基于随机Hough变换的圆检测改进算法

介绍了一种基于随机Hough变换的圆检测的改进算法。本文解决了随机Hough变换检测圆中参数单元无效累积的问题，首先构造边缘点集的数据空间，采用搜索的方法将各连续曲线的边缘点顺序存储。然后从中选取最小点集，利用圆的性质求得圆参数，该算法计算量较小，并且避免了解方程组运算带来的误差。     

计算技术与计算机及网络设备 计算机图形学、计算机视觉、可视化技术

0627216基于随机Hough变换的圆检测改进算法〔刊,中〕/马文娟//信息技术与信息化.—2006,(3).—128-130(D)介绍了一种基于随机Hough变换的圆检测的算法。本文解决了随机Hough变换检测圆中参数单元无效累积的问题,首先构造边缘点集的数据空间,采用搜索的方法将各连续曲线的边缘点顺序存储,然后从中选取最小点集,利用圆的性质求得圆参数,该算法计算量小,并且避免了解方程组运算带来的误差。参50627217半透明材质在Mental Ray中的实现〔刊,中〕/沈姝莺//微计算机应用.—2006,27(4).—474-477(G)0627218基于OpenGL标准库的复合纹理贴图方法…     

基于随机Hough变换的匀加速运动目标检测算法及性能分析

该文针对K分布海杂波加热噪声背景环境下作匀加速抛物线运动的低可观测目标的检测问题,提出了一种新的基于随机Hough变换的快速检测算法.该算法利用随机采样的3点数据和一维角度搜索来提取开口方向任意的抛物线轨迹,并利用所采样的3个雷达数据点携带的时间信息进一步减少了无效采样,大大加快了算法的运算速度.文中针对该算法的检测性能分析提出了一种理论分析方法.性能分析的结果既表明了检测概率、虚警概率、门限以及采样次数之间的关系,还表明当采样次数趋向无穷大时,随机Hough变换的检测性能趋向于 Hough变换的检测性能.     

改进的Hough变换圆检测算法

针对标准Hough变换在圆检测中对时间空间需求高的问题,提出一种改进的Hough变换圆检测算法。该算法将标准Hough变换检测圆时的三维空间转换为一维空间,利用圆为中心对称图形的几何特征计算圆心,然后通过一维Hough变换进行半径累积,得到圆半径。实验证明,该算法运行速度快,占用内存小,抗噪性能好,对单个圆和多个圆同样有效,具有较高的实用价值。     

一种改进的基于对称性的Hough变换圆检测算法

为提高圆形轮廓目标检测的快速性,提出一种改进的基于对称性的Hough变换圆检测算法.首先对图像进行去噪和边缘提取,并剔除边缘点中可能共线的点;然后利用圆的对称性分两步在一维空间中利用Hough变换投票得到圆心坐标;最后在一维参数空间利用Hough变换累加半径投票值得到半径.对比实验表明,提出的算法有较高的识别准确率和较高的运算速度.     

基于改进随机霍夫变换的直线提取算法

针对Hough变换存在的直线精度低,虚检漏检等问题,文中提出了一种基于随机Hough变换(RHT)的改进算法,利用RHT采样特性,结合一种提高采样有效性的方法,一方面减少RHT无效投票来提高参数空间效率,另一方面避免虚假直线被检测,最后利用RHT结合最小二乘法提取真实的直线。实验结果表明:该算法提高了检测直线的精度,虚假直线被检测概率下降50%,抗噪声能力增强。     

用改进的随机Hough变换检测胸水图像中的细胞

针对胸水细胞显微图像的特点提出一种改进的随机Hough变换(MRHT,modified randomized hough transform)检测圆和椭圆的算法.该算法分为两步:利用椭圆的几何性质,确定可能的椭圆中心的位置;在限定区域内,通过多次3点随机抽样,计算椭圆除中心坐标外的其他3个参数.研究表明,该算法可以同时检测多个圆和椭圆,可以从胸水细胞显微图像的复杂背景中较为准确地提取圆形和椭圆形细胞.实验结果表明,该算法有较高的检测效率,检测精度和较强的鲁棒性.     

基于欧氏距离图的随机Hough变换椭圆检测方法

为了实现椭圆目标的有效检测,克服椭圆检测过程中对椭圆完整性和边缘梯度精度要求过高的缺点,提出了一种改进的随机Hough变换的椭圆检测方法。首先充分利用椭圆的轴对称特性和极点-极弦性质求取候选椭圆,有效解决了无效采样和累积问题,然后采用欧氏距离图计算椭圆边缘点的欧氏距离之和来确定真实椭圆。实验结果表明,该算法相对于RHT-3算法和CMHT算法具有检测精度高、检测速度快和抗椭圆缺失能力强的优点。     

基于TMS320DM642的快速Hough变换圆检测算法的实现

为了在DSP平台上实时检测圃孔或圆弧图像的特征参数,介绍一种用于快速提取圆参数的基于TMS320DM642平台改进Hough变换算法.该算法利用圆的几何对称性估算待检测圆的参数,从而有效缩小参与Hough变换的参数域的范围.实验结果表明:在资源有限的嵌入式平台上,该算法计算速度快,占有内存小,检测性能好.     

基于梯度信息的随机Hough变换圆轮廓测量技术

在图像处理及计算机视觉中,Hough变换是一种应用非常广泛的图像边缘检测技术.分析了Hough变换的基本原理,指出了传统Hough变换以及随机Hough变换存在的缺陷,提出了一种基于随机Hough变换、综合利用图像本身灰度信息和梯度信息,并根据图形本身性质搜索边缘点的适用于圆周及圆弧轮廓的边缘检测算法.该算法采用"多对一"映射,显著减少了存储所需的容量;采取并行算法提高了运算速度;采用亚像素细分技术对边缘进行进一步的细化处理,提高了测量精度;最后用弦长加权法对边缘点进行拟合,得到被测参数.依据上述原理研制了高精度、高效率图像采集与处理系统,并在该系统上进行了实验.实验结果表明,对于对比度较差的轮廓,其测量不确定度在0.15像素以内.     

Fast detection of multi-circle with randomized Hough transform

Randomized Hough transform （RHT） is an effective method for circle detection. But when dealing with multi-circle complex images, the random sampling will bring lots of invalid accumulations and result in a large number of calculations. In this paper, by selecting three points of the candidate circle, a fast detection algorithm of multi-circle with randomized Hough transform is presented. Experimental results demonstrate that the proposed scheme can quickly detect multiple circles, and has a strong robustness.     

受约束的多圆快速随机检测研究

针对多圆检测问题,提出了一种快速随机检测算法。该算法通过随机采样一点、搜索二点来确定候选圆,再以证据收集方法来确认真圆。本文算法剔除了多种非圆点,最大限度地降低了无效采样,并显著地减少了无效计算。数值实验结果表明:相对于同类算法,本文算法具鲁棒性较好和检测速度较快。     

基于特征匹配的水下目标检测与识别

针对水下特殊环境的目标检测与识别,提出一种基于霍夫变换与几何特征相结合的特征匹配算法。通过对Canny边缘检测和迭代阈值分割的有机融合,实现了对图像的后处理式联合分割,有效地减小了光照不均等噪声干扰对目标提取的影响。通过霍夫变换直线匹配和几何特征匹配算法对规则的几何目标进行识别,具有较好的抗旋转和抗缩放性能。实验结果表明了该算法的准确性和稳定性。     

基于TMS320DM642的快速Hough变换圆检测算法的实现

为了在DSP平台上实时检测圆孔或圆弧图像的特征参数,介绍一种用于快速提取圆参数的基于TMS320DM642平台改进Hough变换算法。该算法利用圆的几何对称性估算待检测圆的参数。从而有效缩小参与Hough变换的参数域的范围。实验结果表明：在资源有限的嵌入式平台上,该算法计算速度快,占有内存小,检测性能好。     

改进的Hough变换在PCB实时初检中应用

在图像处理和计算机视觉中，Hough变换是一种应用非常广泛的图像边缘检测技术．针对传统H0ugh变换算法所需的存储容量大、计算量大、速度慢、效率低，实时应用性差的同题，本论文运用了一种改进的Hough变换方法，分两步来完成目检测同题中的图心定位和半径测定，并通过针对PCB在线检测的具体应用情况加以改进并应用，进一步有效地减少存储容量，提高运行效率。实验证明算法满足PCB在线检测的实时性。     

Novel detection of conics using 2-D Hough planes

The authors present a new approach to the use of the Hough transform for the detection of ellipses in a 2-D image. In the proposed algorithm, the conventional 5-D Hough voting space is replaced by four 2-D Hough planes which require only 90 kbytes of memory for a 384×256 image. One of the main differences between the proposed transform and other techniques is the way to extract feature points from the image under question. For the accumulation process in the Hough domain, an inherent property of the suggested algorithm is its capability to effect verification. Experimental results from the authors' work on real and synthetic images show that a significant improvement of the recognition is achieved as compared to other algorithms. Furthermore, the proposed algorithm is applicable to the detection of both circular and elliptical objects concurrently     

利用梯度方向信息的随机Hough变换

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在处理复杂图像随机采样造成的大量无效积累提出一种改进的用于直线检测的ＲＨＴ，较发地解决了无效果累积问题，并使改进后的算法具有计算速度更快，占用内存更少以及检测性能更好等优点。     

Network traffic prediction method based on improved ABC algorithm optimized EM-ELM

In order to overcome the poor generalization ability and low accuracy of traditional network traffic prediction methods, a prediction method based on improved artificial bee colony (ABC) algorithm optimized error minimized extreme learning machine (EM-ELM) is proposed. EM-ELM has good generalization ability. But many useless neurons in EM-ELM have little influences on the final network output, and reduce the efficiency of the algorithm. Based on the EM-ELM, an improved ABC algorithm is introduced to optimize the parameters of the hidden layer nodes, decrease the number of useless neurons. Network complexity is reduced. The efficiency of the algorithm is improved. The stability and convergence property of the proposed prediction method are proved. The proposed prediction method is used in the prediction of network traffic. In the simulation, the actual collected network traffic is used as the research object. Compared with other prediction methods, the simulation results show that the proposed prediction method reduces the training time of the prediction model, decreases the number of hidden layer nodes. The proposed prediction method has higher prediction accuracy and reliable performance. At the same time, the performance indicators are improved.