一种新的非参数变换定义及立体匹配方法

提出了一种基于邻域差值的非参数变换立体匹配方法.该非参数变换方法是在图像中选定一个点,然后再找到与这个点水平方向相隔一定距离的一点,以这两个点为中心各选取一个窗口,比较两个窗口中对应像素的灰度大小差异,以这个差异值取代原图像的像素灰度值,这样产生的一个新的图像就是本文方法变换后的图像.将左右图像经过这种变换后,求变换后左右图像上点的匹配来产生立体视差.实验表明,在同等条件下,尤其存在噪声时,该方法与非参数rank变换和census变换比较,能得到更为准确的视差.     

基于DSM影像的建筑物边缘直线特征提取

吸取了Hough变换的“投票”方法,提出一种直线提取的方法,并对DSM影像进行了实验。由于两个点可以确定一条直线,固定一个点,与另一个边缘点共同可以得到一条直线的倾角,通过对倾角进行“投票”,可以得到符合条件的直线以及线段的两个端点。以已确定的一条直线的终点为起点,重复以上步骤,直至到达最后一个点。整个计算过程都是对两个已知坐标的点进行计算,计算简单,计算量较Hough变换明显减少,且精度较高。     

一种新型快速直线检测算法

针对传统的Hough变换直线检测的方法需要对整幅图片的每一个像素点进行判断和计算,最后才能得出直线参数,这样就造成计算量大,计算时间长,且需要存储大量数据将占用大量内存资源等缺陷。提出了一种新型的直线检测算法来解决以上存在的问题。与已有算法不同,该算法不需要进行坐标变换,该算法的思想就是依次检测直线上的像素点,当检测到图片中某一像素点特征值为1（图片中的直线像素点特征值为1,背景点特征值为0）,则需要判断以该像素点为圆心,以常数R为半径的圆周上是否存在一对特征值为1的像素点,且该对像素点之间的相位相差180°,故可以快速地得到该直线的参数方程。若以该点为圆心的圆周上不存在这样一对灰度不为零的像素点,则继续检测图像的下一个像素点,直到扫描完整幅图像或是得到一条直线参数。与传统的Hough变换相比,该算法计算量和计算时间最多是原算法1／R（与选取的半径参数R相关）,Hough变换占用内存与图片大小相关,本算法占用固定的内存,几乎可以忽略。     

基于夹角的直线检测算法

为了能有效解决Hough变换计算量大、处理速度慢等问题,提出了一种基于夹角的直线提取算法.该算法直接在图像空间提取直线,通过判断图像中任意三点形成的直线夹角,获得一条可能的直线,然后再在数据空间中进一步判定这条直线的真实性.实验证明,该算法具有较高的直线检出率、检测精度和运行速度,与具有类似检出率的算法相比虚假直线数较少,综合性能具有优势.     

可视化遥感图像坐标位置距离远程测量仿真

针对传统的图像坐标位置测量方法存在测量误差较大、测量时间较长等问题,提出基于脊波变换的可视化遥感图像坐标位置距离远程测量方法。引入小波系数变换算法对含噪的可视化遥感图像进行计算,获取相应的小波系数,构建多元统计模型,利用最小二乘法对模型参数进行求解,获取噪声图像与其对应的小波系数估计值,将估计值进行小波重构,得到的估计信号视为去噪后的遥感图像。在去噪后的图像待测量位置描绘一条直线,对直线上的灰度值进行脊波变换,通过变换后的脊波系数确定可视化遥感图像的坐标位置,计算直线两端坐标点的距离,实现可视化遥感图像坐标位置距离测量。实验结果表明,所提方法有效降低了测量误差,减少了测量时间。     

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。     

数值计算在数字图像边缘检测中的应用

随着图像工程技术的发展,利用数字图像技术来分析和解释复合材料微观结构已成为热点.为从复合材料微观结构图像处理与分析中得到纤维图像的直线及曲牢很小的长度信息.着重利用哈夫变换等图像处理方法提取复合材料的纤维长度分布信息,并结合数值计算的相关知识对结果进行处理,达到了分析复合材料微观结构的目的.经过理论分析与仿真验证,哈夫变换等方法可以有效地处理好纤维图像中错综复杂的线段,数值计算可以精确地得出汁算结果.     

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.     

一种基于角点特征的图像自动配准方法

图像配准是图像处理和计算机视觉中的重要环节。提出了一种基于角点特征的图像自动配准方法来处理具有相似变换的图像配准问题。角点特征由改进的Harris算子提取,然后将提取的角点组成虚拟三角形,利用在相似变换下参考图像和待配准图像中对应的虚拟三角形相似的原理,找到最相似的两个虚拟三角形,以它们对应的顶点作为控制点,求出变换模型参数,从而配准两幅图像。该方法只要求两幅图像中提取的角点特征包含3个以上的对应角点,就能配准两幅图像。它的另一个优点是理论上对两幅图像之间发生的平移、旋转和尺度变化没有限制。实验结果表明:这种图像自动配准算法是正确和有效的。     

一种改进的SIFT特征匹配算法

针对尺度不变特征变换(SIFT)特征匹配算法存在计算量大、复杂度高的问题,提出一种基于图像Radon变换的改进SIFT特征匹配算法。改进算法在图像的SIFT特征点采样区域内作d条不同方向的直线,以d条直线上的图像Radon变换作为SIFT特征向量描述符,降低SIFT特征向量的维数,从而提高特征匹配效率。实验结果表明,改进算法具有较高的匹配精度和较少的匹配时间,适用于虚拟场景漫游或目标识别等实时性要求较高的系统。     

基于分级的快速霍夫变换直线检测

在分析标准霍夫变换、两点表决霍夫变换以及多级霍夫变换直线检测的基础上，针对算法的不足，结合他们的优点，设计并实现了基于分级的快速霍夫变换直线检测方法，对算法进行了详细描述和分析，并通过实验证明了算法的有效性，实验表明：所设计的直线检测运算速度快，检测精度高，鲁棒性强，有一定的应用价值。     

一种在图象中检测网格直线的新方法

设计了一个扩展Robert算子,该算子能够在有噪声的情形下对图象中各种宽度的线条进行检测。当使用Hough变换确定直线的参数时,首先只用Hough变换检测第一条最为显著的直线,随后去掉该条直线及其附近的点,然后再次对图象进行Hough变换,并重复此过程,直到找到所有直线或者Hough变换后参数平面上的值都小于某个阈值为止。使用此改进后的Hough变换能够准确地检测到图象中构成网格的直线的参数。给出了具体的检测例子。     

Fuzzy cell Hough transform for curve detection

In this paper a new variation of Hough Transform is proposed. It can be used to detect shapes or contours in an image, with better accuracy, especially in noisy images. The parameter space of Hough Transform is split into fuzzy cells which are defined as fuzzy numbers. This fuzzy split provides the advantage to use the uncertainty of the contour point location which is increased when noisy images are used. By using fuzzy cells, each contour point in the spatial domain contributes in more than one fuzzy cell in the parameter space. The array that is created after the fuzzy voting process is smoother than in the crisp case and the effect of noise is reduced. The curves can now be detected with better accuracy. The computation time that is slightly increased by this method, can be minimized in comparison with classical Hough Transform, by using recursively the fuzzy voting process in a roughly split parameter space, to create a multiresolution fuzzily split parameter space.     

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。     

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。     

A new and efficient transform for curve detection

A new transform for curve detection, called the Curve-Fitting Hough Transform (CFHT), is proposed. In the conventional Hough Transform (HT) and its variants, both storage and computation grow exponentially with the number of parameters. The CFHT is advantageous over the conventional HT and variants in its high speed, small storage, arbitrary parameter range, and high parameter resolution. This is achieved by fitting a segment of the curve to be detected to a small neighborhood of edge points. If the fitting error is less than a given threshold, the parameters obtained from curve fitting are used to map an edge element to a single point in the parameter space. A multidimensional ordered parameter list is used to accumulate the occurrences of the curve to be detected.     

The adaptive hough transform

We introduce the Adaptive Hough Transform, AHT, as an efficient way of implementing the Hough Transform, HT, method for the detection of 2-D shapes. The AHT uses a small accumulator array and the idea of a flexible iterative "coarse to fine" accumulation and search strategy to identify significant peaks in the Hough parameter spaces. The method is substantially superior to the standard HT implementation in both storage and computational requirements. In this correspondence we illustrate the ideas of the AHT by tackling the problem of identifying linear and circular segments in images by searching for clusters of evidence in 2-D parameter spaces. We show that the method is robust to the addition of extraneous noise and can be used to analyze complex images containing more than one shape.     

A hierarchical approach for fast and robust ellipse extraction

This paper presents a hierarchical approach for fast and robust ellipse extraction from images. At the lowest level, the image is described as a set of edge pixels, from which line segments are extracted. Then, line segments that are potential candidates of elliptic arcs are linked to form arc segments according to connectivity and curvature conditions. Next, arc segments that belong to the same ellipse are grouped together. Finally, a robust statistical method, namely RANSAC, is applied to fit ellipses to groups of arc segments. Unlike Hough Transform based algorithms, this method does not need a high dimensional parameter space, and so it reduces the computation and storage requirements. Experiments on both synthetic and real images demonstrate that the proposed method has excellent performance in handling occlusion and overlapping ellipses.     

基于运动约束二步聚类Hough变换航迹起始算法

针对基于减法聚类的Hough变换航迹起始法存在的虚假航迹起始率高、目标航迹点缺失严重的问题,提出了一种基于运动二步约束聚类的Hough变换航迹起始法;该算法首先采用直观法滤除部分杂波点;随后利用Hough变换进行低阈值筛选;然后利用减法聚类得到多个聚类中心;最后由最近邻法判断出每个样本点所归属于聚类中心,得到目标航迹的数目以及参数;仿真表明,在密集杂波环境下,文章提出的算法的航迹起始概率近似是多级Hough变化航迹起始算法的1.2倍,同时虚假航迹起始概率是多级Hough变化航迹起始算法的三分之一,结果表明该算法改善了航迹起始的性能,特别适合于密集杂波下低信噪比目标的目标检测问题。