图像中网格直线的检测方法的研究

首先分析了图像边缘特性以及Laplacian算子检测图像边缘的基本原理,提出了一种新的边缘检测算法,能准确地检测出图像中的目标边缘;在确定直线参数时,先使用Hough变换检测第一条最为明显的直线,然后去掉该直线以及附近的点,然后再次对图像进行Hough变换,并重复此过程,直到找到所有的直线;使用此改进后的Hough变化能够准确地检测到图像中构成网格的直线的参数.     

基于Hough变换的平行直线检测改进算法研究

根据经典Hough变换检测空间直线的原理,提出了一种基于Hough变换的平行直线检测改进算法,将采集到的图像进行二值化处理,再使用Sobel算子对该二值化图像进行边缘检测,对边缘检测得到的图像进行Hough变换和峰值点检测,由峰值点得到直线段图像,最后使用本文提出的改进算法计算出所有直线段的斜率,利用斜率相等来判定平行直线.通过对比实验证明,该算法能得到更高的精度,并缩短了运行时间.     

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.     

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。     

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.     

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.     

基于空间矩的随机Hough变换检测直线

为解决随机Hough变换中无效采样和累积问题,研究了一种基于空间矩的随机Hough变换直线检测方法;利用空间矩方法进行随机采样并求取出参数空间点,将计算参数空间点的随机采样点减少到一个,最后利用随机Hough变换原理来确定真实直线;实验结果表明,基于空间矩的随机Hough变换直线检测方法相对于传统的随机Hough变换具有更好的准确性、鲁棒性和稳定性,实时性得到了较大的提高。     

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。     

基于Hough 变换的三次方Bezier 曲线检测算法研究

类似经典Hough 变换中对直线（段）、圆（弧）、椭圆、抛物线等解析曲 线的检测,论文研究了三次方Bezier 曲线的检测算法,提出了离散Bezier 曲线的特征建模 方法和使用R 函数的Hough 变换曲线检测快速算法。该算法能够根据所给出的待检测目标 点阵图像建立形状参数模型,然后检测该曲线在复杂图像中出现的位置、大小和方向。实验 表明,该法能够有效地检测任意三次方Bezier 曲线,且精确度优于目前广泛用于曲线检测 的广义Hough 变换。     

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。     

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.     

Real-time precise detection of regular grids and matrix codes

The traditional approach in detecting sets of concurrent and/or parallel lines is to first detect lines in the image and then find such groups of them which meet the concurrence condition. The Hough Transform can be used for detecting the lines and variants of HT such as the Cascaded Hough Transform can be used to detect the vanishing points. However, these approaches disregard much of the information actually accumulated to the Hough space. This article proposes using the Hough space as a 2D signal instead of just detecting the local maxima and processing them. On the example of QRcode detection, it is shown that this approach is computationally cheap, robust, and accurate. The proposed algorithm can be used for efficient and accurate detection and localization of matrix codes (QRcode, Aztec, DataMatrix, etc.) and chessboard-like calibration patterns.     

The modified adaptive Hough transform (MAHT)

A fast and robust algorithm for extracting line segments from an image through use of the Hough Transform is presented. The framework for our algorithm comes from the work of Illingworth and Kittler. We have extended their Adaptive Hough Transform algorithm to handle lines of arbitrary slope, multiple lines, and lines in very low signal to noise environments. We present our Modified Adaptive Hough Transform along with experimental results obtained with data from a tactile sensor.     

一种新的直线提取算法研究

研究了一种快速的图像直线提取算法。将边缘按方向划分成若干子边缘,利用判据从子边缘提取出局部直线,然后依据准则合并相应子边缘得到全局直线及参数。准确提取出图像中的直线特征及端点和方向等参数。实验结果表明,算法比Hough变换更准确、快速、可靠地提取图像的直线特征。     

文档图像中书写线的检测与去除

采用快速的Hough变换检测文档图像中的书写线,从图像中抽取少量特征点,将其分成两个子集,每次从两个子集中各取一个上点计算变换窨内的对应参数,当变换空间的累加值达到预先设定的阈值就认为已成功书写线,使Hough变换的速度大大加快,具有很强的实用价值,根据书写线与字符笔画的位置关系去除书写线,对书写线和相交的区域依据书写线的宽度和相交情形确定不同的结构元素,进行数学形态学的开运算,去除书写线的同时,较好地保持了字符笔画,实验结果表明,对信封图像上书写线的检测和去除有满意的处理效果。     

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。     

基于机器视觉的公差检测系统算法研究与应用——自适应边缘检测与修正Hough变换

介绍了基于机器视觉的几何量和位置公差检测中常见的计算模型、图像处理和直线拟合一般算法，进一步介绍了一种自适应的边缘检测方法。着重分析了传统的Hough变换的优势和缺点，在此基础上提出了适应形位公差检测特点的修正Hough变换算法。自适应边缘检测方法被应用于检测实际工程的图像边缘，检测到的边缘区域在亚像素之内；修正的Hough变换算法也被运用于相应工程的直线拟合，与传统的Hough算法相比，结果表明其速度更快、精度更高，抗干扰能力更强，其拟合直线的极径精度可达到0．1个像素，极角精度可达0．01°。     

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。     

An extension to the randomized hough transform exploiting connectivity

Finding global curve segments in an image is an important task. For such a task, a new branch of Hough Transform algorithms, called probabilistic Hough Transforms, has been actively developed in recent years. One of the first was a new and efficient probabilistic version of the Hough Transform for curve detection, the Randomized Hough Transform (RHT). In this paper, a novel extension of the RHT, called the Connective Randomized Hough Transform (CRHT), is suggested to improve the RHT for line detection in complex and noisy pictures. The CRHT method combines the ability of the Hough Transform for global feature extraction with curve fitting techniques by exploiting the connectivity of local edge image points. Tests demonstrate the high speed and low memory usage of the CRHT, as compared both to the Standard Hough Transform and the basic RHT.