一类正弦曲线的Hough变换快速检测方法

对一类定周期正弦曲线的检测问题进行了研究。提出了一种两步实现的快速检测方法:首先采用投票机制确定正弦曲线的基线位置,然后采用二维Hough变换提取该位置所对应的正弦曲线的幅度和初相位参数。给出了对模拟图像测试的结果,且与传统的Hough变换算法作了对比。结果表明,该文方法大大降低了检测过程中时间和存储空间的开销,提高了检测速度和效率。     

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。     

基于模糊随机广义霍夫变换的目标匹配

为了提高工业检测中图像匹配精度和速度,提出了一种用于二维目标匹配的新算法--模糊随机广义霍夫变换(FRGHT)。此算法结合了模糊推理系统(FIS)和随机广义霍夫变换(RGHT)。模糊推理系统引入模糊集合概念,计算待配准图像中边缘点对配准参数的投票,从而可以抑制噪声,解决扭曲问题,提高了匹配精度;随机抽取待配准图像中边缘点进行投票,实现了多对一的映射,从而减少了内存需求,提高计算速度。实验表明,该方法计算速度快,匹配精度高,不受噪声污染、扭曲、遮挡、混乱等情况的影响。     

基于减法聚类的网格霍夫变换

为了解决网格霍夫变换因人工设置投票参数不当造成的直线漏检和形成伪直线的问题,提出一种基于减法聚类的无投票参数的网格霍夫变换。首先采用两阶段单调扫描方法提取尽量长的直线单元,然后利用直线单元在数量上长的少、短的多的特点自动确定参与投票的直线单元集合,最后利用减法聚类实现直线单元的容错投票。实验结果表明该算法不但执行速度快,而且无需人工设置投票参数,配合减法聚类的容错投票,较好地避免了因人工设置投票参数不当造成的直线漏检和形成伪直线的问题。     

基于改进Hough变换的车道线检测技术

为提高车道线识别的实时性和可靠性,提出了一种基于改进Hough变换的车道线检测方法;在图像预处理时对不同光照图像进行分类处理,得到二值化图像;利用极角约束Hough变换进行车道线初始定位;根据前一帧图像信息使用基于动态ROI的Hough变换进行车道跟踪;算法加入了车道线检测失效判别模块,以提高检测的可靠性;由于该方法减少了图像空间中被投票的目标点数,缩小Hough变换的投票空间,在一定程度上提高了车道检测的实时性和稳定性;实验结果表明,在结构化道路上,对于不同的路况,算法均具有较好的实时性和鲁棒性。     

基于广义霍夫变换的室外场景行人检测研究

提出一种基于广义霍夫变换的室外场景行人检测方法.首先从少量标注图片中随机地提取行人图像碎片构造碎片字典,然后使用图像碎片对每一幅训练图片计算特征向量.为了能够在静态图片中快速地检测行人,使用Gentleboost算法训练检测器,在每一次迭代时学习一个决策树桩弱分类器,该弱分类器可以从高维特征向量中选择一个当前区分度最好的碎片特征.在运行检测器时,所有的弱分类器在测试图片中对于行人的可能出现位置进行投票.最后,将各个弱分类器的投票结果进行叠加,并用设定的检测阈值剔除得分较低的检测结果后得到检测输出.在LabelMe数据集上的实验表明,该方法可以快速地在静态图片中检测出行人,需要较少的训练数据且有效地解决了部分遮挡问题.     

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。     

缩微交通环境下的车道标识线检测

为了解决缩微交通环境下的车道标识线检测问题,提出了一种数学形态学与概率霍夫变换相结合的车道标识线检测方法。首先运用灰值腐蚀膨胀对道路图像进行滤光处理,去除光照影响,然后利用自适应阈值二值化图像,最后利用概率霍夫变换寻找车道标识线。实验结果表明,在缩微交通环境下该方法能够准确地检测出车道标识线,具有很强的鲁棒性。     

基于直线生成的卷积霍夫线段检测

直线检测作为计算机视觉的上游任务,为下游包括工业视觉、遥感图像分析等任务提供支撑。直线检测的一大方向是霍夫直线检测,但现有霍夫检测基于近似原理设计计票器,直线检测准确度不高。为提高霍夫变换线段检测的准确度,利用卷积改进霍夫直线检测的计票器并提出基于直线生成的卷积霍夫线段检测方法。利用中值滤波对原始图像中的复杂纹理平滑处理后检测图像中的边界;通过按位异或卷积去除边界检测结果中的噪点并保留候选的线段端点;将候选的线段端点两两组合并使用布雷森汉姆算法进行线段生成,由利用卷积改进的计票器判断生成的线段是否存在于边界上;确认端点所构成线段位于边界后求取端点对之间的参数并合并参数相似的加检测结果,得到最终线段检测结果。对比实验中该方法的F1指标为0.762 6,优于对比方法中最高的0.652 3,证明该方法保留了霍夫变换较高鲁棒性的同时提高了检测结果的准确性。     

区分上下边缘的Hough变换直线改进算法

Hough变换(HT)是一种较好的检测直线的方法,但是,目前的HT检测方法对背景复杂图像的检测效果较差,这主要是由于一些物体非直线边缘以及物体直线边缘离得较近,而且在图像中,存在长度相差较大直线时容易出现虚假直线.针对以上问题提出一种区分上下边缘的直线检测方法,在图像空间将离得较近的边缘区分开,在HT形成的累加器空间利用直线形成累加器单元的形状特性进行峰值检测.最后将该方法与其他两种方法进行比较,结果显示,该算法较其他算法具有更好的效果.     

A neural implementation of the Hough transform and the advantages of explaining away

The Hough transform (HT) is widely used for feature extraction and object detection. However, during the HT individual image elements vote for many possible parameter values. This results in a dense accumulator array and problems identifying the parameter values that correspond to image features. This article proposes a new method for implementing the voting process in the HT. This method employs a competitive neural network algorithm to perform a form of probabilistic inference known as “explaining away”. This results in a sparse accumulator array in which the parameter values of image features can be more accurately identified. The proposed method is initially demonstrated using the simple, prototypical, task of straight line detection in synthetic images. In this task it is shown to more accurately identify straight lines, and the parameter of those lines, compared to the standard Hough voting process. The proposed method is further assessed using a version of the implicit shape model (ISM) algorithm applied to car detection in natural images. In this application it is shown to more accurately identify cars, compared to using the standard Hough voting process in the same algorithm, and compared to the original ISM algorithm.     

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.     

利用局部算子检测峰值的改进Hough变换算法*

提出了一种改进的峰值检测算法,将累加器空间视为一幅二维图像,利用局部算子区增强期望的直线和噪声对应的峰值之间的差别;利用最小二乘法拟合增强后的累加器空间对应的分布直方图,得到具有更强鲁棒性的阈值来确定期望峰值所在的位置。实验结果表明,该算法同时具有较高的精度和较强的鲁棒性,对先验知识的需求很低,具有较好的通用性,为自主应用方式奠定了基础。     

Straight line extraction via multi-scale Hough transform based on pre-storage weight matrix

Considering the low efficiency and accuracy of existing straight line extraction methods from large-scale imagery, a multi-scale Hough transform (HT) method based on the pre-storage weight matrix is proposed. Improvements of the proposed HT include: using the pre-storage weight matrix to save storage space and improve the efficiency of the HT, applying a multi-scale method to enable the detection of smaller features from large-size images, using overlapping adjacent tiles to avoid the fragmented lines, optimizing the dimensions of the discrete transform domain, normalizing the accumulator to extract off-centred lines and using a dual threshold for distributed line detection. The experimental results show that the proposed algorithm is not only more efficient and robust but also can obtain richer and more accurate information about features, especially for large-size images.     

基于Hough变换和Fisher准则的垄线识别算法

为了提高农业机械自主作业视觉导航的精度,基于田间作物垄行的特点,首先选择作物的绿色为特征提取垄行结构;然后针对Hough变换原理提取垄线存在的问题,根据垄线点空间关系,运用Fisher准则函数进行反压缩处理,并将Fisher准则函数值作为垄线样本点疏密程度和方向势大小的度量,优化了Hough变换识别多垄线的条件,得出了多垄识别统一模型。试验结果表明,作物垄线定位的准确性、适应性均得到提高,而且能够避免较大面积杂草等影响,从而克服了传统Hough变换提取多垄线的不足,对农田机器视觉导航应用具有一定参考价值。     

A novel Hough transform method for line detection by enhancing accumulator array

In this paper, an improved Hough transform (HT) method is proposed to robustly detect line segments in images with complicated backgrounds. The work focuses on detecting line segments of distinct lengths, totally independent of prior knowledge of the original image. Based on the characteristics of accumulation distribution obtained by conventional HT, a local operator is implemented to enhance the difference between the accumulation peaks caused by line segments and noise. Through analysis of the effect of the operator, a global threshold is obtained in the histogram of the enhanced accumulator to detect peaks. Experimental results are provided to demonstrate the efficiency and robustness of the proposed method.     

宽线段Hough变换及其在箭靶识别上的应用

Hough变换是用于检测图像中直线段的有力工具。论文提出的宽线段Hough变换针对传统Hough变换进行了改进,使之适用于多条宽线段同时存在的情况,并且解决了端点提取的问题。该方法应用于箭靶识别取得了很好的效果,实验表明对比传统方法具有较大优势。     

随机Hough变换的概率模型:有限数据点

该文研究了基于有限个数据点的随机Hough变的的概率模型，在这个模型中，主要讨论了在随机Hough变换的基本算法中起相当关键作用的两个量，累加器数组的控制以及从图像中提取全部基元所需随机抽样的总次数，这两个量对随机Hough变换的算法设计及其终止规则是相当有用的。该文的主要结果包括两部分，其一是对累加器数组引入了多项分布，系统地研究了累加器数组的概率结构及其相互关系，同时也计算了提取全部基元所需的随机抽样总次数的分布，均值和方差，另者是基于不断的随机抽样而使得累加器数组的随机变化。作者引入了多维纯生过程，有了提取全部基元所需随机抽样的总次数服从离散的PH分布，从而它的各阶矩都可用简洁的矩阵形式统一地表出，针对于图像的固有因素，作者也讨论了基元的平稳提取概率，该文的结果为随机Hough变换的进一步研究和应用提供了较为严格的理论依据。