基于改进Canny算法和Hough变换的脉冲氩弧焊坡口边缘提取研究

针对脉冲氩弧焊中被动光传感采集的图像存在光亮变换快,目标像素少,难以提取出坡口的问题,提出一种基于改进阈值选择和双阈值检测的Canny算法。通过中值滤波和双边滤波代替传统Canny算法中的高斯滤波对图像进行滤波,引入背景像素与前景像素的数量比改进Otsu算法的最大方差,计算得到了靠近坡口的梯度值的阈值,依据改进后的双阈值检测获得完整的坡口边缘信息,对边缘信息进行Hough变换提取出清晰的坡口边缘。实验结果表明,和传统Canny算法相比,改进后的Canny算法提取坡口成功率提高,获得的坡口边缘信息也更加完整。

基于Hough变换的监视数据航迹关联算法研究

当前监视数据航迹关联算法在进行重叠宽度计算时,多以独立形式测定核算,效率较低,导致最终得出的平均偏差增大,为此提出对基于Hough变换的监视数据航迹关联算法的研究,根据当前计算需求,先进行航迹覆盖区域划分,采用多目标的方式,提升整体的计算效率,多目标形式计算出重叠关联宽度,以此为基础,构建Hough变换监视数据航迹关联测算模型,采用边缘航迹辅助修正实现测算。测试结果表明:针对选定的6个测试区域,经过连个周期的测定,最终在Hough变换的辅助下,所设计的监视数据航迹关联算法得出的航迹关联测算的平均偏差控制在1.2以下,说明此次所设计的监视数据航迹关联算法更为高效,针对性较强,具有实际的应用价值。

一种基于Hough变换直线检测的城区影像SGM改进算法

在众多双目影像密集匹配算法中,半全局匹配(Semi-Global Matching,SGM)算法相比局部匹配算法和全局匹配算法在精度和效率方面具有较高优势。相较于一般影像,城市场景影像往往存在大量人造建筑物。针对城市区域立体影像的这一特点,本文提出一种基于Hough变换直线检测的城区影像SGM改进算法,将Hough变换获得的直线信息融入SGM的匹配框架,提高密集匹配算法的精确度和准确度。

Lane Recognition Algorithm Using the Hough Transform Based on Complicated Conditions

At present, most lane line detection methods are aimed at simple road surface. There is still no good solution for the situation that the lane line contains arrow, text and other signs. The edge left by markers such as arrow and text will interfere with the detection of lane lines. In view of the situation of arrow mark and text mark interference between lane lines, the paper proposes a new processing algorithm. The algorithm consists of four parts, Gaussian blur, image graying processing, DLD-threshold (Dark-Light-Dark-threshold) algorithm, correlation filter edge extraction and Hough transform. Among them, the DLD-threshold algorithm and related filters are mainly used to remove the identification interference between lane lines. The test results on the Caltech Lanes dataset are given at the end of the article. The result of verification of this algorithm showed a max recognition rate of 97.2%.

基于Hough-Harris的消音壁顶点检测

在消音壁领域中,消音壁的顶点检测是后续对消音壁毁伤评估、三维重建等任务的关键,检测出的顶点准确率直接影响后续任务的精确度。为提高检测出消音壁顶点的准确率,提出一种基于Hough-Harris的消音壁顶点检测算法。首先,使用Hough算法检测出的角点作为基点;然后,利用Harris检测出消音壁边框上的角点,选取以基点步长为10个像素的领域内角点作为样本点;最后,建立回归模型,利用高斯提出的最小二乘法求出最小误差,预测出消音壁顶点坐标。实验结果表明,本文算法预测顶点坐标与真实顶点坐标偏差量都小于Hough算法和Harris算法检测出的角点,IoU评估指标高达98%以上,高于Hough算法和Harris算法的IoU指标。

基于Canny Hough算法的锅具轮廓缺陷检测

针对Hough变换算法对不锈钢锅具轮廓的缺陷检测存在耗时高、检测效率低的问题,提出通过将改进的Canny算法与Hough变换算法相结合,得到一种耗时短、检测精度高的新型Canny Hough边缘检测算法。首先,通过改进的Canny算法对不锈钢锅具图像进行边缘检测;其次,通过轮廓层级特征函数去筛选边缘检测图像中所需轮廓边缘;最后,采用Hough变换圆检测对内、外轮廓图像进行识别,并拟合出内、外轮廓的圆心和半径。实验结果表明,与传统的Hough算法相比,Canny Hough边缘检测算法能更有效地检测出不锈钢锅具锅沿轮廓缺陷,准确率能够达到91.4%,且运算时间减少了53.6%。

一种改进的概率霍夫直线检测算法

针对概率霍夫直线检测算法检测速率不高、检测精度易受其他特征和连续间断线干扰的缺点,提出了一种改进的概率霍夫直线检测算法。改进后的算法将注意力集中在直线可能存在的若干个区间,提升了检测速率与精度,在直线检测全过程监控并剔除连续间断线,提升了算法的抗干扰能力。经过100组铝锭边缘线检测的实验验证,改进后算法相较原算法平均检测速率提升至1.77倍,查准率提升至1.45倍,且改进后算法在其他图片上的检测速率和检测效果相较原算法也有明显提升。

一种新的用于检测直线的快速Hough变换

在分析现有常用的改进Hough变换算法思想的基础上,设计了一种新的用于直线检测的快速Hough变换,通过与现有改进Hough变换算法的比较实验,新设计算法具有更好的实时性。

一种基于中点画圆算法的改进Hough变换检测圆方法

为了对机械零件图像中的圆形几何特征进行视觉检测,将中点画圆算法与Hough变换相结合,提出一种基于中点画圆算法的Hough变换检测圆的新方法,并对中点画圆算法中的浮点运算等方面进行了改进。给出了该新方法的具体实施步骤和检测结果,表明了该方法的可行性。最后,通过对比实验验证了该方法的有效性。

基于随机Hough变换的复杂条件下圆检测与数目辨识

在复杂背景和光照条件中检测不规则分布的圆,并且准确辨识其数目,可为一些专用的智能仪器提供理论依据,有着广泛的工业应用价值。针对需要检测的圆数量大、光照不均匀、光照强度变化、分布不规则、相互间有遮挡及边界模糊和灰度接近等复杂条件,在随机Hough变换的基础上进行改进,利用圆的特性和梯度算法对圆进行判定,可以在复杂条件下对圆进行准确的检测判定和数目辨识。通过对钢管储存现场图像检测的计算与分析,证明此算法在较高的干扰下可以准确地对钢管进行定位和数目辨识,对于相互遮挡的钢管也可以准确识别。相对于目前通用的圆检测算法,本算法可以达到更好的识别效果,完全满足工业实际应用的要求。

基于采样约束的随机Hough变换圆检测算法

为减少图像中的圆检测时间并提高圆检测精度,提出一种随机Hough变换圆检测算法。以随机采样的一点作为圆直径的一个端点,用约束候选圆直径范围的方法确定候选圆,再将候选圆n等分,对每个方向进行证据积累以判断是否为真圆,通过聚类算法剔除错误样本点,对真圆进行最小二乘拟合以得到更准确的圆参数,解决由于随机采样三点而造成的大量无效采样累积问题。实验结果表明,与RHT算法、ARHT算法和BRHT算法相比,该算法的检测速度更快、检测精度更高。

基于改进Hough算法的高光谱数据直线检测方法研究

为改进用于高光谱数据直线检测的传统Hough算法的计算量大、性能较低等不足,对一种基于改进Hough算法的检测方法进行了研究。用能反映地物信息体量的峰值信噪比选择波段,选出10个波段图像,既减少了输入波段数,又确保后续识别能考虑所有波段的光谱信息。对光谱相似性测度进行了改进,采用光谱信息散度与光谱角制图法混合度量(SID-SAM)检测图像边缘轮廓,获得特征点。再仿照传统Hough算法进行直线检测以得到结果。给出了算法的处理步骤,算法适于二维图像和高光谱图像的处理。实验检测结果表明:对二维图像,改进Hough算法识别出的直线数量远多于传统Hough变换,且提取的直线精度和完整性均有较大改善;对高光谱图像,与二维Hough算法相比,改进Hough算法所获结果的置信率高、准确性好,不仅可提高提取直线的完整性,而且能检测到前者无法检测到的部分。

基于阈值识别的温室黄瓜整体自动落蔓装置研究

针对长季节黄瓜作物人工落蔓强度大、成本高和效率低等问题,设计一种基于冠层高度阈值识别的温室黄瓜整体自动落蔓装置。为保证黄瓜冠层特征提取的正确率,对8:00、12:00和18:00实时采集的黄瓜冠层图像进行预处理,基于Otsu算法获得平滑黄瓜冠层二值图像。采用霍夫变换算法识别黄瓜冠层顶端绳束,并利用统计学方法归纳出感兴趣区域中HSV色彩空间绿色部分各分量取值范围,研究感兴趣区域中绿色像素点占总像素点的比值变化规律。为防止黄瓜卷须缠绕秧蔓冠层顶端水平绳束,以黄瓜植株高度184~185 cm为落蔓控制目标,确定感兴趣区域绿色像素占比的平均值0.162~0.182为整体落蔓装置的落蔓阈值范围。结果表明,植株高度184~185 cm和高于185 cm落蔓次数占总试验次数比例分别为90%和10%。高于185 cm落蔓组中,最高植株距离顶端绳束(195 cm)的距离为9.2 cm,无黄瓜卷须缠绕黄瓜秧蔓冠层顶端水平绳束现象,采用感兴趣区域绿色像素点占比确定黄瓜落蔓阈值方法,能够满足黄瓜生产实际要求。

一种图像识别技术下的果实成熟度应用研究

以自然环境下的红提葡萄果穗为研究对象,利用图像识别技术对其果穗成熟度进行研究分析。首先,采用Faster R-CNN卷积神经网络模型识别红提葡萄图像中的果穗,再利用KNN算法分割红提葡萄图像中的果穗和背景,并借助圆形Hough变换法检测出果穗图像中的红提葡萄果粒;最后,结合HSV空间中的H值将果粒成熟度划分为4个等级,并计算各个等级的果粒数量占果穗总果粒数量的比重,以此判断该果穗整体的成熟度,从而确定其是否能够满足采摘的要求。实验结果表明:该方法判断果穗成熟度的准确率能达到90%,满足红提葡萄果穗成熟度判断的需求,可辅助精准采摘作业。

一种用Hough变换检测圆的快速算法

为了克服传统Hough变换检测圆时耗时巨大的缺陷,给出了一种新的基于Hough变换检测圆的快速算法。新算法与传统的方法相比具有以下特点:计算量少,提高了检测的速度;保留了传统Hough变换识别率高、抗噪性强、对不完整边缘具有鲁棒性等所有优点;不需要任何特殊的限定条件。实验表明,新的快速算法可以快速进行目标识别,在实时目标识别系统中具有良好的表现。

基于改进的Hough算法的细胞破碎智能监测计数系统

为提高细胞内产物的产量以及质量,结合机器视觉技术,在传统Hough图像识别算法以及现有的细胞破碎装置的基础上进行改进,提出了一种应用于细胞破碎的智能监测计数系统的设计方案。该方案以光学放大电路、CCD图像传感电路为硬件平台,辅以机器视觉技术、图像处理算法实现对细胞破碎过程的图像监测及计数统计。在线实验监测表明,该智能监测计数系统能够完成对细胞破碎的统计计数,其识别速度相对于标准的Hough图像识别算法提高了近10倍,并能实时捕捉细胞破碎图像,可应用于细胞破碎产物的自动化提取。

基于Hough变换和遗传算法的SAR图像道路检测

提出了一种新的星载合成孔径雷达(SAR)图像中道路网的三步提取算法,即道路中心线检测、道路片段提取和道路片段连接。首先对含有斑点噪声的SAR图像进行两次滤波获得较细的道路中心线,然后对该二值图像进行Hough变换以获得道路片段,道路片段经过简单的初步连接后,再次运用遗传算法得到进一步连接。实践证明了这种方法的有效性。

基于Hough变换的焊接接头自动识别技术研究

以作者所研制的焊接机械手为对象,针对其在焊接大型模具时,焊缝数量多的特点,采用提供信息量大、抗干扰能力强的视觉传感器CCD来获得焊接接头平面位置信息.在对CCD摄取的模架图像进行校正、灰度拉伸、灰度阈值变换后,采用Canny边缘检测算子检测出模架筋板上侧的边缘点,并针对传统的Hough变换方法不能检测出直线端点,容易重复检测直线以及提取直线精度不高的缺点加以改进,采用改进的Hough变换方法提取了筋板边缘线,求取这些边缘线交点即可获得焊接接头平面位置信息.实验结果表明,该方法可以有效解决Hough变换存在的上述问题,并能准确稳定地提取出模架筋板边缘线,达到识别焊接接头平面位置的目的.

随机Hough变换与Tabu搜索算法在基元提取中的比较

Ｈｏｕｇｈ变换（ＨＴ）是目前应用最广的几何基元提取方法，其基本思想在于通过证据积累来提取基元．最近不少人又提出了通过代价函数的全局优化来提取几何基元的思想．随机Ｈｏｕｇｈ变换（ＲＨＴ）和Ｔａｂｕ搜索（ＴＳ）分别是Ｈｏｕｇｈ变换和优化方法中的佼佼者．ＲＨＴ和ＴＳ分别基于不同的策略，两种方法的相互比较在许多文献中已有提及，但目前尚无较完整的理论分析和系统的比较．本文在提取单个基元所需对最小点集的采样次数的期望值这一准则的基础上，对两种方法进行了比较．分析表明，随机Ｈｏｕｇｈ变换通常要优于Ｔａｂｕ搜索．从我们做的大量仿真和实际图像的实验也可看出，在提取的基元正确率相同的情况下，ＲＨＴ约比ＴＳ快１—２倍．

一种新的不基于Hough变换的随机椭圆检测算法

椭圆检测在模式识别领域中占据着非常重要的位置。常见的基于Hough变换的椭圆检测算法(如RHT算法)存在着占用大量存储空间及计算耗时等缺点。本文提出一种高效随机的椭圆检测算法(RED)。该算法不基于Hough变换,其原理是:首先从一幅图像中随机地挑选出6个点,并定义一个约束距离以确定在此图像中是否存在一个可能的椭圆;当可能椭圆确定之后,引入椭圆点收集过程以进一步确定可能椭圆是否是待检测的真实椭圆。通过对具有不同噪声的合成图像以及真实图像进行测试,结果表明RED算法在低噪声与适度噪声的情况下,速度明显快于RHT算法。