发布时间 : 星期六 文章外文文献参考 使用特征值、光栅扫描算法和Hough变换相结合的方法提取线性特征更新完毕开始阅读
内蒙古工业大学毕业设计外文翻译
从上面的讨论中，显然，HT参数空间分析，边缘图像和对象的几何性质的统计分析三parametersused检测图像中的几何图元。在我们的方法中，我们使用的所有三个参数的特征。在找出相应的原始Hough峰，在Hough空间数字化可以使用Bresenham光栅扫描线算法，这给兴趣点的准确位置。小特征值分析是用来寻找的对象识别的识别定位的作用，去除噪声和特征提取。
2、提出的方法
所提出的检测方法如几何图元图像中的直线组成的六个步骤。
步骤1：对于给定的灰度图像，使用合适的边缘检测算子得到的边缘图像。 步骤2：获取HT的边缘图像利用稀疏矩阵提供了优势矩阵的存储和计算时间。 步骤3：找到有意义的组不同的Hough峰使用下列步骤：
1）找到包含最高值的蓄电池并记录其位置。
2）设置为零的最大附近发现的蓄电池。选择窗口的大小，根据所需要的精度。 3）重复上述步骤，直到所需的峰被发现
步骤4：一旦候选人峰及其位置的确定，将Hough空间相对于一个特定的原始使用Bresenham算法。
步骤5：构建从相应的原始4步骤得到的非零像素的全矩阵。这给了它真正的几何图元和其他元素具有相同的坡度和方向的子图像。
步骤6：为子图像中找到的协方差矩阵进行特征值分析，以检测实际几何特征。
3、直线检测
在线检测问题是一个建立的边缘点沿直线有意义的组。来检测边缘点，满足线性约束的经典方法是HT [ 1 ]。HT可以被称为一个全球的检测方法，因为它对纯粹的特征点的共线性。HT试图找出线共线的基础上能遇到的真实世界的图像的问题。这是因为边缘检测是一个当地的测量过程，因此，给定一个离散，有限分辨率图像边缘特性的实际测量可以是相当不准确的。如果当地的信息是不准确的，全球分组约束必须相对薄弱，因此意外组织大量出现在复杂的现实世界的图像和噪声图像。为了消除这些分组分布在HT峰用蝴蝶[ 10 ]模式进行了分析，引入一个随机抽样机制和收敛映射机制为传统的HT方法（RHT）[ 3 ]，开发中需要不同数量的支撑点检测线路可靠票的分数的差异（PPHT）[ 5 ]和一个分层的方法来检测不同长度的线段[ 8 ]。
用来构造协方差矩阵，点的数量会影响到给定的边界特征值。确定支持区域在每个边界点基于这一点的局部性质的有效途径。为每个边界点的协方差矩阵的计算支持
9
内蒙古工业大学毕业设计外文翻译
区域也可以自适应地选择。从table-i我们观察到小的本征值Xs与不同的倾斜角度和方向不同的线的长度段几乎是零。在我们的方法中找到后的Hough变换的边缘图像的Hough峰可采用邻域抑制技术进行一步确定（3）2节。如果所需的线的长度是已知蓄电池的票数，可以很容易地找到霍峰的局部极大值发现。对于未知的线的阈值可以变化直到得到正确的得到了线。
4、实验结果
本节给出的实验结果通过使用合成和真实世界的图像与加性高斯噪声和脉冲噪声。使用合成图像的地面真理是已知的，我们给一些定量估计得到的精度。在实际的图像定义什么应该和不应该被检测为一个几何图元是主观的或依赖于应用程序。在绩效评估中的输出的正确性可以是点的数量的不匹配的比误差检测的因素（假阳性、假阴性）点。
图的L（A）节目典型合成图像以及不同对象的形状。在测试与噪声脉冲噪声以及噪声的能力添加剂和高斯噪声密度0.05 M = 0均值和方差与V = 0.01由图1（b）展现。hough变换和Hough峰试验由图1（c）展现。
图1.（a）原始图像 图1.（b）噪声影响
10
内蒙古工业大学毕业设计外文翻译
图1.（c）Hough变换峰值
5、性能比较
在绩效评价结果正确的可测量的误差率，这是真正的原语的寄生数比和不匹配的原语。table-2显示获得不同的HT变种和我们的方法的误差因素。这是显而易见的，我们的方法确定正确的线性特征。因此，误差因子为1.0142，低于其他HT为基础的方法。图示显示在Figure-4。我们的方法的计算时间是约等于CHT但线性点识别的精度是比较好的相比其他的Hough变换方法。在绩效评价结果正确的可测量的误差率，这是真正的原语的寄生数比和不匹配的原语。table-2显示获得不同的HT变种和我们的方法的误差因素。这是显而易见的，我们的方法确定正确的线性特征。因此，误差因子为1.0142，低于其他HT为基础的方法。图示显示在Figure-4。我们的方法的计算时间是约等于CHT但线性点识别的精度是比较好的相比其他的Hough变换方法。
11
内蒙古工业大学毕业设计外文翻译
图4 不同的HT误差因素和方法
图5 以秒计算时间
6、结束语
在本文中，我们讨论了一个有效的和精确的几何体，如在现实世界中的图像的识别方法。绩效评估是通过比较不同的HT方法与统计参数，使用小的本征值和布氏光栅扫描算法。基于HT算法需要更多的内存和计算时间，会考虑是不是所需的几何体，但具有相同的斜率和定位部分的要素。但鲁等人[ 9 ]解决了这个问题，通过使用小的特征值的方法。这种方法的局限性，该技术已被应用于整个图像定义适当的窗口大小和阈值。伊林沃思等人[ 8 ]利用分层的方法治疗最短线段，解决这个问题是长的线段的部分。在我们的方法，我们解决了所有的限制，采用小特征值的方法得到的图像的Hough变换。因此，通过选择所需的兴趣Hough峰是用来确定线段。这减少了内存需求和计算量，提高辨识精度的线。
12