The Hough transform estimator
霍夫变换估计量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究计算机视觉中的几何估计与稳健统计，未明确对应所列计量领域细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
霍夫变换估计量
- 研究问题
- 用于噪声图像直线检测的霍夫变换具有怎样的一致性、收敛速度与稳健性，又如何用于识别同一组平面点中的多条直线？
- 方法与思路
- 作者对最佳拟合直线的霍夫变换估计量开展渐近分析，以崩溃点衡量稳健性，并用超额质量泛函与模态检验研究多直线检测。
- 材料陈述的贡献
- 摘要称建立强一致性、收敛速率和极限分布；相较某些标准回归方法，其收敛较慢，但以崩溃点衡量的稳健性更强。
- 阅读关注点
- 应核对直线拟合目标、噪声与数据分布假设、崩溃点的比较基准，以及多直线检测中的检验构造和数值例子的适用范围。
- 阅读边界
- 所给材料为版本未注明的索引摘要；具体速率、极限分布和比较条件未说明，稳健性结论不能扩展为总体性能更优。
原文摘要
This article pursues a statistical study of the Hough transform, the celebrated computer vision algorithm used to detect the presence of lines in a noisy image. We first study asymptotic properties of the Hough transform estimator, whose objective is to find the line that “best” fits a set of planar points. In particular, we establish strong consistency and rates of convergence, and characterize the limiting distribution of the Hough transform estimator. While the convergence rates are seen to be slower than those found in some standard regression methods, the Hough transform estimator is shown to be more robust as measured by its breakdown point. We next study the Hough transform in the context of the problem of detecting multiple lines. This is addressed via the framework of excess mass functionals and modality testing. Throughout, several numerical examples help illustrate various properties of the estimator. Relations between the Hough transform and more mainstream statistical paradigms and methods are discussed as well.