基于Hough变换利用对称点检测圆

分析了传统Hough变换检测圆中一对多的映射关系导致性能下降的问题,总结了经典的Hough算法和其他研究人员提出的其它改进算法后,提出了采用圆的几何特征,利用圆周上两个对称点的中心为圆心,先检测出圆的圆心,然后检测半径的方法来检测圆.实验及分析证实该方法降低了Hough变换的转换的维度,比传统的Hough变换性能有较大的提高.     

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。     

一种随机Hough 变换检测圆的优化方法

随机Hough变换是常用的图像测圆方法,当图像数据杂乱时,随机Hough变换的结果不理想且检测实时性差.针对激光扫描检测直缝焊管焊缝噘嘴问题,提出了一种优化的随机Hough变换检测圆方法.首先计算激光扫描所得轮廓离散点的曲率值,然后采用K均值聚类法从轮廓图像中分离出圆弧数据点,最后使用随机Hough算法检测圆.实验表明,本文方法可以准确而快速地计算出焊管径向横截面二维轮廓圆的圆心和半径,可以满足工业实际应用需求.     

基于Hough变换的圆检测方法

总结了圆检测的几种常用方法,如经典HT、随机HT和广义HT.结合几种方法的优缺点,提出了一种基于经典HT的改进Hough变换圆检测方法.该方法先对图像进行预处理,如灰度化、去噪滤波、边缘检测以及运用数学形态学等,然后进行Hough变换.其主要思想是用多维数组来代替经典的循环过程.把Hough变换应用到织物防水性能自动测试的真实图像中,通过对经典Hough变换与改进后的Hough变换的比较,可以看出检测速度有所提高,检测精度也达到了令人满意的程度.     

基于Hough变换的汽车零件中圆形检测的改进算法

针对汽车零件中的圆检测实际需求,在分析了基本Hough变换和随机Hough变换进行圆检测的技术特征基础上,对基本Hough变换进行算法改进。采用Sobel算子提取图像边缘,利用圆参数范围已知的先验知识确定感兴趣区域和圆半径的检索范围,使得计算量大大减少,从而实现圆心坐标和半径的快速检测,满足工业生产实时性的要求。     

一种基于梯度Hough变换和SVM的圆检测算法

针对复杂背景下的多圆检测,分析传统的方法,并在标准Hough变换的基础上进行算法改进,把一次三维Hough变换转化成两次二维Hough变换的组合。把圆心和半径分开检测,在积累数组的投票中引入梯度信息作为投票权值,同时采用SVM对检测结果进行假圆的识别和去除,提高了检测精度和算法的效率。     

一种新的对随机Hough变换改进的检测圆的方法

从数字图像中检测出圆在计算机视觉中具有很重要的地位。随机Hough变换是检测圆的一种有效变换,但在处理复杂图像时,由于随机采样会引入大量的无效采样和积累。文章中提出一种在Teh-ChuanChenandKuo-LiangChung[4]的改进算法基础上,对随机Hough变换改进的检测圆的方法。     

自然环境下水果图像分割与定位研究

研究了自然环境下苹果、梨、桃子、杏子、李子、石榴、枣、樱桃等水果图像的果实和背景颜色特征，提出了用2r-g-b分量进行图像分割的方法。为了使Hough变换能够检测出水果果实，该文对随机圆Hough变换算法进行了改进，增加了检测圆的梯度约束和半径约束。试验表明对多数水果的图像利用2r-g-b进行分割，并用二值形态学方法对图像进行滤波后，用随机圆Hough变换可以有效地检测出了水果果实。     

Hough变换检测圆算法的并行化研究

针对Hough变换存在的运算时间较长的缺点,本文用了TBB(Threading Building Blocks)这种线程构建模块来并行处理Hough变换检测圆的问题,以有效的减少其运行时间。并通过实验表明这种方法对Hough变换有很好的加速效果。     

基于Hough变换圆检测的人眼定位方法改进

对基于Hough变换圆检测的人眼定位方法进行了改进,借助积分投影定位人眼坐标时求得的灰度特征值,给出了一种快捷准确的眼睛定位方法.采用基于灰度积分投影的方法粗定位人眼,求得大致的虹膜半径、中心坐标和虹膜区域等;再采用"最小外接矩形法"估算待检测圆的圆心及半径,运用Hough变换检测圆的方法精确检测出虹膜.在VPM642...     

快速随机Hough变换多圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理多圆复杂图像时随机采样带来的大量无效累积会导致计算量过大。文中提出一种基于随机Hough变换的快速多圆检测算法,除去三类噪声点,通过随机采样到的一点按照一定规则搜索另外两点来确定候选圆,用原始图像对候选圆进行证据积累以判断是否为真圆。理论分析和实验结果表明：该算法较其他算法能更快地检测出图像中的多个圆,具有较好的应用价值。     

数字图像中基于多尺度几何分析的圆检测算法

特征检测是图像处理和模式识别中非常重要的问题,其检测效果直接影响模式识别和分类。基于多尺度几何分析（MGA）的思想,提出了一种圆检测方法―圆特征域上奇异点算法。该算法首先将圆特征曲线变换到圆特征域上,然后在圆特征域上进行小波分析以找出奇异点,奇异点坐标即为待检圆的坐标。该方法克服了Hough变换对灰度图像圆检测需要考虑灰度阈值或梯度的限制,可直接对二值图像或灰度图像进行检测。最后分析、比较了该算法与Hough算法的不同。     

瞳孔中心快速定位方法研究

眼球运动是获得和揭示大脑工作信息的重要途径。近年来的研究多将眼球建模成圆或椭圆,利用Hough变换检测圆或椭圆,从而达到瞳孔中心定位的目的。传统的Hough变换（含随机Hough变换）的实时性较差,而为了获得更加准确有效的眼球运动信息,采集帧率往往需要超过100 f/s。为此,利用VOG的暗瞳特性及二值化后瞳孔图像圆的唯一性,通过Video Oculographic（VOG）设备采集眼部视频,对Hough变换进行改进,对预处理过的二值图像进行边缘提取,同时选取边缘上的三点通过点Hough变换得到一个参数组,再用数学期望替代传统Hough变换投票方式,对所有参数组求数学期望,得到最终瞳孔中心。实验证明,该方法可行、精确、稳定。     

基于改进Hough变换的圆形物体检测

圆形(包括弧线)检测是数字图像处理过程中的经典问题之一,有着广泛的应用背景。基本的Hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域,选取累积最多的参数。在现实生活中,由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解,因此,图像在应用Hough变换后,很难找到单一的峰值,这也就造成了检测的难度。在Hough变换的原理基础上利用圆的几何特征提出了改进算法。理论和实验证明能获得较好的检测结果。     

基于HPF和Hough变换的人眼精确定位

眼睛定位是人脸识别的非常重要的一个环节,常采用基于Hough变换的方法,但这种方法计算量大、运算速度慢,对存储空间需求大。提出一种人眼快速定位的新方法。首先用混合投影法检测到眼睛瞳孔的大致位置,再利用基于圆的Hough变换快速定位出人眼,实验证明此方法大大提高了人眼定位的效率。     

印制电路板图像对准算法研究

使用模板匹配法检测印刷电路板(PCB)质量,对标准图和待检测图之间的图像对准具有很高要求.在定位标志为圆的情况下,应用Hough变换虽然行之有效,但存在占用内存多,计算量大等问题.图像对准分为模糊对准和精确对准两个步骤,利用设置定位圆的先验知识实现模糊对准,并由模糊对准给出定位圆的相关参数,将这些参数运用于精确对准,能使图像的边缘提取和Hough变换变得简单、易行,减少了内存占用,提高了算法的处理速度.     

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.