A method for detecting the buildings from high resolution aerial images is proposed. The aim is to extract the buildings from high resolution aerial images using the Hough transform and the model based perceptual grouping techniques.The edges detected from the image are the basic structures used in the building detection procedure. The method proposed in this thesis makes use of the basic image processing techniques. Noise removal and image sharpening techniques are used to enhance the input image. Then, the edges are extracted from the image using the Canny edge detection algorithm. The edges obtained are composed of discrete points. These discrete points are vectorized in order to generate straight line segments. This is performed with the use of the Hough transform and the perceptual grouping techniques. The straight line segments become the basic structures of the buildings. Finally, the straight line segments are grouped based on predefined model(s) using the model based perceptual grouping technique. The groups of straight line segments are the candidates for 2D structures that may be the buildings, the shadows or other man-made objects. The proposed method was implemented with a program written in C programming language. The approach was applied to several study areas. The results achieved are encouraging. The number of the extracted buildings increase if the orientation of the buildings are nearly the same and the Canny edge detector detects most of the building edges.If the buildings have different orientations,some of the buildings may not be extracted with the proposed method. In addition to building orientation, the building size and the parameters used in the Hough transform and the perceptual grouping stages also affect the success of the proposed method.

Made available in DSpace on 2016-06-02T19:05:15Z (GMT). No. of bitstreams: 1 DissFBT.pdf: 3028392 bytes, checksum: 34e861e6d850526cff7048ebfc3f8aed (MD5) Previous issue date: 2003-08-20 / In this work, it is presented a system for decision-making based on stereoscopic image generation and recognition of circular patterns. For stereoscopic imaging are used two low cost Web cam in canonical configuration and block correspondence, which is used to find out the correspondence between images from a scene of interest. Also, the fast Hough transform is used to recognize circular patterns, which are identified and corrected based on their diameters with depth information obtained from both stereoscopic imaging and a calibration factor. The results obtained with simulated patterns and with composed real scenes with circular patterns in varied situations of special distribution illustrate the method potentiality for decision-making in procedures, which involve circular pattern recognition. / É apresentado um sistema para auxilio a tomada de decisão baseado na geração de imagens estereoscópicas e reconhecimento de padrões circulares. Para o imagiamento estereoscópico são utilizadas duas câmeras de baixo custo do tipo Webcam em configuração canônica e correspondência por blocos é utilizada para se encontrar a correspondência entre duas imagens adquiridas de uma cena de interesse. Adicionalmente a transformada rápida de Hough é utilizada para o reconhecimento de padrões circulares, os quais são, após identificados, corrigidos em função de seus diâmetros com a informação da profundidade obtida por estereoscópica e um fator de escala dado pela calibração do método. Resultados obtidos com padrões simulados e com cenas reais compostas com padrões circulares em diversas situações de distribuição espacial ilustram a potencialidade do método para auxílio de tomada de decisão em processos que envolvem o reconhecimento de padrões circulares.

Made available in DSpace on 2016-06-02T19:05:22Z (GMT). No. of bitstreams: 1 DissGMA.pdf: 4202044 bytes, checksum: bea6c57857111bd0f8123ccd46b6a280 (MD5) Previous issue date: 2006-08-17 / This work presents a computer aided system for automated counting of colony formation units in Petri dishes. The method implemented uses digital image processing, and among them Hough transform for circular objects and Match for correlation with objects having different forms. The method was developed based on the visual Borland Builderr C++ environment, and for the image acquisition a luminance equalization system was used to allow stabilized and continuous 1,200 lux. For the validation of the method, samples containing Acidithiobacillus ferrooxidans, Escherichia Coli, and Staphylococcus aureus were analyzed. Results have shown the potentiality of the methodology, which is applied for laboratory applications that involved the quantification of bacterial colonies in a solid culture environment. / Este trabalho apresenta um sistema, assistido por computador, para a contagem automática de Unidades Formadoras de Colônias bacterianas em placas de Petri. O método implementado no sistema utiliza-se de técnicas do processamento digital de imagens, dentre elas a transformada de Hough adaptada para objetos circulares e Match por correlação para objetos de natureza diversa. O sistema computacional foi desenvolvido em ambiente visual Borland Builderr C++ e para a aquisição das imagens das amostras foi elaborado um sistema de iluminação, o qual viabilizou a equalização do nível de iluminância para 1.200 lux e melhorou a formação das imagens. Para a validação do método foram ensaiadas amostras de Acidithiobacillus ferrooxidans, Escherichia Coli e Staphylococcus aureus. Resultados mostram a potencialidade da metodologia desenvolvida para aplicações laboratoriais que envolvam a quantificação de colônias bacterianas em meios de cultivo sólido.

Detecção automática de regiões planares em nuvens de pontos é um importante passo para muitas aplicações gráficas, de processamento de imagens e de visão computacional. Enquanto a disponibilidade de digitalizadores a laser e a fotografia digital tem nos permitido capturar nuvens de pontos cada vez maiores, técnicas anteriores para detecção de planos são computacionalmente caras, sendo incapazes de alcançar desempenho em tempo real para conjunto de dados contendo dezenas de milhares de pontos, mesmo quando a detecção é feita de um modo não determinístico. Apresentamos uma abordagem determinística para detecção de planos em nuvens de pontos não estruturadas que apresenta complexidade computacional O(n log n) no número de amostras de entrada. Ela é baseada em um método eficiente de votação para a transformada de Hough. Nossa estratégia agrupa conjuntos de pontos aproximadamente coplanares e deposita votos para estes conjuntos em um acumulador esférico, utilizando núcleos Gaussianos trivariados. Uma comparação com as técnicas concorrentes mostra que nossa abordagem é consideravelmente mais rápida e escala significativamente melhor que as técnicas anteriores, sendo a primeira solução prática para detecção determinística de planos em nuvens de pontos grandes e não estruturadas. / Automatic detection of planar regions in point clouds is an important step for many graphics, image processing, and computer vision applications. While laser scanners and digital photography have allowed us to capture increasingly larger datasets, previous techniques are computationally expensive, being unable to achieve real-time performance for datasets containing tens of thousands of points, even when detection is performed in a non-deterministic way. We present a deterministic technique for plane detection in unorganized point clouds whose cost is O(n log n) in the number of input samples. It is based on an efficient Hough-transform voting scheme and works by clustering approximately co-planar points and by casting votes for these clusters on a spherical accumulator using a trivariate Gaussian kernel. A comparison with competing techniques shows that our approach is considerably faster and scales significantly better than previous ones, being the first practical solution for deterministic plane detection in large unorganized point clouds.

Orientador: Clesio Luis Tozzi / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T18:52:49Z (GMT). No. of bitstreams: 1 Tambur_GabrieldosSantos_M.pdf: 6836328 bytes, checksum: a9f9ee22e341720b36aab9a7e3566604 (MD5) Previous issue date: 2007 / Resumo: Neste trabalho foi desenvolvida uma metodologia para inspeção visual e automática de carga de grãos em vagões ferroviários que utiliza técnicas de processamento de imagens. A metodologia inclui três etapas principais: a localização do vagão na imagem utilizando a transformada de Hough, a descrição da carga usando cor e textura, e a identificação de regiões com possíveis objetos sobrepostos. A avaliação dos resultados foi feita a partir de imagens reais e simuladas. A abordagem proposta mostrou-se adequada para os objetivos especificados / Abstract: This work proposes the development of a methodology to scan visually and automatically the grain cargo in railway cars using image processing techniques. The methodology is composed by three main steps: the localization of the railway car in the image using the Hough Transform, the description of the cargo using its color and texture, and the identification of regions with possibly overlaid objects. The assessment of the results was done through real and simulated images. The proposed methodology proved to be adequate for the specified objectives / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

The purpose of this paper is to find out whether Hough transform if it is helpful to building extraction or not. This paper is written with the intention to come up with a building extraction algorithm that captures building areas in images as accurately as possible and eliminates background interference information, allowing the extracted contour area to be slightly larger than the building area itself. The core algorithm in this paper is based on the linear feature of the building edge and it removes interference information from the background. Through the test with ZuBuD database in Matlab, we can detect images successfully.  So according to this study, the Hough transform works for extracting building in 2D images.

Detecção automática de regiões planares em nuvens de pontos é um importante passo para muitas aplicações gráficas, de processamento de imagens e de visão computacional. Enquanto a disponibilidade de digitalizadores a laser e a fotografia digital tem nos permitido capturar nuvens de pontos cada vez maiores, técnicas anteriores para detecção de planos são computacionalmente caras, sendo incapazes de alcançar desempenho em tempo real para conjunto de dados contendo dezenas de milhares de pontos, mesmo quando a detecção é feita de um modo não determinístico. Apresentamos uma abordagem determinística para detecção de planos em nuvens de pontos não estruturadas que apresenta complexidade computacional O(n log n) no número de amostras de entrada. Ela é baseada em um método eficiente de votação para a transformada de Hough. Nossa estratégia agrupa conjuntos de pontos aproximadamente coplanares e deposita votos para estes conjuntos em um acumulador esférico, utilizando núcleos Gaussianos trivariados. Uma comparação com as técnicas concorrentes mostra que nossa abordagem é consideravelmente mais rápida e escala significativamente melhor que as técnicas anteriores, sendo a primeira solução prática para detecção determinística de planos em nuvens de pontos grandes e não estruturadas. / Automatic detection of planar regions in point clouds is an important step for many graphics, image processing, and computer vision applications. While laser scanners and digital photography have allowed us to capture increasingly larger datasets, previous techniques are computationally expensive, being unable to achieve real-time performance for datasets containing tens of thousands of points, even when detection is performed in a non-deterministic way. We present a deterministic technique for plane detection in unorganized point clouds whose cost is O(n log n) in the number of input samples. It is based on an efficient Hough-transform voting scheme and works by clustering approximately co-planar points and by casting votes for these clusters on a spherical accumulator using a trivariate Gaussian kernel. A comparison with competing techniques shows that our approach is considerably faster and scales significantly better than previous ones, being the first practical solution for deterministic plane detection in large unorganized point clouds.

Um novo método para avaliação do tamanho de gotas de chuva e sua distribuição é apresentado. O método é baseado no processamento de imagens com o uso da transformada de Hough circular em conjunto com as técnicas de Backmapping e análise de vizinhança. Esta metodologia trás vantagens, uma vez que viabiliza medidas diretas e de forma automática para identificação e contagem de gotas de chuva. A calibração do método foi desenvolvida utilizando padrões de gotas conhecidos. Gotas, na faixa de 1 &#956m a 85 mm de diâmetro, foram automaticamente reconhecidas e medidas com sucesso. Resultados mostram erro médio percentual não maior que 3,61%. Adicionalmente é apresentado uma comparação de resultados obtidos com um método de análise de correlação em frequência e contagem direta. Resultados mostram a potencialidade da metodologia desenvolvida para aplicações agrícolas. / A new method for evaluating raindrop size and distribution has been developed. It is based on image processing with circular Hough fast transform composed with the Backmapping and neighborhood analysis techniques. This methodology has the advantage of being a direct measurement method that automatically identifies and counts raindrops. Calibration was carried out using standard patterns with known raindrop sizes. Drops sizes ranging from 1 &#956m sizes to 85 mm in diameter has been automatically recognized and successfully measured. Results show perceptual average error not larger than 3,61%. In addition a comparison of results with the correlation analysis in the frequency domain and directed counts methods are presented. Results show the suitability of developed methodology.

This diploma thesis inspects problems with specification location of edges with higher accuracy then one pixel (subpixel accuracy). In terms of this assignment has been created program, which generates three different shapes of objects. With change of parameters in program is measuring location of gravitational center on objects with subpixel accuracy. Obtained data of gravitational center deviations are depictured in graphs.

This paper deals with traffic signs recognition. Red color area is obtained by thresholding in HSV color model. Selected radiometric deskriptors, Hough transform deskriptors and neural networs are used to classification. In conclusion has been designed complex decision algorithm.