权重约束AdaBoost鱼眼识别及改进Hough圆变换瞳孔智能测量

针对传统鱼眼瞳孔直径测量方法耗时、耗力,且数据主观性强的问题,该文提出基于权重约束AdaBoost和改进Hough圆变换的鱼眼瞳孔直径智能测量方法。首先,利用工业相机采集实验板上的鱼图像,从正负鱼眼图像样本中训练出基于权重约束AdaBoost算法的鱼眼分类器;然后,采用该分类器对试验图像进行检测,将检测到的鱼眼局部图从整体图中分离出来;最后,采用改进的Hough圆变换检测出鱼眼的瞳孔,并计算得到瞳孔直径。对100条金鲳鱼进行试验,鱼眼分类精度达97.1%,瞳孔正确检测率达94.2%,相比改进前分别提升了1.7个百分点和10.5个百分点,与人工测量瞳孔直径值的平均偏差为6.5%,比改进前低了5.9个百分点,总的平均测量时间为324.371 ms,比改进前减少了10.707 ms。试验证明:该文提出的方法能够精确、实时、自动地测量出鱼眼瞳孔的直径,有效避免了传统测量方式的复杂性和测量数据的主观性,可为鱼体生长状况评估、良种选育提供重要参考。

改进Hough圆变换的细胞图像定位分割研究

针对改进Hough圆变换在尿液图像中红细胞定位分割中的应用,首先阐述Hough圆变换原理,明确该处理方法的优势与作用,其次介绍尿液图像红细胞,最后从定位分割方法、改进Hough圆变换检测两个方面着手,分析Hough圆变换的运用,提高尿液图像中红细胞定位分割准确性,为尿常规检查提供先进图像处理技术。

椭圆变换为对应圆作图法及解析法求解二次曲面的相贯线

以椭圆变换为对应圆的方法,求解两二次曲面的相贯线,用解析法分析相贯线的性质和极值点。

基于两级分割与区域标记梯度Hough圆变换的苹果识别

自然环境下果实的准确分割与快速识别是采摘机器人作业面临的难题之一。针对自然环境中的成熟苹果,该研究提出一种基于Otsu与分水岭相结合的两级分割算法与区域标记梯度Hough圆变换的苹果识别方法。首先,使用亮度自适应校正算法对表面亮度分布不均的苹果图像进行校正,增强图像的细节信息。结合果实颜色特征,提取YCbCr颜色空间的Cr分量图像作为预处理样本。然后,采用改进后的Otsu算法进行初次分割,得到苹果目标的二值图像,该算法通过引入形态学开-闭重建滤波去除大量背景噪声,通过缩减灰度级遍历范围提高分割速率。采用基于距离变换的分水岭算法进行二次分割,分离粘连果实区域,提取目标苹果的外部轮廓。最后,在轮廓外设置最小外接矩形标记有效区域,在标记区域内进行梯度Hough圆变换实现苹果目标的自动识别。对自然环境中采集的200幅苹果图像进行测试,并与传统梯度Hough圆变换方法进行对比,该文方法在顺、逆光下的识别准确率为90.75%和89.79%,比传统方法提高了15.03和16.41个百分点,平均识别时间为0.665和0.693 s,比传统方法缩短了0.664和0.643 s。所提的两级分割算法不仅可以从复杂环境中准确分割果实目标区域,而且可以从粘连果实区域中提取单个果实边界。利用区域标记的梯度Hough圆变换方法能够快速准确地对果实进行识别。研究结果能满足苹果采摘机器人对不同光照下目标识别速度和精度的要求,可为苹果等类球形果实的快速识别提供参考。

Lab色彩模型下梯度Hough圆变换的成熟草莓识别

自然生长状态下的草莓,果实密集,形状多变,枝叶遮挡率较高,使用机器采摘对成熟草莓的图像识别具有一定的难度。针对这个问题,提出了Lab色彩模型下采用梯度Hough圆变换的成熟草莓识别方法。以自然生长状态下的草莓图像为研究对象,在Lab色彩模型空间里对图像分割及阈值化并采用梯度Hough圆变换等方法,识别成熟草莓并计算出草莓中心。试验结果表明,对随机选取的100张草莓图片,该方法识别成熟草莓的相对偏差为1.07%,对枝叶遮挡、成熟草莓相互遮挡等情况,具有较好的识别效果。与传统的Hough变换相比,这一方法节省了运行内存,提高了时间效率,能够满足机器采摘对成熟草莓识别率与定位的要求。

基于改进Hough圆变换算法的成熟番茄果实识别

Hough圆变换算法可以解决成熟番茄果实识别问题,但计算量较大,且由于番茄非标准球形、多果重叠、茎叶遮挡等问题,识别准确率有待进一步提高,因此本文对其改进,设计一种实现番茄收获机器人视觉系统的成熟果实识别算法。首先对采集到的图像下采样,以减少计算量;然后进行基于颜色信息的背景分割,得到成熟番茄果实为目标的二值图像;并在此基础上采用Sobel算子提取边缘信息;最后基于改进Hough圆变换算法实现番茄果实识别。Hough圆变换算法的改进之处有两点:(1)根据边缘信息转换到参数空间时,对转换得到的圆心及其8-连通域对应的组合均进行投票,以减少离散坐标计算时产生的误差;(2)采用基于圆心相近且半径相似的聚类思想,对Hough圆变换算法检测到的结果进行聚类,以适应类圆形目标的检测。试验结果表明,本文算法对存在不同成熟周期的番茄果实、茎叶遮挡、多果重叠等多种情况都能有效识别,上述三种情况的准确识别率分别为87.5%、85%、84.8%,三种情况同时存在的复杂情况下准确识别率为84.6%,而简单情况下可以100%准确识别,经统计,平均正确识别率为86.3%,平均运行时间为398 ms。

基于灰度积分投影与霍夫圆变换算法的人眼瞳距自动检测

人眼瞳距在视光学研究中和配置眼镜时都是需要精确测量的基础性参数,实现瞳距自动检测具有重要的应用价值,结合高斯肤色模型,提出一种基于灰度积分投影与霍夫圆变换算法的人眼瞳孔定位和瞳距计算方法.首先,通过二维伽马函数的自适应亮度校正方法对图像进行光照补偿预处理,在此基础上,利用肤色概率模型检测人脸并提取出面部区域.再运用灰度积分投影法,选取合适的阈值对眼部区域进行提取,经过一系列形态学图像处理,采用Canny边缘检测算子实现瞳孔边缘检测,最后通过Hough圆变换算法进行瞳孔定位,并对其中心距离进行计算.研究结果表明,该算法具有较快的瞳孔定位速度,能够较精确地实现瞳距自动测量,为瞳孔测距的智能化技术研究奠定了基础.

基于Hough圆变换的视盘定位与分割

针对视网膜血管分割是眼底图像研究的热门,利用计算机辅助眼底视网膜血管分割的结果有助于医生对临床诊断和眼底疾病的参考。本文提出了一种基于Hough圆变换的视盘定位和分割的方法。首先,对原始图像进行预处理;接着用OTSU对预处理图像进行阀值分割二值化处理,进一步提取和筛选得到视盘定位的最终结果;最后,将结果用于Hough变换实现视盘分割。该算法分别在DRIVE图像库、HRF图像库以及STARE图像库中进行实验验证,分别获得了100%、96.72%和97.77%的视盘分割准确率,验证了该算法具有良好的性能。

方圆变换

方圆变换f定义如下:

利用迭代霍夫圆变换实现成捆棒材可靠计数

针对现有的基于图像处理的棒材计数方法不准确且不能适应不同直径和不同切断工艺的问题,提出一种利用迭代霍夫圆变换和多阈值连通区域面积法统计实现成捆棒材的可靠计数。该方法先提取成捆棒材在图像中的位置即感兴趣区域(ROI)并规格化,再对规格化后的ROI进行迭代霍夫圆变换提取棒材进行计数,最后进行多阈值连通区域面积法统计遗漏棒材,并与迭代霍夫圆变换计数结果求和得到最终计数结果。实验表明,该方法计数准确率高,能适应不同棒材直径和不同的切断工艺。

利用滚动圆变换的多波束测深数据滤波算法

针对现有多波束测深数据自动滤波算法通常存在因过分追求人工滤波平滑效果,而有可能造成海底微地貌或小型障碍物被不合理删除的问题,以Ping为多波束测深数据处理单元,利用滚动圆变换具有在给定精度条件下可对线要素一定尺度的凹(凸)部进行定量识别和分析的特性,提出了基于滚动圆变换的多波束测深数据滤波算法。在VC++环境下对此算法的正确性和有效性进行了实验验证,结果表明,该算法能在保持海底地形完整性的基础上较好地滤除多波束测深数据中的粗差数据,有利于提高粗差检测的效率。

圆迹变换及图像纹理分析

针对迹变换提取的特征对于含圆弧形纹理图像描述欠佳的问题,提出了圆迹变换及其纹理特征提取方法.圆迹变换使用圆迹线来跟踪图像,并将圆迹线上的泛函结果映射到由半径、长度和角度三个参数生成的空间上,对该结果继续做泛函积分,能得到图像四重圆迹空间特征.在圆迹线上使用不同的泛函能得到不同的圆迹变换结果,不同的泛函组合能获得不同的圆迹变换特征,能表示图像不同的纹理性质和更深层次的图像信息,产生多维的圆迹变换纹理特征信息.在Coil-20对象图库及Brodatz纹理库上对含圆弧形图像的分类实验表明,在训练样本较少的情况下,利用圆迹变换提取的纹理特征,其识别能力比迹变换都有明显提升,对于包含圆形、弧线形纹理的图像具备了更好的分辨能力.

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。

近对称谐振腔的变换圆图解分析

利用传播圆-变换圆图解分析方法,通过对不同结构谐振腔的分析和对比,得出一种宜于推广的自锁模激光谐振腔———近对称谐振腔,其锁模运转易于启动且工作性能比较稳定;通过实验对近对称腔的工作性能进行了验证,并对一种五镜锁模腔进行了分析。五镜腔实质上等价于近对称四镜腔。

高斯光束微圆孔衍射变换的数值仿真实验

高斯光束的微圆孔衍射变换在微光学、激光技术以及微光机电技术中发挥着基础性作用,通过数值计算模拟实验可以对它进行研究与探索。由菲涅尔-基尔霍夫衍射公式得到单色点源平面屏衍射的积分式,类推得到高斯光束圆孔衍射的积分式,并给出这一积分式的一种数值计算方法。利用Matlab软件进行了高斯光束微圆孔衍射变换的数值仿真实验研究,这有助于激光束的实际衍射实验及其测控理论与技术的研究以及光学教学的改革。

高斯光束的微圆孔衍射变换的计算及其仿真

由菲涅尔-基尔霍夫衍射公式得到高斯光束的微圆孔衍射的积分式,推导了该积分式的数值算法和解析算法,用Matlab软件进行了仿真实验研究高斯光束的微圆孔衍射变换,有助于激光束衍射实验及其测控理论与技术的研究.

基于图像取反的同心圆环半径和圆心提取方法

为了解决非定域干涉同心圆环图像的圆心和半径的精确提取问题,提出了一种基于图像取反的暗亮环兼顾的算法,以点光源非定域干涉同心圆环为对象,在平滑降噪预处理基础上,利用霍夫圆变换获得参考圆心,以参考圆心为基础分别在其x方向和y方向上[-50,50]像素范围内每隔5 pixel取一条强度轮廓线,每一条强度轮廓线取反后,分别实现暗环和亮环峰位坐标的精确识别,再利用圆回归拟合得到系列圆心和半径,通过系列圆心和半径的平均运算实现图像最终圆心和半径的精确提取。结果表明,靠近中心的3个亮环和3个暗环各自的圆心坐标非常接近,相对于总平均值的最大偏差为-3.7 pixel,即相对于总平均值的最大相对偏差为-0.15%,重复性很好;相邻两个圆环半径平方比值相对于实际比值的误差在-4.18%~0.36%之间变化,验证了算法的可行性。该研究对实现自动化检测、提高测量精度是有帮助的。

基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法

为了解决当前基于图像特征点的水印技术存在的问题,设计了基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法。首先,基于载体图像的强度概率密度,构建概率密度梯度估计函数;利用概率密度梯度值替代强度梯度,计算载体图像的二阶自相关矩阵,以改进Harris-Laplace检测算子,充分提取载体的鲁棒特征点;然后,基于LOG(Laplacian-of-Gaussians)算子,计算每个点的特征尺度,构建了圆形局部特征区域;引入圆谐傅里叶变换,对所有局部特征区域进行处理,输出相应的傅里叶系数;定义鲁棒系数选择规则,从所有的傅里叶系数中确定合适的系数作为水印隐藏位置;根据选择的鲁棒系数,设计水印嵌入方法,将加密后的二值水印隐藏到这些系数中,形成水印图像;最后,建立水印检测机制,从水印图像中复原二值水印。测试结果显示,与当前图像水印方案相比,面对几何变换攻击,所提算法具有更高的不可感知性,所输出的水印图像与载体的相似度为0.994;另外,所提技术也具备更强的鲁棒性,复原水印失真度最小,在中心裁剪攻击下,所提算法的复原水印对应的峰值信噪比(PSNR)、归一化系数(NC)值最大,分别达到了41.91dB、0.901。

高功率圆波导TE0n-TE11模式变换研究

在模式耦合理论的基础上,详细讨论了波导轴线弯曲与波导半径渐变的圆波导模式变换,并对TE0n TE11模式变换器的几何结构进行了优化分析,采用不同的相位重匹配技术,得到了可靠的最优几何参量。以此数据设计的8mm回旋速调管TE01 TE11模式变换器的转换效率可达98%。

基于图像亮度均衡技术的霍夫圆检测研究

棋子定位是下棋机器人视觉系统中至关重要的环节。目前下棋机器人视觉系统中最常用的圆检测算法为霍夫圆变换法。该检测算法具有同时可一次检测多个圆,满足对棋局实时检测的需求等优点,但在暗光照环境下也暴露出不稳定性,导致采集到的图像存在较大的局部阴影和局部反光现象,使得检测出现偏差。为了克服其检测的光敏性,增强检测的鲁棒性,设计了一种图像亮度均衡算法。为了验证方案的可行性,对在暗光源环境下加入图像亮度均衡算法与不加图像亮度均衡算法分别进行了霍夫圆检测的对照实验。实验结果表明,加入图像亮度均衡算法对暗光源环境下采集的棋盘图像预处理后,再进行检测,能够矫正偏差,准确检测到图像中棋子的内轮廓圆,准确实现棋子精准定位。