一种基于随机Hough变换的椭圆检测方法

在随机Hough变换基础之上,提出一种改进的椭圆检测方法,该方法降低了随机Hough变换的无效采样概率,对椭圆边缘的定位结果达到了亚像素级,并且能够准确判别出图像中的椭圆形标志,去除非椭圆形标志.通过实验得到较好的结果.     

基于Hough变换的椭圆检测方法

椭圆检测在图像、图形识别与计算机视觉领域中有着重要的应用,而基于Hough变换的椭圆检测是其中常见的方法之一。本文对基于Hough变换的椭圆检测算法进行了综述,其中包括利用三点确定椭圆的提取方法、基于弦中心Hough变换的提取算法和基于椭圆几何对称性算法等,着重对不同方法的原理、实现和优缺点进行了讨论。     

基于椭圆Hough变换的尿沉渣图像红细胞检测

传统的椭圆Hough变换存在运算速度慢,计算量大,占用储存空间大等缺点。针对尿沉渣镜检图像,首先对利用圆环Hough变换对全图中的红细胞进行粗定位,之后针对每个可能存在红细胞的小区域,利用一个改进的随机椭圆Hough变换对图像中的红细胞进行定位识别。该方法由于采用了低维Hough参数空间且合理减少了随机椭圆Hough变换中的采样次数,从而同时降低了算法的时间与空间开销,同时还具有良好的抗噪能力,提高了检测准确率。在真实图像上的实验结果证明了以上结论。     

一种基于随机Hough变换的椭圆检测算法研究

提出了一种有效的基于随机Hough变换的椭圆检测算法(RED).该算法首先在图像中随机选择三个边缘点,并分别以这三个点为中心选取相同大小的窗口.利用最小二乘法对这三个窗口中的所有边缘点进行椭圆拟合,然后在图像中随机选取第四个边缘点,以判断图像中是否存在一个可能的椭圆.在找到一个可能的椭圆后,通过证据收集以进一步验证这个可能的椭圆是否真实存在.仿真实验和实际图像的实验表明本文算法比其它的算法具有速度快和精度高的优点.     

一种新的不基于Hough变换的随机椭圆检测算法

椭圆检测在模式识别领域中占据着非常重要的位置。常见的基于Hough变换的椭圆检测算法(如RHT算法)存在着占用大量存储空间及计算耗时等缺点。本文提出一种高效随机的椭圆检测算法(RED)。该算法不基于Hough变换,其原理是:首先从一幅图像中随机地挑选出6个点,并定义一个约束距离以确定在此图像中是否存在一个可能的椭圆;当可能椭圆确定之后,引入椭圆点收集过程以进一步确定可能椭圆是否是待检测的真实椭圆。通过对具有不同噪声的合成图像以及真实图像进行测试,结果表明RED算法在低噪声与适度噪声的情况下,速度明显快于RHT算法。     

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.     

一种基于Hough变换的损伤检测方法

针对香烟条包端面透明纸损伤的实时、在线图像检测问题,提出一种基于Hough变换的损伤检测方法.根据香烟条包端面透明纸的损伤特点,利用Hough变换原理构造了一个损伤判别准则,并根据该准则值的大小来实现损伤的在线检测.构建了图像检测系统,利用实际采集的香烟条包端面透明纸损伤图像对该方法进行了分析和验证,结果表明,其可以有效地检测香烟条包端面透明纸出现的异常现象.     

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。     

一种基于Hough变换的圆检测方法

本文提出了一套基于深度优先搜索和等步长Hough变换的圆检测方法.为了得到圆的有效边缘特征,提出了一套边缘特征提取的算法.将边缘提取之后,进行了深度优先搜索.接着采用等步长采样,将边缘分为三段,用Hough变换进行圆的参数提取.最后,经过最大值的搜索得到圆的参数,小圆和大圆的半径统计方差分别达到了0.1493和0.3777.     

基于改进Hough变换的圆形交通信号灯的检测

本文提出一种基于HSV色彩空间的颜色和形状特征的交通灯检测方法.首先将图像的RGB色彩空间转换成HSV色彩空间,利用不同颜色的H阈值对图像进行分割,然后进行结构化处理,最后利用Hough变换检测圆形信号灯的可能位置.由于传统的Hough变换的计算量过大,为此提出一种新的基于Hough变换的椭圆轮廓检测方法.     

基于Hough变换圆检测的人眼精确定位方法

眼睛定位是人脸识别的非常重要的一个环节,后续的图像几何归一化、图像矫正和特征提取都依赖于眼睛的位置。论文提出一种人眼快速定位的新方法。首先用积分投影法检测到眼睛瞳孔的大致位置;然后用Sobel边缘检测算子提取图像边缘信息;再利用基于圆的Hough变换快速定位出人眼,实验证明了该方法的有效性。     

基于聚类与Hough变换的交通标志检测方法

交通标志检测是进行交通标志识别系统的关键技术,提出一种基于图像的颜色和形状进行交通标志检测的方法.首先对图像进行灰度拉伸和噪声滤出的预处理,然后利用改进的K-means聚类算法对彩色图像进行颜色分割,最后采用基于Hough变换的形状检测技术对交通标志中的特殊形状进行定位,从而实现交通标志的检测.实验结果显示,该方法在各种复杂背景条件下检测出结果的平均正确率达到93.0%,优于同条件的算法且具有较高的实时性.     

基于Hough变换的图象检测对偶点法

提出了图形边界对偶点的概念,证明了对对称图形对偶点的存在性及其关于平移、缩放和旋转组合变换的不变性;结合Hough变换,建立了一种快速的图象检测方法,详细给出圆和椭圆检测的对偶点算法,并补充了文献[1]中公式的不足,实验结果表明,该对偶点法除保留了Hough变换法的容错性和鲁棒性外,还具有很快的计算速度,而且可以灵活地应用于解决一些较难的图象检测问题。     

一种用于圆检测的改进Hough变换方法

Hough变换在图像处理中占有重要地位,但本身具有存储空间大计算时间长的缺点。文章利用圆的几何特性,针对Hough变换的缺点进行改进,并将其应用到图像中存在多个圆的情况。实验表明,该算法能较好地减少存储空间及降低计算时间,并能良好地对图像中多个圆进行检测。     

基于 Hough 变换的多频分量的 LFM 信号的检测

LFM信号是一种典型的非平稳信号,其Wigner-Ville时频分布表现出明显的线状分布特征。 Hough变换是一种直线积分投影变换,利用Hough变换可以对WV变换的结果进行线积分,从而实现抑制噪声检测信号的目的。计算机仿真试验表明Hough变换可以在一定信噪比情况下实现多分量的LFM 信号检测,对两分量的LFM信号,可以作到0dB高斯白噪声下的准确检测。     

超声图像胎儿颅骨椭圆自动检测方法

为了对胎儿进行准确的头周测量和脑畸形诊断,需要自动准确地检测胎儿颅骨椭圆,为此提出了一种超声图像胎儿颅骨椭圆的自动检测方法.该方法首先使用K-均值算法将像素分为3类;然后取出亮物体,仅保留其中较大的连通分量;最后抽取骨架后再使用随机Hough变换(RHT)进行椭圆检测.该方法采用的预处理过程,使RHT需要考察的像素数极大地减少,从而提高了检测速度;另外,该方法还提出了一种新的RHT得分机制,由于该机制综合考虑了颅骨曲线在图像空问和参数空间的表现,从而提高了检测精度.     

基于启发式概率Hough变换的道路边缘检测方法

针对非结构化道路的边界检测实时性和鲁棒性的难点,提出了加权Canny边缘检测方法和面向加权Canny边缘图像的启发式概率Hough变换方法;并根据非结构化道路边界不规则的特点和智能车辆路径规划的实际需求,提出了道路边界的双折线模型.与传统的方法相比,不同道路环境下的道路边界检测实验证明了所提算法的有效性和实时性.     

基于中心提取的RHT在椭圆检测中的应用

充分利用椭圆的几何性质,借助椭圆的形状控制点约束和弦端点法向约束,大幅降低随机Hough变换(RHT)的无效采样和累积次数,并采用基于视觉感知聚类的模糊置信度对由同一个形变椭圆引入的多个虚假候选椭圆进行有效去除.实验结果表明:该算法与基于RHT的其他椭圆检测方法相比,具有检测速度快、精度高、抵抗椭圆的部分缺失和形变能力强等优点.     

基于TBB的Hough变换并行检测直线

Hough变换存在着运算时间长的缺点,用了并行处理这种解决海量数据计算的有效方法来减少其运行时间。该文主要研究了：利用TBB（Threading Building Blocks）这种线程构建模块在多核机上对Hough变换中可并行的部分进行并行化;实验表明这种方法对Hough变换的并行化都有很好的加速效果。