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。     

基于局部Hough变换的银行支票参考基线自动定位算法

直线自动检测有许多重要的应用,Hough变换是图象中直线检测的一个常用算法.但Hough变换的一个重要缺点是只能检测直线,而不能检测直线段.本文基于局部Hough变换,研究银行支票识别中,参考基线段的定位问题,给出了一种高效准确的参考基线定位算法.     

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。     

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。     

一种改进的Hough变换算法及图象特征点提取

针对传统Hough变换检测直线时会产生重复线段,无法判断直线的连贯性,不能检测出端点等不足,本文提出了一种改进的Hough变换方法.将水平和竖直直线与斜线分层进行处理,以提高检测精度;提取参数空间中局部最大点作为某一直线的对应点,避免重复直线的产生;根据图象空间中两相邻点间的距离值来排除孤立点,并识别不连续直线,可对识别出的直线检测出两端点坐标.本文开发出一个参数输入调整交互界面,以便根据图象情况灵活调整各种阈值参数,达到最佳的检测效果.     

关于Hough变换最小化参数空间的一点讨论

Hough变换因其固有的鲁棒性在众多视觉问题中得到了广泛应用.文中探讨了当Hough变换的参数空间均匀离散化后,如果要求不同的直线对应不同的计数器,则对应的离散参数空间所需的最少计数器个数的问题.以Hough变换的标准参数(ρ,θ)空间为例进行探讨,相关方法完全可以推广到Hough变换的其他参数化形式.文中的结果从一个侧面揭示了图像均匀噪声在Hough变换参数空间分布的固有的不均匀性现象,这种不均匀性必然导致Hough变换在直线检测时直线位置和朝向的依赖性对噪声的不同敏感程度,该结果对从事Hough变换研究的相关人员具有一定的参考作用.     

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。     

一种提取直线的随机方法

基于Hough变换提取直线的方法，由于要预先量化参数空间，因此需要很大的存储量和计算量．基于RHT(Randomized Hough Transform)提取直线的方法是通过随机选取两个点得到直线的参数，而后在参数空间对相应的参数进行累加、判断，该方法虽然无需预先量化参数空间，但是其在直线检测时，收敛速度慢．为此提出一种新的随机检测直线(Random Line Detection)的方法，在图象边缘点构成的数据空间中随机选取3个点，根据距离准则获得一条可能的直线，然后在数据空间中进一步判断直线的真实性，实验证实了该方法能有效的减少存储空间并降低计算量。     

一种基于Hough变换的圆和矩形的快速检测方法

Hough变换是数字图像处理和机器视觉领域的经典算法,主要用于直线或线段的检测。虽然某些广义Hough变换能够用于检测复杂的2维图形,但其通常都具有存储空间大、计算时间长、可靠性差等不足,而且对于需要使用导数或梯度信息的算法而言,往往对图像中的噪声比较敏感、鲁棒性差。为了对平面规则图形进行快速准确检测,在传统的直线Hough变换的基础上,结合平面规则图形的几何特征,提出了一种检测平面矩形和圆的快速通用方法。该算法首先对图像进行滤波处理,并用Canny算子做边缘检测,先得到闭合的轮廓曲线,再利用形状角Dα对轮廓曲线进行粗分类;然后分门别类进行细致、准确的图形识别。该检测方法,由于只需要进行简单的1维和2维（直线）投票,而且完全不需要任何导数信息,从而大大提高了圆检测的速度和鲁棒性。实验表明,该检测方法适用于各种常见平面规则图形的检测和识别,并且检测速度快、精度高。     

图像中任意三角形检测方法

提出了一种基于加窗Hough变化的任意三角形检测方法。选择适当大小窗口在图像中滑动,以窗口中心为坐标原点对窗口内图像作Hough变换,在图像的Hough域中检测直线段,从检测出的直线段中找出满足三角形条件的线段组合,然后定位这些线段构成的三角形。实验表明该算法能够有效检测出任意三角形,改变线段的长度条件或角度条件还可以检测直角三角形、等腰三角形、等边三角形等特殊三角形。该算法还可以实现在图像中检索三角形目标的功能。     

Old and new straight-line detectors: Description and comparison

Straight-line detection is important in several fields such as robotics, remote sensing, and imagery. The objective of this paper is to present several methods, old and new, used for straight-line detection. We begin by reviewing the standard Hough transform (SHT), then three new methods are suggested: the revisited Hough transform (RHT), the parallel-axis transform (PAT), and the circle transform (CT). These transforms utilize a point-line duality to detect straight lines in an image. The RHT and the PAT should be faster than the SHT and the CT because they use line segments whereas the SHT uses sinusoids and CT uses circles. Moreover, the PAT, RHT, and CT use additions and multiplications whereas the SHT uses trigonometric functions (sine and cosine) for calculation. To compare the methods we analyze the distribution of the frequencies in the accumulators and observe the effect on the detection of false local maxima. We also compare the robustness to noise of the four transforms. Finally, an example with a real image is given.     

基于Hough变换的快速矩形检测算法

本文提出了一种基于图象Hough变换的矩形检测算法。通过对图象Hough变换空间中峰值点进行提取和组合，检测出满足角度和长度条件的直线组合，以快速定位出图象中的矩形。实验结果表明：该算法快速、准确，检测过程不需人工参与。     

Detecting line segments in an image – a new implementation for Hough Transform

The conventional Hough Transform is a technique for detecting line segments in an image. The conventional Hough Transform transforms image points into lines in the parameter space. If there are collinear image points, the lines transformed from the points intersect at a point in the parameter space. Determining the intersection is generally carried out through the “voting method”, which partitions the parameter space into squared meshes. A problem with the voting method involves determining the resolution required for partitioning the parameter space. In this paper, we present a solution to this problem. We propose to transform an image point into a belt, whose width is a function of the width of a line in the image. We then determine the intersection of numerous belts to detect a line segment. An iterated algorithm based the transformation for detecting line segments is presented in this paper.     

Improved Lane Line Detection Algorithm Based on Hough Transform

In order to simplify the lane line detection algorithm based on Hough transform, we propose an algorithm directly identifying lane line in Hough space. The image is conducted with Hough transform, and the points conforming to the parallel characteristics, length and angle characteristics, and intercept characteristics of lane line are selected in Hough space. The points were directly converted into the lane line equation. Also, the lane lines are conducted with fusion and property identification. The experimental results showed that the lane can be better identified on expressways and structured roads. Compared with tradition algorithm, the identification is effectively improved.     

一种新的用于检测直线的快速Hough变换

在分析现有常用的改进Hough变换算法思想的基础上,设计了一种新的用于直线检测的快速Hough变换,通过与现有改进Hough变换算法的比较实验,新设计算法具有更好的实时性。     

局部PCA参数约束的Hough多椭圆分层检测算法

针对随机Hough变换(RHT)在复杂图像中检测圆及椭圆时随机采样所造成的大量无效采样、无效累积以及运算时间长等问题,提出基于局部PCA感兴趣参数约束Hough多椭圆分层检测思路。首先利用边缘检测算子获得边缘信息并去除边缘交叉点,在边缘图像中标记并提取出满足一定长度的连续曲线段;其次利用线段PCA方向分析确定是否属于有效曲线段;然后,对所有感兴趣曲线段按照标记顺序依次利用椭圆拟合办法初步得到感兴趣椭圆粗略参数,根据拟合结果进而模糊约束Hough变换参数搜索范围,得到精确椭圆参数;最后利用检测结果更新图像空间,删除已经检测到的椭圆,依次进行,直到所有椭圆检测完毕。实验结果表明,该算法在计算、存储消耗上均大大减少。     

基于最小二乘修正的随机Hough变换直线检测

利用Hough变换进行直线检测时,由于直线在参数空间中的映射容易受到邻近目标、噪声以及本身非理想状态的干扰,算法中的投票过程较易出现无效累积,进而导致虚检、漏检及端点定位不准等问题.针对传统方法的上述缺陷,提出了一种基于 ρ-θ 域最小二乘拟合修正的随机Hough变换的直线检测方法.首先, 在随机抽样时利用像素-长度比值对抽样的有效性进行判定,剔除不在直线上的抽样点对;然后, 对邻域相关点进行 ρ-θ 域的最小二乘拟合,得到修正后的直线参数用于累加投票,投票过程中设定累加阈值,通过检测峰值点逐次检出疑似长直线;最后, 通过设定断裂阈值对每条长直线进行筛选和分段,定位出直线段的端点.仿真实验表明,所提方法在投票时有效抑制了复杂环境对局部最大值的干扰,使直线检测的准确率得到显著提升.     

利用数字视频技术测量旋转速度的研究

基于视频的测量系统,具有非接触,安装维护简捷而且费用低等特点;本研究的目标就是利用摄像机对测量对象进行视频采集,然后提取相邻两帧图像;当运动对象进行简单的单轴旋转时,利用Hough变换(或Rando变换)技术进行直线的角度检测;计算出相邻帧的角度差,根据间隔时间,计算出角速度;当球体进行多轴旋转时,根据球体标志投影,结合三维空间刚体运动模型,利用一组特征点坐标,采用两步迭代交替估计运动参数,求得运动物体相对三维空间各个轴的角速度;并对特殊已知结构参数的运动物体给出了简化的计算方法,通过实验表明本方法测量结果满足要求.     

适用于机场跑道识别的改进Hough变换

机场跑道的卫星图片经过处理后表现出来的骨架特征为边缘直线,在边缘图像中检测直线通常使用的方法是Hough变换（HT）.由于（HT）是一种穷举式的搜索,在处理复杂图像时存在大量无效计算,实时性较差.针对机场跑道识别的实时性要求,提出一种改进的用于在二值图像中检测直线的快速Hough变换算法,此算法克服了标准Hough变换以图像边界点为扫描边界的缺点,并且能及时中断无谓的扫描,较好地解决了无效累积问题,实验证明,与标准Hough变换相比,它不仅具备Hough变换原有的高可靠性和抗干扰能力,而且具备Hough变换所不具备的高效性和低存储,克服了标准Hough变换的高计算代价和耗存储的缺点.     

文本页面图像的图文分割与分类算法

为了能对包含不规则图片区和表格的倾斜文本页面图像进行图文分割与分类，提出了一种新的图文分割和分类算法。该算法先采用数学形态学和分级霍夫变换来进行文本倾斜的检测和校正；然后为了使算法能够对包含不规则图片区的文本页面图像进行处理，提出在传统的投影轮廓切割算法中，引入中点切割的过程，以便利用一系列的矩形来近似地逼近不规则的图片区。对于分割后的图像，则提出利用黑白像素比(Rbw)和近邻像素间的交叉相关性(Rcc)两个特征来作为分类的判据。实验结果证明，算法速度快、可靠性高。该算法只适用于二值图像。