基于改进Hough变换和斜率特征的车道线识别

针对干扰条件下结构化道路车道线检测识别率不高的问题,在车道线的成像特点和斜率特征的基础上,提出一种改进Hough变换的车道线检测方法。首先,用Canny边缘检测方法识别出所有车道线的边缘,确定目标车道线所在的区域为感兴趣区域;其次,用改进的Hough变换通过斜率范围限定识别出组成车道线边缘的直线段,通过设置平均斜率偏离阈值去除非目标车道线边缘的直线段;最后,取出车道线直线段的端点作为车道线的数据点集,进行最小二乘法拟合出车道线。实验结果表明,干扰条件下车道线识别的准确率达到95.3%,耗时0.025 s,可见该方法具备了较好的实时性和鲁棒性。

基于投票约束的Hough变换直线检测算法

图像边缘直线检测的精度直接影响机器视觉尺寸测量的精度,Hough变换算法用于类矩形小插件边缘直线检测时,易在Hough空间形成伪峰、影响边缘检测精准度,为此,提出了基于投票约束的Hough变换直线检测算法,通过引入Hough空间投票权重分配机制来抑制伪峰的产生,对算法性能影响较小,同时较明显地提高了检测精度。基于高分辨率工业相机和高性能计算机构建了精密测量系统,并以手机尾插零件为对象进行实验,实验结果表明,该文算法直线检测精准度可达到89%,与标准Hough算法、概率Hough算法相比较,该文算法的直线检测精准度有较大的提升,且该文研究已应用于某型检测设备研制中。

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。

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。

Canny边缘检测和轴线矢量靶场目标姿态测量

对于靶场飞行目标的姿态测量问题,提出一种基于Canny边缘检测与Hough直线检测的靶场目标图像轴线提取方法,并利用成像平面交会获得旋转锥形载体的轴线,实现目标轴线的姿态测量的目的。靶场试验一般有多台光学测量设备采集目标图像,对采集到图像首先应用Canny算子检测目标边缘,对边缘图像适用Hough直线检测算法提取到成像平面上的目标轴线,进而可以得到测站和目标轴线所在的空间平面,利用面面相交原理获得目标轴线矢量的姿态角。该测量方法是基于Canny边缘检测和Hough直线检测的轴线提取方法,在仿真试验中对应用不同参数提取的轴线角度误差在0.3°左右,在实际试验中对目标的轴线提取误差在-0.7°~0.6°之间。实验表明该方法提取出的目标轴线的姿态角能够满足试验需求。

基于改进HT-LCNN线段检测模型的隧洞施工活动时间信息智能提取方法

施工活动时间信息的有效提取是隧洞施工进度分析与决策的重要前提,目前常采用的一种隧洞施工活动时间记录方式是绘制横道图线段。针对传统依赖于人工统计的方式存在效率低、易出错等问题,提出基于改进深度霍夫线条先验网络(Hough Transform-Line Convolutional Neural Network,HT-LCNN)线段检测模型的隧洞施工活动时间信息智能提取方法。首先,采用单应性变换手段进行施工日志图像预处理,解决原始图像存在的倾斜、旋转、扭曲等问题;其次,利用全局上下文注意力模块(Global Context Network,GCNet)改进HT-LCNN模型的残差模块,通过建立和共享全局注意力图,获得目标线段在特征图和通道间的长距离依赖关系,提高模型对目标手绘线段的注意力,克服原有HT-LCNN方法容易受到表格线段和文字干扰的不足,实现手绘线段的高精度智能检测;进一步地,建立施工时刻-活动坐标系,根据所检测的手绘横道图线段的端点坐标位置特征,将其自动转化为施工活动时间信息。将该方法应用于某长距离引水隧洞TBM施工日志活动时间提取,本文提出的改进HT-LCNN模型的检测精度AP_(5)、AP_(10)、AP_(15)值分别为94.7%、95.0%、95.1%,均高于HT-LCNN和LCNN;基于本文方法自动提取的施工活动时间与人工提取结果相比,平均绝对误差仅为1.82 min。本研究为隧洞施工活动时间信息准确高效提取提供了新思路。

基于改进Hough变换的收获机器人行走目标直线检测

提出了基于改进随机Hough变换(RHT)的收获机器人行走目标直线检测算法。将摄像机安装在联合收获机的顶部,在收获过程中采集农田场景图像。根据已收获区域、未收获区域和非农田区域的不同颜色特征,利用统计分析和边缘检测,确定行走目标直线的终点位置以及直线方向上的候选点。以候选点为点集,采用改进RHT完成直线检测。与传统的RHT相比,避免了无效采样和累积问题。经过对多幅图片的处理,证明算法能够有效检测出直线参数,且处理时间在200 ms左右。

基于Hough变换的直线跟踪方法

文中提出一种基于Hough变换的直线跟踪新方法,该方法利用Hough变换中的点线对偶性原理,将在图像空间中对直线的跟踪转化为在参数空间中对点的跟踪,把参数空间中的点作为特征点,在参数空间中的特征窗口内跟踪特征点,由最小二乘法得到匹配的特征点。文中还给出了该直线跟踪方法的几何解释,即在参数空间中的矩形特征窗口内搜索匹配点,实际上是在图像空间中以原点为中心的扇环范围内搜索匹配的垂足。合成图像序列和真实图像序列实验结果表明,该方法取得了较好的跟踪结果。

用改进的Hough变换检测交通标志图像的直线特征

直线特征是交通标志图像中稳定而重要的特征,直线特征的正确提取,对于提高交通标志识别率是有意义的。针对已有Hough变换的缺点,如参数空间中的峰值扩散问题、繁重的计算复杂度和空间复杂度等,提出了一种自适应"多对多"Hough映射方式。新算法具有良好的时间计算复杂度、对阈值不敏感且能精确地提取出图像中的直线。实验结果表明,新方法的阈值选择范围是MTO_θ的3倍,而运算时间仅为MTO_ρ方法的10%左右。改进的Hough变换能在可接受的时间内准确地提取交通标志图像中的直线,还可用于其它图像(如票据图像、符号图像)中直线特征的提取。

基于改进Hough变换的图像线段特征提取

为了从复杂背景中提取欲识别的目标,提出一种基于改进Hough变换的图像线段特征提取方法。针对传统Hough变换的局限性,在经典算法的基础上增加了全局阈值与局部阈值结合去除虚假尖峰,利用动态分组原则确定线段的端点,融合端点邻近的线段等改进算法。实验表明,该方法不但可以识别简单背景中的规则几何图形,还可以有效地提取复杂背景中真实目标的线段特征。

基于改进Hough变换的符号线段特征提取

研究了数学表达式识别中符号线段特征的提取问题。为正确提取符号的线段特征及其一些相关属性,提高识别系统的符号识别率,对Hough变换的局限性进行了分析,并作了一些改进,改进算法在原算法的基础上增加了线段的连续性的检测以及相关属性的提取,如线段数目、方向(角度)以及始末端点等。实验证明,该算法能有效地提取出符号线段及其一些属性,可应用于其他识别系统的符号特征提取。

HOUGH变换实时检测算法研究

对直线标准 ＨＯＵＧＨ变换 （ＨＴ）和改进的直线 ＨＴ两种算法的映射策略和时、空指标进行了分析。在此基础上提出了一种采用“多对一”策略的圆检测ＨＴ新算法，与圆检测的标准算法比较，该算法有更好的时空指标，实验结果证明了新算法的有效性。

结合Hough变换与改进最小二乘法的直线检测

提出了一种结合Hough变换与改进的最小二乘法的直线检测方法。分析了Hough变换与最小二乘法在直线检测及检测精度上的优缺点;利用Hough变换鲁棒且不需启发式信息的特点进行初步检测,确定存在直线的大致区域;利用最小二乘法确定直线区域内特征点回归直线的精确参数。为克服最小二乘法对强噪声点敏感的缺点,提出了双点移除的p最小二乘法,通过同时剔除具有最大正负误差的一对数据点,保证数据集中的正常点能得到可靠保留以获得精确的回归结果。实验结果表明,所提方法提高了直线检测的检测率与检测精度,且降低了对Hough变换的分辨率要求,可以减小算法整体的空间开销。

基于hough变换的角度检测和特征识别

hough变换是图像处理中直线检测的一种常用算法,但是标准hough变换运算量大,处理速度慢。本文针对具体实例对标准hough,动态广义hough的映射策略和时空指标作了深入研究,并在动态广义hough算法实现上作了一些改进。最后,利用hough变换和质心相结合的方法实现图像的特征识别。

一种改进的Hough变换直线检测算法

为了能有效解决Hough变换的计算量大的问题,文中提出了一种基于直线局部结构特征的Hough变换改进的直线检测算法。该算法根据Freeman准则分析了直线上基元的特征信息,通过图像上邻近的同类基元的倾斜角约束基元上像素点的极角范围,减少每个点的计算次数,在保持精度的同时,提高直线检测的速度,在有噪声的情况下,该算法相对标准Hough变换算法可以提高到6到7倍。

基于Hough变换的线段提取新方法

针对实际图像中采用传统Hough变换准确提取直线存在的问题,结合双阈值栅格除噪法,提出了一种改进的线段提取方法.该方法以Hough变换峰值参数逆变换提取线段特征,并将其连接成直线,在传统Hough变换算法的基础上增加了极大值线段的融合连接过程,去除伪峰值和峰值扩散引起的交叉线段等改进方法.实验结果表明:该方法能在干扰和噪声较强烈的实际图像中完整地提取出目标线段,对线段量化误差、断裂、线段信息丢失具有较强的鲁棒性.以Hough空间局部极大值所对应线段为主,以其邻域峰值点对应线段为补充的线段特征提取方法具有较高的准确性.本方法对视觉引导技术的实用化具有参考价值.

基于二值图像邻域加权的直线Hough变换

实际图像中普遍存在的纹理性区域,常常会由于所产生的大量特征点而形成Hough空间中的虚假峰值。为了抑制纹理性区域特征点造成的虚假峰值,提出了一种直接基于二值图像的邻域在线离线比加权方法,该方法通过考察投票特征点的邻域内在线与离线特征点的数量,来显著降低纹理性区域特征点的投票权重,从而使得Hough空间中真实直线对应峰值的显著性得到相对提升;提出了一种利用加权邻域内局部投票的该加权方法的高效实现,能够避免多次遍历邻域,减少运行时间。在实验图像库上的结果表明了新加权方法的有效性,反映了局部投票带来的运行速度的提高。

基于Hough变换的海天线检测算法研究

海天线检测是红外航拍图像的一项重要研究内容。深入探讨海天线检测问题,给出了一种实用的检测算法。首先,对获取的红外图像进行梯度运算,采用Ostu阈值分割方法,获取海天边缘信息;然后根据Hough变换原理,完成海天线的检测。此外,通过随机点采样提高了海天线检测的速率,通过多线段拟合提高了检测的准确率。实验结果表明,本算法可以准确、高效地检测出海天线,为下一步研究奠定了基础。

利用梯度方向信息的随机Hough变换

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在处理复杂图像时随机采样造成的大量无效累积提出一种改进的用于直线检测的ＲＨＴ，较好地解决了无效累积问题，并使改进后的算法具有计算速度更快。

基于改进Hough变换的建筑目标搜索与识别

结合建筑物搜索与识别的实例,运用改进的Hough变换算法,对经过预处理的图像进行检测,提出了优化、合并、分组的线条分析策略和针对目标的排伪策略以确定目标可能出现的区域,进而排除虚假目标,最终获得目标准确的定位区域。实验结果表明,改进的Hough算法以及线条分析和排伪策略应用在实际的检测识别系统中时,对不同比例、不同视角、不同拍摄时间和条件、目标被部分遮挡的情况以及出现马赛克现象的各种实验图像都具有较好的识别效果。