面向旋翼无人机的高压输电线在线检测方法

面向旋翼无人机电力巡线的高压输电线在线检测对算法实时性、鲁棒性要求高的问题,提出了一种基于边界搜索和Radon变换(BSRT)的高压输电线识别算法.分析了高压输电线在图像中的边界贯穿特征,提出了以图像四条边界作为起始点的搜索策略,给出了边界约束下的直线特征Radon变换能量函数和求解方法.复杂度分析结果表明本算法与经典的Radon算法相比,复杂度降低了一个数量级.以人工合成图像和无人机实际航拍图像,对本算法、Radon算法和LSD算法在实时性和有效性方面进行了实验对比分析,实验结果表明,本算法的处理速度较Radon算法有很大的提高,与LSD算法的处理速度基本处于同一量级,但本算法的高压输电线检测精度大幅优于传统的Radon和LSD算法.理论分析及实验结果证明,提出的BSRT方法有效地解决了经典Radon算法的高复杂度和LSD算法的复杂背景高敏感性的问题,具有较好的应用价值.     

基于Radon变换的抗旋转攻击零水印算法

针对大多数基于变换域的零水印算法无法抵抗几何攻击（RST变换）的缺陷,提出一种基于Radon变换的抗旋转攻击零水印算法。通过Radon变换检测算法对发生旋转几何攻击后的图像进行几何校正并提取水印。仿真实验结果证明,该算法可以获得良好的图像视觉效果,对旋转几何攻击及加噪、滤波、JPEG压缩、剪切攻击有较好的鲁棒性。     

Hough变换在表面污渍检测中的应用

针对具体芯片图像的形状特征,提出了基于改进Hough变换的几何配准算法.该算法利用边缘点的梯度方向信息,以及通过圆上任意一点并沿着该点法线方向的直线必定经过该圆的圆心这一几何性质,将三维Hough变换空间简化为二维空间,较好地解决了传统广义Hough变换运算时间长、存储空间大的问题.实验表明,可以有效地对两幅图像进行配准,从而检测出芯片表面的污渍.     

基于Radon变换和多级离散余弦变换的鲁棒性水印算法

将contourlet变换和多级离散小波变换的 "多级" 概念引入到离散余弦变换中,并针对当前传统的离散余弦变换域水印算法不能有效旋转几何攻效抵抗击行进了特性的分析和改进.在此基础上提出了一种基于Radon变换和多级离散余弦变换的鲁棒性水印算法,该算法首先从多级离散余弦变换系数中选择适当的位置嵌入水印信息;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息.实验结果表明本文算法的鲁棒性优于常规基于离散余弦变换的数字水印算法,并且它的实时性不受多级变换的影响.     

行差列差投影变换及其在直线特征识别中的应用

本文首先介绍了行差列差投影变换及其反变换，然后与Hough变换和Radon变换作对比，分析了它们各自的优缺点，并得出了在直线特征识别中行差列差投影变换优于Hough变换和Radon变换的结论，最后给出了用行差投影变换算法识别直线特征的一般流程。     

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SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

基于Radon变换的噪声图象内规则形状目标的识别

本文利用Radon变换具有较强的线形检测特性．将其应用于对噪声图象内由直线构成的规则几何形状的目标进行识别。实验证明该方法简单有效且具有较强的稳健性。     

基于beamlet变换的图像线性特征提取

Radon变换常用于图像直线特征的提取,但是在检测线段时,Radon变换无法提供线段的端点以及长度信息,在提取被噪声严重污染的图像中的线性特征时存在巨大困难。beamlet是一个多尺度的在一定范围内的位置、方向和尺度下二进组织的线段库,具有分级、多尺度的特性。beamlet变换是近年来蓬勃发展的多尺度几何分析理沦的一种,特别适合于提取图像中的线性特征。该文描述了一个多尺度图像分析的框架,其中线段起到的作用类似点在小波中起的作用。论文研究了beamlet变换的实现方法,并将beamlet变换应用于被噪声严重污染的图像中线性特征的提取。实验证明该方法具有很好的效果。     

一种基于Radon变换的图像水印算法

介绍一种基于几何不变域的图像水印算法.在对原始图像进行Radon变换后,再对Radon变换域中的值进行二维DFT变换,得到的量具有抗尺度变换攻击和旋转攻击的特性,即得到一种几何不变域.最后,按照一定的方法在此不变域中嵌入的水印.实验结果表明,该算法不仅能够抵抗尺度变换攻击和旋转攻击,而且对高斯噪声攻击也有鲁棒性.     

基于Radon变换特征提取的步态识别

提出了一种基于Radon变换特征提取的步态识别算法.该算法根据步态轮廓图下肢的宽度信息确定步态运动准周期性,对二进制准周期步态轮廓序列进行Radon变换构造特征向量模板.对特征向量进行主成分分析,并采用k-近邻法进行步态特征分类.在CASIA步态数据库上和CAS识别算法进行了详细的比较,实验结果表明,该算法在性能上有较大程度的提高,是一种有效的步态识别方法.     

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征，它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换，但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法，该方法以finite ridgelet理论为基础，结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性，能够获得连续空间函数的稀疏表达，同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明，本方法即使在背景复杂的环境下也具有良好的检测效果。     

Correspondence-free Structure from Motion

We present a novel approach for the estimation of 3D-motion directly from two images using the Radon transform. The feasibility of any camera motion is computed by integrating over all feature pairs that satisfy the epipolar constraint. This integration is equivalent to taking the inner product of a similarity function on feature pairs with a Dirac function embedding the epipolar constraint. The maxima in this five dimensional motion space will correspond to compatible rigid motions. The main novelty is in the realization that the Radon transform is a filtering operator: If we assume that the similarity and Dirac functions are defined on spheres and the epipolar constraint is a group action of rotations on spheres, then the Radon transform is a correlation integral. We propose a new algorithm to compute this integral from the spherical Fourier transform of the similarity and Dirac functions. Generating the similarity function now becomes a preprocessing step which reduces the complexity of the Radon computation by a factor equal to the number of feature pairs processed. The strength of the algorithm is in avoiding a commitment to correspondences, thus being robust to erroneous feature detection, outliers, and multiple motions. The authors are grateful for support through the following grants: NSF-IIS-0083209, NSF-IIS-0121293, NSF-EIA-0324977, NSF-CNS-0423891, NSF-IIS-0431070, and ARO/MURI DAAD19-02-1-0383. The author is grateful for the generous support of the ARO MURI program (DAAD-19-02-1-0383) while at U. C. Berkeley.     

The generalized Radon transform: Sampling, accuracy and memory considerations

The generalized Radon (or Hough) transform is a well-known tool for detecting parameterized shapes in an image. The Radon transform is a mapping between the image space and a parameter space. The coordinates of a point in the latter correspond to the parameters of a shape in the image. The amplitude at that point corresponds to the amount of evidence for that shape. In this paper we discuss three important aspects of the Radon transform. The first aspect is discretization. Using concepts from sampling theory we derive a set of sampling criteria for the generalized Radon transform. The second aspect is accuracy. For the specific case of the Radon transform for spheres, we examine how well the location of the maxima matches the true parameters. We derive a correction term to reduce the bias in the estimated radii. The third aspect concerns a projection-based algorithm to reduce memory requirements.     

Text-independent speaker identification using Radon and discrete cosine transforms based features from speech spectrogram

This paper presents a new feature extraction technique for speaker recognition using Radon transform (RT) and discrete cosine transform (DCT). The spectrogram is compact, efficient in representation and carries information about acoustic features in the form of pattern. In the proposed method, speaker specific features have been extracted by applying image processing techniques to the pattern available in the spectrogram. Radon transform has been used to derive the effective acoustic features from the speech spectrogram. Radon transform adds up the pixel values in the given image along a straight line in a particular direction and at a specific displacement. The proposed technique computes Radon projections for seven orientations and captures the acoustic characteristics of the spectrogram. DCT applied on Radon projections yields low dimensional feature vector. The technique is computationally efficient, text-independent, robust to session variations and insensitive to additive noise. The performance of the proposed algorithm has been evaluated using the Texas Instruments and Massachusetts Institute of Technology (TIMIT) and our own created Shri Guru Gobind Singhji (SGGS) databases. The recognition rate of the proposed algorithm on TIMIT database (consisting of 630 speakers) is 96.69% and for SGGS database (consisting of 151 speakers) is 98.41%. These results highlight the superiority of the proposed method over some of the existing algorithms.     

一种新的抗几何攻击的图像认证算法

提高图像抗几何攻击的能力是当前图像认证算法待解决的重点之一。提出了一种抗几何攻击的图像认证算法,该算法利用图像边界的Radon投影变换来实现图像几何失真的矫正,根据感知hash方法提取图像的特征点,并通过修正Hausdorff距离来实现对图像的认证。实验表明,该算法可以抵抗一定程度的JPEG压缩、叠加噪声等图像处理,也能抵抗旋转、缩放等几何变换,并且对于恶意篡改具有较好的敏感性。     

基于Radon变换的颅骨多分辨率身份识别

颅骨以其生理位置的隐蔽性和解剖结构的相对稳定性,近来被提出作为一种特殊的生物特征并加以识别研究。准确、高效的识别是人们追求的主要目标。基于此,首先对活体颅骨的X线照片进行二值化处理,再使用Radon变换将二维的图像转换为一维信号,最后对一维信号进行小波多分辨率分析。同时为进一步提高识别效率,提出半分处理和方向特征组方法,实现了在多尺度下准确、快速实时的身份识别。试验结果表明该方法是有效可行并适合于非活体颅骨身份鉴定和识别。     

基于颜色空间分布特征的图像检索

目前,基于颜色特征的图像检索大多是以图像的颜色直方图作为颜色特征,这种图像检索方法有简单高效的优点,但丢失了颜色的空间分布信息,该文从CT图像重建的理论中得到启发,将对一幅图像从几个方向的投影图作为这幅图像的颜色特征分布。为进一步减少检索时运算的数据量,对图像做小波分解,然后对分解后图像的低频子带做Radon变换得到颜色空间分布的特征向量,并根据这个特征进行检索,实验表明,当检索图像中有明显的颜色目标时,该方法比传统的颜色直方图法更精确,颜色空间性更强,而且检索用时更短。     

基于Radon变换的图象矩特征抽取及其在图象识别中的应用

介绍了图象的Radon变换以Radon变换下图象矩的计算方法;利用Radon变换的抗干扰特性,提出一种图象矩特征的抽象方法,以得到图旬在Radon变换下的矩特征矩阵,进而提出了一种利用该矩阵的奇异值进行图象识别的方法。