Publication

Finding Lines Under Bounded Error

1996
Journal Articles

Résumé

A new algorithm for finding straight lines in images under a bounded error model is described. The algorithm is based on a hierarchical and adaptive subdivision of the space of line parameters. It measures errors in image space and thereby guarantees that no solution satisfying the given error bounds will be lost. The algorithm can find interpretations of all the lines in the image that satisfy the constraint that each image feature supports at most one line hypothesis. It can be extended to compute efficiently the maxima of the probabilistic Hough transform and the generalized Hough transform under a variety of statistical error models.

Source officielle

https://infoscience.epfl.ch/entities/publication/d5dab7ef-6a94-4bdc-a761-4f332e8c330a

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

1996
Journal Articles

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/d5dab7ef-6a94-4bdc-a761-4f332e8c330a

À propos de ce résultat

Concepts associés (32)

Scale-invariant feature transform

[[Fichier:Matching of two images using the SIFT method.jpg|thumb|right|alt=Exemple de mise en correspondance de deux images par la méthode SIFT : des lignes vertes relient entre eux les descripteurs communs à un tableau et une photo de ce même tableau, de moindre qualité, ayant subi des transformations. |Exemple de résultat de la comparaison de deux images par la méthode SIFT (Fantasia ou Jeu de la poudre, devant la porte d’entrée de la ville de Méquinez, par Eugène Delacroix, 1832).

Image

Une image est une représentation visuelle, voire mentale, de quelque chose (objet, être vivant ou concept). Elle peut être naturelle (ombre, reflet) ou artificielle (sculpture, peinture, photographie), visuelle ou non, tangible ou conceptuelle (métaphore), elle peut entretenir un rapport de ressemblance directe avec son modèle ou au contraire y être liée par un rapport plus symbolique. Pour la sémiologie ou sémiotique, qui a développé tout un secteur de sémiotique visuelle, l'image est conçue comme produite par un langage spécifique.

Retouche numérique

Image editing encompasses the processes of altering s, whether they are digital photographs, traditional photo-chemical photographs, or illustrations. Traditional analog image editing is known as photo retouching, using tools such as an airbrush to modify photographs or editing illustrations with any traditional art medium. Graphic software programs, which can be broadly grouped into vector graphics editors, raster graphics editors, and 3D modelers, are the primary tools with which a user may manipulate, enhance, and transform images.

Afficher plus

Publications associées (32)

Afficher plus

Finding Lines Under Bounded Error

Chattez avec Graph Search

Achieving Ultra-High Acceleration Rates in 7T MRI Using Combined Controlled Aliasing in Parallel Imaging and Compressed Sensing with Deep-Learning–Based Image Reconstruction

Time-Space Trade-Offs for Sumcheck

Monte Carlo Diffusion for Generalizable Learning-Based RANSAC