3C-FBI：一种用于模糊图像圆拟合的组合卷积方法
计算机视觉与模式识别
2025-07-17 v1
摘要
本文解决了鲁棒圆检测与模糊成像条件下圆拟合的基本计算机视觉挑战。我们提出了基于组合卷积的圆拟合方法，用于模糊图像（3C-FBI），该方法通过结合 (1) 高效的组合边缘像素（edgel）抽样和 (2) 参数空间中的卷积密度估计，弥合了圆检测与精确参数拟合之间的鸿沟。我们在三个实验框架中评估了 3C-FBI：(1) 来自帕金森病诊断的真实世界医学数据（36 段视频的 144 帧），(2) 遵循已知圆拟合基准的受控人工合成数据，以及 (3) 在不同空间分辨率和异常值污染水平下的系统性分析。结果表明，3C-FBI 实现了最先进的精度（Jaccard 指数 0.896），同时保持实时性能（40.3 fps），在标准 CPU（i7-10875H）上显著优于 RCD（6.8 fps）。在高分辨率（480x480）下保持近乎完美的精度（Jaccard 接近 1.0），在 160x160 分辨率且含 20% 异常值时仍能保持可靠性能（Jaccard 高于 0.95）。在大规模人工合成测试中，3C-FBI 在各种污染水平下实现平均 Jaccard 指数 0.989，与现代方法相当（Qi 等 2024，0.991），并优于 RHT（0.964）。这种精度、速度和鲁棒性的组合使 3C-FBI 适用于医学成像、机器人和工业检测等在恶劣条件下的应用。
引用
@article{arxiv.2507.11476,
title = {3C-FBI: A Combinatorial method using Convolutions for Circle Fitting in Blurry Images},
author = {Esteban Román Catafau and Torbjörn E. M. Nordling},
journal= {arXiv preprint arXiv:2507.11476},
year = {2025}
}
备注
22 pages, 16 figures