用Hough变换的方法提取图像拐点

拐点特征是模式识别中经常用到的一类不变量．本文利用Ｈｏｕｇｈ变换找出图像轮廓中的直线段，确定其直线方程，将相邻两直线段延长相交得到的交点定义为拐点．由于Ｈｏｕｇｈ变换是统计平均的结果，所以求得的拐点较为稳固，抗噪声性能较好．文中也给出了拐点的具体算法．

基于直线Hough变换的图像配准方法

为了有效解决不同传感器、不同视角和不同时相条件的图像配准问题,提出了一种基于直线极坐标参数在Hough空间求解图像变换参数的图像配准算法。先提取图像中直线极坐标特征参数,形成匹配特征空间;然后在Hough空间逐步求解RST图像变换的旋转、尺度和平移参数;最后利用实际图像对算法的性能进行了分析与验证。实验结果表明,该方法不需进行复杂的匹配空间搜索,具有适应性强、配准精度高的优点。

HOUGH变换在直线导向机构尺度参数设计中的应用

运用图像识别中的ＨＯＵＧＨ变换及特征提取方法，对四杆直线导向机构尺度进行研究，给出一种参数设计新方法，并用一个实例对该方法进行了验证．

利用Hough变换和稳健估计计算道路线形参数

道路线形参数计算对于公路现状调查、道路优化设计、道路信息管理、安全分析和建立公路的三维空间模型均具有重要意义。根据道路线形的特点,利用基于Hough变换的直线和圆曲线提取算法对数据进行分组,然后利用稳健估计对数据进行迭代平差,计算出道路各段线形参数,从而实现道路线形识别的目的。算法由Visual C++语言实现,在实践中证明是很有效的。

基于空间矩的随机Hough变换检测直线

为解决随机Hough变换中无效采样和累积问题,研究了一种基于空间矩的随机Hough变换直线检测方法;利用空间矩方法进行随机采样并求取出参数空间点,将计算参数空间点的随机采样点减少到一个,最后利用随机Hough变换原理来确定真实直线;实验结果表明,基于空间矩的随机Hough变换直线检测方法相对于传统的随机Hough变换具有更好的准确性、鲁棒性和稳定性,实时性得到了较大的提高。

基于最小二乘修正的随机Hough变换直线检测

利用Hough变换进行直线检测时,由于直线在参数空间中的映射容易受到邻近目标、噪声以及本身非理想状态的干扰,算法中的投票过程较易出现无效累积,进而导致虚检、漏检及端点定位不准等问题。针对传统方法的上述缺陷,提出了一种基于ρ-θ域最小二乘拟合修正的随机Hough变换的直线检测方法。首先,在随机抽样时利用像素-长度比值对抽样的有效性进行判定,剔除不在直线上的抽样点对;然后,对邻域相关点进行ρ-θ域的最小二乘拟合,得到修正后的直线参数用于累加投票,投票过程中设定累加阈值,通过检测峰值点逐次检出疑似长直线;最后,通过设定断裂阈值对每条长直线进行筛选和分段,定位出直线段的端点。仿真实验表明,所提方法在投票时有效抑制了复杂环境对局部最大值的干扰,使直线检测的准确率得到显著提升。

基于Hough变换的线段检测算法

为了克服Hough变换需要大量存储资源的缺点,在分析传统Hough变换定义方式的基础上,提出了一种新的改进算法。该算法采用多点对应一点的匹配映射规则,对参数空间中的线段形参数单元进行逐个单独处理,寻找图像空间中与之对应的模板,只有那些符合模板匹配条件的图像特征点才对该单元进行投票,通过动态寻找局域峰值点以及记录该峰值点所对应图像空间中线段的端点位置完成图像中的线段检测。该算法不需要预先存储整个参数空间,可以节约大量的存储资源,保持了与传统Hough变换相同的精度,且易于并行处理。

基于Hough变换的红头文件识别算法

直线检测一直是图像处理中重要的一个步骤。最常用的直线检测技术是Hough变换,它将图像空间检测直线的问题转换到参数空间的峰值检测问题,图像空间中每一个非零像素都会对参数空间中与其对应的累加器投上一票。投票过程中,远离峰值的大多数的投票都是不必要的,这些无效投票降低了转换速度。提出一种在图像空间中基于指定的短直线形态过滤掉指定方向之外的多余线条和大部分噪声的方法,降低投票量,并且还可以将投票的范围限定在指定范围内。实验结果证实了该方法的有效性。

短模糊尺度下运动模糊参数的频域识别方法

为较精确地识别短模糊尺度下图像的运动模糊参数,提出了Hough变换、Radon变换和曲线拟合相结合的模型。对频谱图进行分析,指出MRT算法误差较大,建立了Hough变换线检测取最长直线角度的模型鉴定模糊方向。针对模糊方向上的Radon变换曲线,利用相邻波谷位置差剔除奇异值求均值的方法检测暗条纹间距,继而通过曲线拟合鉴定模糊尺度。建立了图像列宽、暗条纹间距和模糊尺度之间的通用关系模型。仿真结果表明,该算法实时性好、精度高、抗干扰能力强。

四杆直线导向机构尺度综合的新方法

基于图象识别中的Ｈｏｕｇｈ变换，提出了四杆直线导向机构尺度综合的Ｈｏｕｇｈ变换方法，建立了连杆曲线特征参数数据库，并用一个实例对该方法进行了验证。

Performance Prediction of the HoughTransform

Based on three different implementation schemes, this paper strongly demonstrates that the performance of the Hough transform depends crucially on its implementation scheme when it is used for line detection. Moreover, the obtained results can be used as a theoretical basis to predict the performance of the Hough transform as well as to eliminate the noise in Hough space coming from image noise.