[論文レビュー] A Survey on Hough Transform, Theory, Techniques and Applications

Allam S. Hassanein, Sherien Mohammad+2 more|arXiv (Cornell University)|Feb 7, 2015

Image and Object Detection Techniques参考文献 125被引用数 126

ひとこと要約

本サーベイは、Hough変換（HT）の理論的基盤、直線や円のHough変換などの主要な変種、およびコンピュータビジョン分野における応用を網羅的に概説する。計算と記憶の課題に対処し、グレースケールおよびカラー画像への技術的アプローチを検討し、従来の応用と新興分野を分類することで、HTのノイズ耐性と柔軟性が今後の研究における主な強みであることが強調される。

ABSTRACT

For more than half a century, the Hough transform is ever-expanding for new frontiers. Thousands of research papers and numerous applications have evolved over the decades. Carrying out an all-inclusive survey is hardly possible and enormously space-demanding. What we care about here is emphasizing some of the most crucial milestones of the transform. We describe its variations elaborating on the basic ones such as the line and circle Hough transforms. The high demand for storage and computation time is clarified with different solution approaches. Since most uses of the transform take place on binary images, we have been concerned with the work done directly on gray or color images. The myriad applications of the standard transform and its variations have been classified highlighting the up-to-date and the unconventional ones. Due to its merits such as noise-immunity and expandability, the transform has an excellent history, and a bright future as well.

研究の動機と目的

• Hough変換の進化とコンピュータビジョン分野における応用を体系的かつ最新の視点からレビューすること。
• 従来および変種Hough変換手法に関連する計算および記憶の課題を分析すること。
• 二値化処理を経由しないまま、グレースケールおよびカラー画像に直接Hough変換を適用するための研究進展を検討すること。
• 従来の応用と非伝統的な応用を分類し、それぞれの特徴を強調すること。
• 変換のノイズ耐性と、ビジョンシステムにおける今後の拡張可能性を強調すること。

提案手法

• 本論文は、過去60年間の代表的および最近の研究を焦点として、Hough変換の文献を体系的にサーベイする。
• 特に幾何的形状検出に用いられるパラメータ空間変換の数学的基盤を詳細に説明する。
• 標準的な直線Hough変換および円Hough変換などのコアな変種を分析し、それらのパラメータ化と検出メカニズムを解説する。
• メモリ使用量と計算時間を削減する最適化技術、例えば確率的およびランダム化Hough変換のアプローチを評価する。
• グレースケールおよびカラー画像への直接応用の分析を含み、前処理および特徴抽出戦略を議論する。
• 応用は分野別に分類され、医療画像、自動運転車両、物体検出の分野を含み、実世界の実装に重点を置く。

実験結果

リサーチクエスチョン

• RQ1 Hough変換の背後にある基本的な理論的原則は何か？ そして、それらは形状検出をどのように可能にするか？
• RQ2 直線検出や円検出といった異なるHough変換の変種は、実装および性能においてどのように異なるか？
• RQ3 Hough変換の応用における主な計算およびメモリのボトルネックは何か？ それらを緩和する技術は何か？
• RQ4 Hough変換は、二値画像ではなくグレースケールやカラー画像にどのように応用されたか？
• RQ5 現代のコンピュータビジョンシステムにおけるHough変換の最も顕著で革新的な応用は何か？

主な発見

• 部分的または断片的なデータがある状況下でも形状を検出できる能力と、強いノイズ耐性により、Hough変換はコンピュータビジョン分野における基盤的技術のままである。
• 標準的な直線Hough変換および円Hough変換は広く用いられており、確率的Hough変換などの変種は計算負荷を顕著に低減している。
• グレースケールおよびカラー画像への直接応用に向けた取り組みにより、二値エッジマップに限定されない応用が可能になり、複雑なシーンにおける耐性が向上した。
• Hough変換は、医療画像、ロボット工学、自律走行ナビゲーションの分野で多様な応用を示しており、分野横断的な適応性を証明している。
• 記憶容量と処理時間の課題が存在するが、アルゴリズムの最適化により、リアルタイムおよび埋め込みシステムへのスケーラビリティが達成された。
• 本サーベイは、Hough変換の持続的かつ重要な関連性と、ビジョンベースのシステムにおける今後のイノベーションの可能性を確認した。