像的矩特征矩阵；进而对矩特征矩阵按行向量进行傅里叶变换组成矩－傅里叶描述子特征矩阵，采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法，产生较好的结果。     

基于显著图与傅里叶描述子的交通标志检测

在交通标志检测过程中,存在标志尺寸变化、旋转失真、投影失真以及部分被遮挡等问题。为此,提出一种基于显著图和傅里叶描述子的交通标志检测算法。采用频率调谐方法得到显著图并将其二值化,初步定位交通标志区域。通过提取区域外层轮廓,利用轮廓周长和长宽比特征滤除干扰信息,对合格轮廓进行凸壳处理,得到归一化凸壳傅里叶描述子,并与标准数据对比得到检测结果。实验结果表明,该算法检测率可达95%以上,同时满足交通标志检测的实时性要求。     

一种二维极坐标傅里叶描述子在图像检索中的应用

在图像检索中,形状描述是图像内容描述的关键部分。目前已经存在的大多数形状描述符均是基于某一特定应用的,不具有通用性。文章提出了一种基于二维极坐标傅里叶变换的傅里叶描述子对目标形状的描述方法,分析并实验验证了该方法的各个性质,并讨论了它的实际计算问题。实验结果表明,该描述符通用性强,鲁棒性高。     

采用Hough变换的道路边界检测算法

基于计算机视觉的路况信息识别是当前智能交通领域的热点课题,对道路边界的检测能够有效去除路况图像中与路况特征无关的大面积区域,是提高路况信息获取实时性的关键技术之一,提出一种适用于一般场景中直线道路和弯曲道路的边界检测算法.该算法采用直方图均衡和Otsu二值分割增强道路边界特征,使用均值滤波降噪和二值形态学方法获取特征边界,最终利用分空间的Hough变换方法实现道路边界检测.实验结果表明,该方法能够准确地检测道路边界线并进行道路区域分割,为后续的路况分类工作提供了有效保障.     

基于Hough圆卷积变换的孔组检测

为降低孔组测量的成本,提高测量的精确度,提出一种基于Hough国卷积的孔组检测方法.对孔组图像进行中值滤波、拉普拉斯锐化增强和边缘检测;根据孔组半径大小的变化范围,对Hough圆锥进行改进;在此基础上,利用改进的Hough圆锥与边缘检测后的图像进行三维卷积,得到Hough参数空间,计算出孔组的坐标和半径值;采用快速傅立叶变换法代替三维卷积,减少算法的计算时间.实验结果表明,该方法的检测精度高、实时性强,可以用于孔组的自动化检测.     

结合CSS与傅里叶描述子的手势特征提取

目前常用的基于视觉的静态手势特征提取方法只从单一方面进行描述,缺乏全局信息和局部信息的有效结合。为此,提出一种结合CSS形状描述子与傅里叶描述子的手势特征提取方法。将CSS形状描述子与傅里叶描述子相结合,以此作为一种融合手势局部特征和全局特征的新的静态手势特征。实验结果表明,与传统方法相比,该方法的正确率更高,达到98.3%。     

基于傅里叶描述子和加权稀疏表示的军事图像分类方法

军事图像分类是一个重要的研究方向。在傅里叶描述子和加权稀疏表示的基础上,提出一种军事图像分类方法。利用Canny算法提取军事图像的轮廓特征,计算轮廓点的中心距离序列;再将该序列转换为极坐标转换,进行傅里叶变换,得到军事图像的改进傅里叶描述子;利用加权稀疏表示分类方法对图像进行分类。该方法的优点在于提取的傅里叶描述子具有很好的平移、旋转、尺度缩放和轮廓起始点的不变性。加权稀疏表示能够克服遮挡、弱特征、视角和姿态变化等因素的影响,并且具有较强的形状区分能力。在ICL军事图像数据库上进行分类实验,分类率高达92%以上。结果表明,该方法是有效可行的,能够为军事图像自动分类识别系统提供技术参考。     

基于椭圆傅里叶描述子的形状表示的研究

形状表示是模式识别和计算机视觉中最重要的研究内容之一。针对传统形状表示算法对形状的整体特征和细节信息不能同时描述、通用性不高的问题,提出了一种基于高斯多尺度分析下的椭圆傅里叶描述算子。提出的算法利用高斯函数与目标形状的复坐标函数进行卷积,通过选择高斯曲线的参数,将形状的边界信息呈现到不同的尺度空间之中;利用椭圆傅里叶变换将其展开得到表示该形状的特征向量。实验结果表明,该方法的优点在于描述同类形状时,特征向量之间的相关系数高,具有很好的平移、旋转以及尺度不变性;在描述不同类形状时,相关系数低,有很强的形状区分能力。该方法在形状分类实验中也有较高的检索准确率。     

基于优选傅里叶描述子的粘连条锈病孢子图像分割方法研究

小麦条锈病越夏孢子数是判断条锈病是否爆发的关键参数之一,现有方法对粘连条锈病孢子的自动检测尚有困难。为了实现粘连条锈病孢子的准确计数,提出一种融合K-means聚类算法与优选傅里叶描述子的粘连条锈病孢子分割算法,并实现了粘连孢子的准确计数。利用K-means聚类算法进行条锈病孢子的分割,实现了包含杂质等复杂背景下孢子的准确分割;对不同傅里叶描述子的边缘描述效果进行评价,优选出适合的傅里叶描述子个数,解决K-means聚类算法所得到的孢子边缘轮廓不够平滑的问题;利用基于距离测度的角点检测算法,实现了粘连条锈病孢子的准确计数;为了验证该方法的有效性,对20幅粘连孢子图像进行了分割实验。实验结果表明,得到的条锈病孢子计数准确率为96.2%,可以用于复杂粘连背景下孢子的准确分割,表明将该方法用于小麦条锈病越夏孢子的计数是有效的、可行的。     

运用Hough 变换提高直线检测效率

针对hough变换检测直线段中的运算速度慢、占用内存多的问题,提出一种改进的检测直线段的方法。首先,对图像进行减半采样处理,采用从大概到精确的检测策略,减小运算量;其次采用soble算子进行边缘检测;最后,在经典的hough变换的方法上增加了边缘梯度幅度进行限制,减小了坐标转换的次数,并将断开的同一直线上的线段连接起来。     

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变换在表面污渍检测中的应用

针对具体芯片图像的形状特征,提出了基于改进Hough变换的几何配准算法.该算法利用边缘点的梯度方向信息,以及通过圆上任意一点并沿着该点法线方向的直线必定经过该圆的圆心这一几何性质,将三维Hough变换空间简化为二维空间,较好地解决了传统广义Hough变换运算时间长、存储空间大的问题.实验表明,可以有效地对两幅图像进行配准,从而检测出芯片表面的污渍.     

基于Hough变换圆检测的人眼精确定位方法

眼睛定位是人脸识别的非常重要的一个环节,后续的图像几何归一化、图像矫正和特征提取都依赖于眼睛的位置。论文提出一种人眼快速定位的新方法。首先用积分投影法检测到眼睛瞳孔的大致位置;然后用Sobel边缘检测算子提取图像边缘信息;再利用基于圆的Hough变换快速定位出人眼,实验证明了该方法的有效性。     

一种新的基于Hough变换的椭圆轮廓检测方法

Hough变换是一种检测曲线的有效方法,但使用传统的Hough变换来检测椭圆计算量过大。为此提出了一种新的基于Hough变换的椭圆轮廓检测方法,该方法利用椭圆中心是平面上所有点中距离椭圆轮廓上点最大距离最小的点这一几何性质,降低了Hough参数空间的维度,从而有效地降低了计算量。使用该方法可以快速地判断一个输入图形的轮廓是否为椭圆。     

基于统计方差的Hough变换峰值检测方法

针对Hough变换累积矩阵存在的峰值簇拥现象,提出了一种新的Hough变换峰值检测方法.通过对累加器参数空间的分析,考虑到噪声、误差引起的单元累积值的不确定性,在局部最大值周围区域,把每列投票单元看作是随机变量,选用每列的统计方差进行拟合、插值,从而检测到精确的峰值参数.实验结果验证了方法的有效性,与传统方法相比,具有更好的鲁棒性和精确性.     

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。     

广义Hough变换:多个圆的快速随机检测

以随机采样到的2个图像点及在此2点的中垂线上搜索第3个图像点来确定候选圆．当随机采样2个图像点时,通过剔除孤立、半连续噪声点减少了无效采样;当搜索候选圆的第3点时,剔除上述2种噪声点、非共圆点并给出快速确认候选圆是否为真圆的方法,尽可能减少无效计算．数值实验结果表明：文中算法能快速检测多个圆．在检测多个圆并且具有噪声的情况下,与随机圆检测算法相比,其检测速度快一个数量级．     

A Document Skew Detection Method Using the Hough Transform

Document image processing has become an increasingly important technology in the automation of office documentation tasks. Automatic document scanners such as text readers and OCR (Optical Character Recognition) systems are an essential component of systems capable of those tasks. One of the problems in this field is that the document to be read is not always placed correctly on a flatbed scanner. This means that the document may be skewed on the scanner bed, resulting in a skewed image. This skew has a detrimental effect on document on document analysis, document understanding, and character segmentation and recognition. Consequently, detecting the skew of a document image and correcting it are important issues in realising a practical document reader. In this paper we describe a new algorithm for skew detection. We then compare the performance and results of this skew detection algorithm to other publidhed methods form O'Gorman, Hinds, Le, Baird, Posel and Akuyama. Finally, we discuss the theory of skew detection and the different apporaches taken to solve the problem of skew in documents. The skew correction algorithm we propose has been shown to be extremenly fast, with run times averaging under 0.25 CPU seconds to calculate the angle on the DEC 5000/20 workstation. Received: 21 November 1998, Received in revised form: 25 August 1999, Accepted: 20 October 1999