基于改进随机Hough变换的虹膜定位算法

针对随机 Hough变换 (RHT)中随机采样造成的大量无效采样和无效积累问题 ,提出了基于连续曲线段的 RHT(CRHT)算法并应用于虹膜定位中 ,它一方面利用了边缘图像的连续特性减少无效采样的数量 ,另一方面利用了精度不高的梯度方向信息减少无效积累的问题。实验结果证明改进的 CRHT算法提高了虹膜定位速度。

基于梯度的随机Hough快速圆检测方法

针对随机Hough变换(RHT)在复杂图像中检测圆时产生随机采样的大量无效累积,提出了一种改进的RHT用于圆检测,方法利用梯度方向信息来判定是否对采样到的三点进行参数累积,从而较好地解决了无效累积问题。实验表明改进后的算法比原算法计算速度快,占用的内存小,检测性能有较大提高。

一种新的随机Hough快速圆检测算法

随机Hough变换(RHT)在复杂图像中检测圆时随机采样会造成大量无效累积，该文提出了一种改进的RHT用于圆检测，它是利用梯度方向信息来决定是否对采样到的两点进行参数累积，从而较好地解决了无效累积问题，改进后的算法比原算法计算速度快，占用的内存小得多，检测性能有较大提高。

基于随机Hough变换的快速圆检测方法

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在复杂图象中检测圆时随机采样所造成的大量无效累积，提出了一种改进的ＲＨＴ用于圆检测，它是利用精度要求不高的梯度方向信息来决定是否对采样到的三点进行参数累积，从而较好地解决了无效累积问题．改进后的算法比原算法计算速度快、占用的内存小得多，检测性能有较大提高．

利用梯度方向信息的随机Hough变换

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在处理复杂图像时随机采样造成的大量无效累积提出一种改进的用于直线检测的ＲＨＴ，较好地解决了无效累积问题，并使改进后的算法具有计算速度更快。

改进的随机Hough变换圆检测算法

针对随机Hough变换会产生大量无效累积的问题,提出了一种改进的随机Hough变换算法来检测圆,该算法利用梯度来预先判断随机采样的三个点是否在同一个圆上,从而大大减少了无效累积;另外,该算法还在圆参数的计算、阈值的确定、候选圆的确认等方面进行了改进。实验结果表明,该算法精度高,速度快,检测性能有了较大提高。

一种基于随机Hough变换圆检测的改进算法

介绍了一种基于随机Hough变换(RHT)的圆检测的改进算法。该算法利用梯度方向信息来确定采样的三点是否进行累积,然后再利用确定候选圆范围的方法来缩小所要搜索的像素点的范围。此方法较好地解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且改进后的算法使运行速度得到进一步的提高,检测性能也有较大的改善。该算法分别在加噪和不加噪的人工图像上做了实验,检测性能和处理速度方面都比传统的RHT有明显的改善和提高。

改进的随机Hough变换的头部区域检测算法

介绍了一种基于随机Hough变换(RHT)的圆检测的改进算法。该算法利用梯度方向信息来确定采样的3点是否进行累积,并在获得真实圆之后采取部分删减的策略来更新边缘点集。此方法不仅解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且有效改善了传统RHT方法中与梯度方向Hough变换(GHT)算法相比最优拟合结果丢失的情况。该方法在降噪后的图像上做了实验,最优拟合结果出现概率明显提高,检测性能有了显著的改善。