快速霍夫变换算法

二值图像的直线检测过程中,标准霍夫变换算法的计算量为O（N^3)。该文提出一种快速霍夫变换算法,其计算量仅为O（N^2log2N)。该快速算法可以并行实现;处理器阵列规模为O（N^2)时,计算量为O（log2N)。文中还分析得到快速算法的误差上界,并提出一种改进的快速霍夫变换算法以获得更高的计算精度。最后,给出算法的数值算例。理论分析及数值算例都表明,该文的快速霍夫变换算法在直线检测过程中有着更高的计算效率,并且具有良好的计算精度。     

基于相位编组图像分块的快速Hough变换直线检测

在分析Hough变换直线检测算法和相位编组法直线检测算法的基础上,针对这两个直线检测算法的不足,结合它们的优点,设计并实现了基于相位编组图像分块的快速Hough变换直线检测算法,对算法进行了详细描述和算法优点分析,并通过实验验证了算法的有效性,实验表明所设计的直线检测算法运算速度快,参数易于选择,鲁棒性强,有一定的应用价值。     

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。     

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S-霍夫变换的LFM信号时频检测

针对多分量线性调频（LFM）信号,提出一种新的变换-S-霍夫变换,该方法首先对多分量线性调频信号进行S变换,实验仿真结果显示相对Wigner-Ville分布有交叉项干扰,s变换克服了多分量线性调频信号产生的交叉项干扰,然后在时频平面内对s变换后的多分量线性调频信号,利用霍夫变换检测出各个线性调频信号分量,仿真实验结果证明该方法可以有效克服多分量线性调频信号产生的交叉项干扰,能够对多分量线性调频信号进行正确检测。     

用霍夫变换来提取目标边界

霍夫变换因能够快速识别出由点构造的边界模型而应用于图像边界的识别.文中将就霍夫变换的具体实现过程来介绍图像中一些边界形状的判识,如直线、圆等.     

基于Hough变换检测直线的研究

Hough变换是图像处理中的一种常用的检测算法,能够有效地在较大的噪声环境中提取图像中的特定信息。本文主要介绍了标准Hough变换算法以及为了降低标准Hough变换算法的时间复杂度而提出的快速Hough变换算法。     

基于学习的霍夫变换线段组物体检测算法

针对单条霍夫变换线段特征算法的区分能力弱,不能有效处理部分匹配等问题,提出了霍夫变换线段组算法。首先通过文中算法提取霍夫变换线段特征构成码表,以此码表作为弱检测器的输入,再通过AdaBoost算法学习将弱检测器构造成强检测器,以提高检测的效率,最后在测试集上进行检测。为了计算两条霍夫变换线段之间的相似度,引入四元组空间内加权欧式距离,通过合理调整权重,能够有效地处理不可靠边缘检测问题。实验表明该算法能处理部分遮挡问题,具有很好的发展潜力。     

基于直线检测的虹膜快速定位方法

首先通过灰度投影法确定坐标转换原点,将直角坐标下的虹膜内外边缘圆转换成极坐标下的类直线,再引入辅助校正点手段定位虹膜的内边缘和圆心．利用改进Canny算子及曲线拟合定位虹膜的外边缘及圆心,提高了虹膜定位的精确度．实验结果表明：该算法具有较强的鲁棒性,能较好地定位质量不高的虹膜图像,且虹膜定位时间平均为0．1S,适用于实时虹膜图像识别．     

利用Hough变换实现直线的快速精确检测

利用Hough变换对直线进行检测,通常存在"速度缓慢、结果不够精确"的问题,本文提出了"分式查表法",能在大幅度减少Hough变换的总计算量的情况下,检测精度保持最高,从而使超大型图像中,直线的实时、精确检测成为可能。     

基于像素组合的快速哈夫变换

直线参数检测是图像分析和计算机视觉中一个基本问题,哈夫变换能很好地解决这个问题,然而哈夫变换的巨大计算量使它难于实时应用。因为一个图像点对应参数空间的一条曲线,图像点与量化后的参数区间是一对多的关系,造成了标准哈夫变换的计算复杂性。而两点确定一条直线,两个图像点对应一个参数点,利用这个原理能大幅度减少哈夫变换的计算量。     

基于TBB的Hough变换并行检测直线

Hough变换存在着运算时间长的缺点,用了并行处理这种解决海量数据计算的有效方法来减少其运行时间。该文主要研究了：利用TBB（Threading Building Blocks）这种线程构建模块在多核机上对Hough变换中可并行的部分进行并行化;实验表明这种方法对Hough变换的并行化都有很好的加速效果。     

基于随机Hough变换的人头检测

传统的人头检测方法多为基于人脸和头发的检测,误差较大。为此,提出一种基于随机Hough变换(RHT)的人头检测方法。根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。     

基于改进概率霍夫变换的车道线快速检测方法

车道线是行车安全的重要参考。为提高无人驾驶行车过程中车道线检测的准确性和实时性,提出一种基于改进概率霍夫变换的车道线快速检测方法。首先对获取的图像进行感兴趣区域提取,根据车道线颜色的特殊性,合理选取三色通道的比值对图片进行灰度化,为增强阈值处理的鲁棒性,采用大津二值化法对灰度图像进行二值化,由于Canny算子具有良好的定位边缘的能力,本次边缘提取算子选取为Canny。接着分别从车道线长度、角度、车体和车道宽度4个方面提出4点约束条件对该算法加以改进,剔除干扰线和伪车道线,最后通过线性回归法拟合出正确车道线。实验结果表明,该算法在快速检测车道线的同时保证了检测的准确率,并将实验结果与其他算法进行比较,证明了该算法的实时性和准确性优于其他算法。     

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。     

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。     

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．