基于改进点Hough变换的光纤探针微孔检测研究

研究了点Hough变换检测圆的算法原理,分析了点Hough变换圆参数的近似处理对精度的影响,进而提出了一种改进点Hough变换圆检测算法,可对计算得到的多组圆参数进行有效选择。仿真和实验研究表明:改进点Hough变换算法在圆心坐标检测上具有更高检测精度。并对直径为1 mm环规孔径进行测量分析,测量结果为0. 997 9 mm,表明基于接触式光纤探针微孔测量有着很好应用效果。

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。

基于改进Hough变换的角点提取

提出了一种有效的角点提取的方法。在该方法中,角点将被定义为二条(或二条以上)直线的交点,并利用Hough变换来检测直线。若存在二条(或二条以上)直线经过某点,则该点就被认为是角点(角点候选点)。对Hough变换中的映射方式作了改进,在传统的映射中采用的是"一对多"或"多对一"的映射方式,而在改进方式中采用的是"多对多"的映射方式。在这种映射方式下,Hough变换的参数空间不会发生峰值扩散的现象,这样会更有利于峰值的检测(直线检测),从而更有利于角点的检测。实验证明,该方法能精确有效地提取出图像中的角点。

对偶点广义Hough变换算法的改进

对偶点广义Hough变换算法是通过寻找图像中像素梯度值相同的特征点对,并以该特征夹角作为R表索引,来完成表示目标边界信息的R表。但在检测不规则多边形等特殊图形时,由于符合条件的特征点对会有很多,因此在识别时会造成大量的无效干扰投票,甚至无法识别。从理论上分析了原算法产生虚假投票原因,提出了一种改进算法,以几何特征角作为新的索引。实验结果表明,改进是有效的,创建R表时分散了各索引项上的条目数,变换时减少了虚假投票和内存消耗,并提高了识别速度和识别率。

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。

基于改进Hough变换的堆叠工件定位方法

针对企业喷砂上料桁架机器人视觉系统中堆叠叉车工件难以识别问题,提出了一种改进的角约束的概率Hough变换直线检测算法,基于叉车工件边缘交叉点的判别依据制定直线分组规则,完成对堆叠叉车工件的识别与定位。结果表明,在堆叠不整齐、表面不一致等情况下,改进的概率Hough变换算法能准确检测边缘直线且精确定位不同型号叉车工件的中心点,为工业生产线实现对叉车工件的抓取提供支持,节约人力成本。

基于改进Hough变换的激光雷达点云特征提取方法研究

针对激光雷达点云数据,提出了一种改进的Hough变换算法,用于激光雷达点云数据中几何特征的提取。首先对激光雷达采集到的三维点云数据进行精简与修正;其次对精简、修正后的点云数据进行聚类处理,去除地面、顶面点云数据;其次,将聚类后的点云数据投影至地面所在的水平面,并将点云投影分布区域按照给定的大小进行分块,统计每个区块内落下的点云个数,生成点云分布矩阵;最后将点云分布矩阵转换成二值图像,并采用大范围粗粒度和焦点区域细粒度相结合的改进Hough变换方法,从二值图像中提取出线段,进而恢复出三维空间中的墙面等几何特征,用于室内移动机器人的导航。

改进的Hough变换提取点云数据球面特征

提出一种改进的Hough变换用于提取点云数据中的球面特征。该方法运用"4点定位法"与Hough变换基本方法相结合,可以快速定位球心坐标和球半径并提取出球面点。为验证方法的有效性,通过Matlab建立含噪点云仿真模型,对基本方法和改进算法进行比较。实验结果表明,提取点云数据的球面特征采用改进Hough变换算法速度更快、效率更高。

用点Hough变换实现圆检测的方法

给出了一种新的Hough 变换圆检测方法——点Hough变换（PHT）。该方法根据圆 周上任意两条不平行弦的中垂线相交与圆心的几何性质，同时选取曲线上3点进行计算，将 传统Hough变换圆检测时的三维参量统计变成一维参量统计，极大地降低了计算复杂性和对 资源的需求。为了克服任意选取组合点可能带来的计算量增加及统计结果的分散程度提高, 文中提出了点的选择方法。合成图和实际图像的实验结果表明，该方法用于普通图像中圆检 测时快速、稳定、准确。

改进的Hough变换实现圆检测

为了自动检测出图像中的圆并精确测量其参数,提出一种改进的点Hough变换圆检测方法。首先对提取边缘后的轮廓进行一次筛选,得到所有的连续边缘轮廓;然后进行二次筛选,排除那些明显不可能为圆的图形,获得最终候选边缘轮廓。对候选边缘点组进行快速点Hough变换圆检测,计算圆的直径值和圆心坐标值,在检测过程中,采用自适应的点选择步长值和累加器判断阈值。利用VC++6.0开发了圆检测系统实验软件,并进行了对比实验,结果表明该方法可以有效解决原算法中固定值导致检测精度不高、误检测和漏检测的问题。

基于改进Hough变换的公路车道线快速检测算法

针对机器视觉导航中道路引导线检测方法复杂、实时性不能满足使用要求的问题提出了基于改进Hough变换的公路车道线快速检测算法:根据车道线与路面颜色的不同判断车道线位置计算出车道线的方向候补点群,根据车辆所处车道的情况对方向候补点群进行聚类,以每一类的中点为基准点使用基于一点的改进Hough变换算法计算出车道线的斜率。实验结果表明,一幅图片的处理时间约85 ms,处理结果与实际情况吻合。算法能够检测出高速公路上所有车道线的斜率,为道路引导线的实时检测提供了一种新思路。

基于Hough变换的角点检测算法

角点检测是图像处理和机器视觉领域中基本而重要的问题。提出了一个基于Hough变换的角点检测算法,通过遍历地考察边缘图像中各像素点的一个邻域窗口,利用Hough变换寻找以窗口中心点为出发点的直线段,并通过这些直线段的数量和相互之间的夹角判断当前中心点是否是角点。针对固定的窗口,使用了模板预先计算及环形缓冲区等技术提高Hough变换及图像遍历的效率。在实际图像库上的对比实验表明提出的算法具有高的角点检测率,最低的角点误检率和角点位置误差,同时相比同样可得到构成角点各边的角度的方法.提出的算法同样具有更高的检测率和精度。对于时间性能要求不高的角点检测应用场合,提出的算法比已有算法具有更优的整体检测性能。

基于ORB和改进Hough变换的指针仪表智能识读方法

为了满足变电站巡检机器人对电站指针仪表的智能识读要求,提出一种基于ORB和改进Hough变换的指针仪表识读方法,描述了该算法中仪表区域识别、二值化处理、骨架提取和读数获取等环节,利用C++在计算机上进行算法实现、验证。结果表明该算法满足读数精度要求、具有较好的实时性,拥有较高的可靠性和应用价值。

基于Hough变换的机织物组织点自动定位

为实现机织物的组织识别,先要完成组织点的定位和识别。为克服传统的组织点分割方法的局限性,提出采用Hough变换检测织物图像中的经纱和纬纱的倾斜角度,然后对织物图像中的像素点进行坐标变换。在变换后的图像中对像素点进行按行按列灰度累加,通过确定累加曲线中的谷点即可完成织物的经纬纱分割。对经纱和纬纱分割结果进行合并,可得到机织物组织点分割结果。实验结果表明,所提出的算法对存在纱线倾斜的不同织物均可实现组织点的成功定位。

基于Hough变换的车道检测改进算法研究

车道检测是车道侧偏检测的前提,是车辆辅助驾驶系统的重要组成部分,针对这一特点,提出了利用Hough变换来实现对车道检测的直道检测,而对于弯道部分的检测,则是该算法的一个创新之处。通过统计较小区域的目标像素数目,设置感兴趣区域(ROI)来判断车道的弯曲方向,并在该方向上进行弯道像素的搜索,采用多段折线的方法对弯道部分进行重建。实验结果表明该算法具有运算速度快、准确性高、鲁棒性较好的特点。

采用Hough变换和灰度变化的图像角点检测法

根据棋盘格图像的特点,提出了一种新的棋盘格角点检测方法.对图像进行边缘提取后,得到两组相互垂直的直线组,通过Hough变换求出直线组的代数方程,采用代数方法求两组直线之间的交点,确定角点的初始位置.对每一初始角点邻域采用灰度变化检测方法进行精确的角点定位.该方法既保证了角点检出的正确性,又提高了角点坐标的检出精度.试验结果表明,该方法具有较好的效果和较强的鲁棒性.

基于Hough变换利用对称点检测圆

分析了传统Hough变换检测圆中一对多的映射关系导致性能下降的问题,总结了经典的Hough算法和其他研究人员提出的其它改进算法后,提出了采用圆的几何特征,利用圆周上两个对称点的中心为圆心,先检测出圆的圆心,然后检测半径的方法来检测圆。实验及分析证实该方法降低了Hough变换的转换的维度,比传统的Hough变换性能有较大的提高。

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。

一种基于Hough变换的直角角点检测算法

直角角点检测在广泛的图像处理与机器视觉应用领域中具有重要性。提出了一个新的直角角点检测方法。原始图像经边缘检测后得到二值化边缘,将直角角点检测问题分解为一系列的模板匹配问题。应用了Hough变换来高效地解决模板匹配的问题,并在Hough变换中结合了边缘方向信息以减少检测出的虚假直角角点数量。在一个实际的图像数据库上进行了提出的方法与其他数种角点检测算法的对比实验。实验结果表明,与其他方法相比,提出的方法具有最高的直角角点检出率,而其整体性能(包括运行时间、检出率、虚假角点检测率)也具有优势。

一种改进的基于对称性的Hough变换圆检测算法

为提高圆形轮廓目标检测的快速性,提出一种改进的基于对称性的Hough变换圆检测算法.首先对图像进行去噪和边缘提取,并剔除边缘点中可能共线的点;然后利用圆的对称性分两步在一维空间中利用Hough变换投票得到圆心坐标;最后在一维参数空间利用Hough变换累加半径投票值得到半径.对比实验表明,提出的算法有较高的识别准确率和较高的运算速度.