基于改进随机Hough变换的圆形目标检测算法

圆形目标检测在各个领域得到了广泛应用.为了提高规则圆的检出效率、降低不规则圆的漏检率,文章提出了一种改进随机Hough变换的圆形目标检测算法.算法首先用区域增长和RGB二值分割等算法对不同背景的图像进行二值分割和去噪处理,接着对连通域分割的特征区域用具有圆形性特征的边缘点进行候选圆的检测和验证.实验对比结果表明,本文算法可以显著提高规则圆的检出效率、降低不规则圆的漏检率,算法计算量小、运行速度快、鲁棒性强.

基于优化Hough变换的铆接高度差亚像素检测方法研究

针对飞机铆接高度差的检测问题,提出了一种优化的Hough变换铆接高度差亚像素检测方法。该方法首先通过空间域点运算的灰度变换法对采集的铆接孔图像进行增强处理,然后利用局部阈值分割法进行图像分割,采用Canny算法进行边缘粗提取,再利用优化的Hough变换进行亚像素级的边缘精细提取,提取出铆接孔和铆钉钉头的圆环区域,最后结合RANSAC算法进行圆拟合,利用开发算子get_current_region_z()分别提取内外圆环区域的高度平均值,再通过函数height_Z()将所得的高度平均值作差即可得到铆接表面的高度差。经试验证明,该检测方法亚像素精确定位能力强,检测结果准确率高、稳定性好,重复测量精度可达到±10μm。

多角度探测模式下结合Hough变换与SVR的墙后目标定位算法

多普勒穿墙雷达在定位墙后目标时,存在以下两个难点:(1)准确获取频率混叠区域目标瞬时频率;(2)通过获取精确的墙体参数来减小墙体对定位造成的影响。针对以上问题该文提出了一种结合Hough变换和支持向量回归-BP神经网络的目标定位算法。该文首先设计了一种多视角融合穿墙目标探测模型框架,通过获取不同视角下的目标位置来提供辅助估计墙体参数信息;其次,结合差分进化算法和切比雪夫插值多项式提出了一种目标瞬时频率曲线的高精度提取和估计算法;最后,利用估计的墙体参数信息,提出了一种基于BP神经网络的目标运动轨迹补偿算法,抑制了障碍物对目标定位结果的扭曲影响,实现了对墙后目标的精确定位。实验结果表明,相较于传统的短时傅里叶方法,该文所述方法可以准确提取时频混叠区域的目标瞬时频率曲线并减小墙体造成的影响,从而实现墙后多目标的准确定位,整体定位精度提升了约85%。

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。

基于改进Hough变换的消弧线圈接地配电网故障选线新方法

针对配电网在电压过零点和高阻故障时刻选线不准确的问题,提出一种适用于谐振接地系统单相接地故障的选线新方法,利用优化后的变分模态分解对各馈线零序功率进行处理,遴选出与原始零序功率相关强度最高的本征模态函数IMF(k),将IMF(k)转换为JPG格式的二维图像,再利用Hough变换检测技术,得到故障起始阶段IMF(k)的拟合直线及夹角;对各支路模态量拟合直线夹角进行比对处理,将最小综合相关系数值对应的馈线确定为故障馈线;仿真结果表明:该方法不受接地电阻、故障相角、噪声干扰、数据缺失等因素的影响,验证了所提方法的有效性。

基于L_(1/2)正则化的抛物线Radon变换多次波压制方法

在地震数据处理中,多次波的存在会对地震数据成像和地震资料解释带来影响,如何有效地压制多次波干扰是地震勘探中的重要问题。抛物线Radon变换因其高效的特点被广泛应用于多次波压制中,但在野外地震数据采集时,炮检距的有限性会导致变换域中的能量扩散,产生假象,使多次波压制达不到理想的效果。针对此问题,提出一种基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换,并应用广义迭代收缩算法(generalized iterated shrinkage algorithm,GISA)进行求解。研究结果表明,L_(1/2)正则化有很强的稀疏约束能力,能提高解的稀疏度,改进信噪分离的效果。与最小二乘反演和基于L_(1)正则化的稀疏反演相比,基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换能更有效地压制多次波,并确保了重构数据与原始数据的一致性。

基于投影约束和随机采样Hough变换的虹膜分割方法

非合作式虹膜图像的采集导致图像中具有大量干扰和噪声,因此,提出基于投影约束和随机采样Hough变换的虹膜分割方法提取虹膜有效区域。对虹膜二值图像进行投影粗定位虹膜的外轮廓圆心和半径,通过圆心和半径确定虹膜的大致区域,在该区域上,使用随机采样的Hough变换确定虹膜的内外轮廓,从而提高了虹膜分割的准确性。实验证明,与现有方法相比虹膜分割方法错误指标E1和E2最多提高8%和20%,具有更低的错误率和较高的时间效率。

利用Hough渐开线变换的齿轮图像中心检测

针对目前基于机器视觉的齿轮参数测量和检测中,获取齿轮中心坐标这一关键步骤缺乏通用性的问题,提出了一种利用Hough渐开线变换的方法。首先,在图像坐标中建立齿轮渐开线齿廓的数学模型。接着,对齿轮的灰度图像进行卷积、边缘检测获得齿轮边缘图像和像素梯度角。最后,对边缘像素做Hough渐开线变换,得到最终的齿轮中心坐标。实验和仿真结果表明,按该方法求得的结果与真实坐标的标准差在1 pixel以内,对齿轮内孔形状无要求,可以作为一种有效的齿轮图像中心检测方法。

基于改进Hough变换的车道线自动识别算法

针对复杂路况环境中路面图像杂乱或因光照不均导致的车道线不易检测等问题,提出一种基于改进Hough变换的车道线检测算法。首先对采集到的原始图像预处理,利用Canny算子对图像进行边缘增强及区域提取;其次为进一步提高算法的检测时间及准确性,提出利用滑动窗口实现阈值的自适应选取;最后结合渐进概率提出了复杂路况下的车道线检测算法。仿真实验选取KITTI数据集,结果表明,所提算法能够准确提取路面车道线,克服了复杂背景、光照不均带来的影响,与同类算法相比,文中所提的渐进概率Hough变换算法检测时间短、准确率高,具有一定的实用性和优越性。

基于改进随机Hough变换的瞳孔识别算法研究

随机Hough变换能够有效地识别图像中的圆形,但容易引入大量无效信息,这严重影响了瞳孔识别的效率。课题组提出了一种改进随机Hough变换的瞳孔识别算法,该算法首先在边缘图像上随机采样一点,然后在该点的连通域上寻找候选圆,最后利用一种确定候选圆的真假方法实现瞳孔识别。该改进方法不仅能有效解决随机Hough变换容易引入大量无效信息的问题,还能大大提高瞳孔识别的准确性和速度。

一种基于Hough变换答题卡的识别方法

随着科技的发展,答题卡识别技术分为三种,检测纸张透光率、检测红外反射率、全图扫描后检测图像灰度。早期的答题卡识别采用的是透射式识别答题卡,利用透射感光强弱来判定答题卡上的填涂选项。这种识别方式准确性较低,现在已经基本淘汰。十年前的主流技术是使用红外反射式扫描识别答题卡,利用碳元素对红外线的吸收原理。

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。

基于改进型抛物线Hough变换的眼睛特征提取

眼睛特征提取有广泛的应用。针对眼睛特征参数提取的需求,该文对传统的抛物线Hough变换算法进行改进,提出将抛物线的系数作为变换量,结合边缘梯度方向计算抛物线的顶点坐标并获取抛物线参数的方法。在此基础上将算法拓展到对称轴与坐标轴不平行情况下的抛物线的Hough变换,以适应旋转。实验表明:该算法可精确有效地提取眼睛特征并可应用在人机交互、驾驶员疲劳检测等领域。

基于坐标变换与随机Hough变换的抛物线运动目标检测算法

该文提出了一种在雷达坐标平面中检测匀加速机动目标抛物线轨迹的新算法。该算法将抛物线方程的坐标变换与随机Hough变换三点检测法结合起来检测任意方向的抛物线轨迹,并利用所检测到的点迹的速度信息来消除虚假目标。Monte Carlo仿真表明,在密集杂波条件下,高检测概率会带来高的虚警概率;而在稀疏杂波条件下, 检测效果比较好。

基于抛物线随机Hough变换的机载脉冲多普勒雷达机动弱目标检测前跟踪方法

为解决机载脉冲多普勒(PD)雷达对机动弱目标进行检测与跟踪的问题,构造了一种基于抛物线随机Hough变换(RPHT)的检测前跟踪(TBD)算法。该算法通过模糊区间对目标的模糊量测进行距离多假设扩展,从而提取量测中的时空相关信息。利用RPHT方法将目标扩展量测转换到参数空间,并在参数空间对目标的机动航迹进行积累。在算法实现过程中,通过方位变换的方式对传统的RPHT方法进行了改进,以降低算法计算复杂度。该方法将机动弱目标解距离模糊问题转换为TBD框架下基于RPHT的航迹检测问题,避免了微弱目标的低信噪比造成的航迹漏检。仿真结果验证了该算法的有效性。

改进的随机Hough变换抛物线运动目标航迹起始算法

提出了一种基于改进的随机Hough变换快速航迹起始算法,用于解决低可观测目标作匀加速抛物线运动时的航迹起始问题。该算法利用随机选取的2点的速度方向与搜索的第3个点的位置信息来提取抛物线轨迹,并利用坐标变换降低投票参数空间维数来快速起始匀加速抛物线运动目标的航迹,有效地解决了无效采样和累积问题。与传统的基于五点随机Hough变换的航迹起始算法相比,仿真结果表明:该算法具有虚警率低、运算速度快优点。

基于改进Hough变换的艺术体操图像视觉误差校正方法

为了提高艺术体操动作图像质量,提出基于改进Hough变换的艺术体操动作图像视觉误差校正方法。通过预先设定全局阈值与容忍度,改进Hough变换算法,利用图像灰度分布密度函数,完成动作图像空域变换,根据元素灰度值序列,滤波处理动作图像像素点,依据获取的最优分割阈值,划分图像前景与背景,采用改进的Hough变换算法,提取全部图像特征点,基于图像畸变度与镜头、轴线距离关系,结合动作图像分形码,得到分形区域偏差的最佳估算值,实现视觉误差校正。仿真实验结果表明方法校正优势显著,具有一定的有效性与可行性。

基于Hough变换的企业财务重复数据批量剔除方法

企业财务数据在空间分布上具有一定的不规则性,导致对重复数据剔除的完整性较低,为此,提出基于Hough变换的企业财务重复数据批量剔除方法。首先,采用Hough变换对企业财务数据进行预处理,将累加器单元所有直线形成的峰值作为数据理想的期望值,根据期望变换结果区分在Hough变换下数据的位置变化幅值,沿原始数据空间分布实现对数据的划分。考虑到企业财务数据对应空间直线的边缘即为直线形成的累加器单元形状,因此对沿着正弦曲线法线方向的累加值进行增强处理,得到放大后的峰值信息。之后,采用ASCA实现对重复数据的筛选,用二分极值法将距离Hough变换后峰值最远的位置作为聚类中心,将DBI指数完全一致的数据聚类,保留聚类中的唯一数据,其余进行批量删除,完成操作后计算新的聚类中心,重复计算直至峰值累加器单元的财务数据处于均匀分布状态。测试结果表明,设计方法空间缩减率可达到91.0%,删除数据的准确性可达到96.12%,实现了对重复数据的较完整剔除。

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Hough变换的被动雷达交叉定位虚假点剔除方法

被动雷达系统是一种无源探测系统,具有隐蔽性高、抗干扰能力强、作用距离远等特点,在室内定位、信号侦察和电子战等领域应用广泛。测向交叉定位技术是被动雷达探测中运用较多的一种定位技术。然而,被动雷达在对多干扰源进行交叉定位时,会产生大量的虚假点。为了能够精确的探测出真实干扰源的位置,保证被动雷达对干扰源的跟踪性能,需要进行虚假点剔除。传统的虚假点剔除方法,如最小距离法、基准线聚类法、Hough变换法等存在定位准确率低、计算复杂度高、不适用于实时处理等问题。针对这些问题,本文提出了一种基于Hough变换的被动雷达交叉定位的虚假点剔除方法。该方法采用了基准线聚类法和Hough变换法相结合的方式对虚假点进行剔除,首先,根据被动雷达在单个观测周期内所测得的干扰源角度,通过测向交叉定位技术确定所有交叉点;然后,通过基准线聚类法,对所有交叉点进行处理,剔除部分虚假点,减少后续计算量;最后,在基准线聚类的基础上,根据被动雷达所测得的干扰源角度数量,采用Hough变换法进一步剔除虚假点,以提高定位准确率。本文对所提方法进行仿真验证,仿真结果表明,所提方法不仅能够有效改善基准线聚类法对交叉定位虚假点的剔除效果,提高定位准确率,而且能够有效降低计算复杂度。