一种基于Hough变换的圆和矩形的快速检测方法

Hough变换是数字图像处理和机器视觉领域的经典算法,主要用于直线或线段的检测。虽然某些广义Hough变换能够用于检测复杂的2维图形,但其通常都具有存储空间大、计算时间长、可靠性差等不足,而且对于需要使用导数或梯度信息的算法而言,往往对图像中的噪声比较敏感、鲁棒性差。为了对平面规则图形进行快速准确检测,在传统的直线Hough变换的基础上,结合平面规则图形的几何特征,提出了一种检测平面矩形和圆的快速通用方法。该算法首先对图像进行滤波处理,并用Canny算子做边缘检测,先得到闭合的轮廓曲线,再利用形状角Dα对轮廓曲线进行粗分类;然后分门别类进行细致、准确的图形识别。该检测方法,由于只需要进行简单的1维和2维（直线）投票,而且完全不需要任何导数信息,从而大大提高了圆检测的速度和鲁棒性。实验表明,该检测方法适用于各种常见平面规则图形的检测和识别,并且检测速度快、精度高。     

自由曲线曲面的任意次非均匀细分

提出一种有效的建模自由曲线曲面的非均匀细分算法。首先在节点插入技术基础上推导出任意次自由曲线的非均匀细分规则,然后把它推广到张量积曲面得到任意次自由曲面的非均匀细分规则,最后对奇异点附近曲面采用类Doo-Sabin和Catmull-Clark的细分规则,从而使该算法可以实现建模任意次具有任意拓扑基网格的非均匀细分曲面。此外,该方法也实现了对传统细分格式的统一,例如,当次数为2并采用均匀节点矢量便转化为Doo-Sabin细分,当次数为3并采用均匀节点矢量便转化为Catmull-Clark细分。