基于极坐标Hough变换的焊点检测标定方法

针对探头在粗定位情况下对车身焊点检测效率和准确率方面存在的不足,提出了一种结合焊点形态结构特点,利用极坐标Hough变换算法和改进的边缘检测算子,以精确获取焊点坐标的方法.此方法通过形态结构决策降低参数存储,用极坐标构造二维参数极大地提高了运算速度,再结合滤波、最小二乘法、双阈值法等算法,能在高噪声的背景下对焊点进行检测标定,以提高机械臂末端探头检测焊点质量的效率和准确率,对于工业上车身焊点检测具有重要的实际意义.实验结果表明,该方法处理焊点图像的准确率达到99.2%,且快速性也有很大的提高.

基于相位一致性和Hough变换的多源图像配准方法

由于红外图像与可见光图像对比度不同,常用基于梯度幅值的特征匹配方法难以正确配准。在分析红外图像与可见光图像成像机制的基础上,提出了一种结合相位一致性边缘检测与Hough变换的多源图像配准新方法。该算法首先采用高通滤波和平台直方图均衡方法对红外图像进行预处理以提高红外图像的对比度,再利用具有图像对比度不变性的相位一致性边缘检测法提取两幅图像的边缘,结合Hough变换选取图像空间中最长的线作为特征,采用改进相位相关法作为相似性度量,在对数极坐标域下计算出两幅图像的几何变形参数。仿真实验结果表明,该方法能够以较高查准率实现红外与可见光图像自动配准,并具有较强的鲁棒性。

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。

改进Hough变换的算法实现

利用Hough变换对直线进行检测,通常参数空间使用的是极坐标系。这种方法存在速度缓慢,结果不够精确的问题。这主要是因为极坐标所用到的正弦函数和余弦函数具有非线性特性,使将来运算基本单元的乘法不可避免。为解决这个问题,提出一种通过改换坐标系、用加法和移位运算代替乘法的新思想,大幅加快了Hough变换的速度。从而使超大型图像中,直线的实时、精确检测成为可能。

基于机器视觉的指针式仪表自动读数方法研究

为了实现指针式仪表的精确自动读数,提出了一种基于机器视觉的指针式仪表自动读数方法。针对仪表展开图像中可能存在的部分刻度不可见和刻度间隔非等距的问题,构建了刻度线缺失下的插补方法和非等距情况下的指针读数计算模型。插补方法利用刻度间距的统计信息,实现了位置的自动插补。指针读数计算模型采用二次样条函数提高计算的精度。实验结果表明:该方法能够有效地减小读数误差,更好地满足指针式仪表的自动读数要求。

基于PPI的二元积累PHT目标检测器

Hough变换只能用于常速直线运动目标的检测与跟踪,当目标有加速度时,检测与跟踪效果非常差。针对此问题,提出了一种PPI图像域基于二元积累极坐标Hough变换(PHT)的目标检测与航迹处理方法,该方法可用于目标的变速直线运动。首先分析了PHT的原理,然后给出了二元积累PHT检测器的结构并分析了该检测器的性能,最后用仿真实例对该算法进行了验证。理论分析和仿真结果表明,二元积累PHT算法可以有效提高微弱目标在低信噪比背景中的检测性能。

MIMO雷达多目标检测前跟踪算法研究

本文基于检测前跟踪技术研究了MIMO雷达系统中多个运动目标的早期预警问题,在推导已知目标数量时的二元广义似然比检验的基础上,提出了一种次优的基于"逐目标消除和极坐标Hough变换(STC-PHT)"的多目标检测前跟踪算法,并推导了该算法的虚警概率和检测概率表达式.与以往的多目标检测前跟踪算法相比,新算法具有较低的计算量,且本质上无需目标数量的先验信息,避免了目标数量未知时需执行多元假设检验的问题.仿真分析表明,新算法能有效地改善MIMO雷达在低信噪比条件下的检测性能.

图像复原中的模糊参数估计

图像复原技术在航空拍摄和机器视觉中是提高图像质量的重要手段.针对有相对运动情况的图像存在的降质模糊,分析了运动模糊的数学原理,针对不同运动模糊采取了不同去模糊方式.即先判断图像存在的运动模糊方式,针对直线运动通过Hough变换法和误差参数法相结合的方法估计降质参数,而对于旋转运动则采用曲线拟合和极坐标转换相结合的方法来估计降质参数.通过维纳滤波方法复原图像,提高图像质量.利用提出的自适应方法对直线运动模糊(参数为(30,70°))和旋转运动模糊(参数为(128,128),20°)分别作了实验计算.对比实验表明,这种由粗及精的方法能准确估计模糊参数,与传统处理方法相比,更加便捷有效.

虹膜图像预处理的研究

本文首先采用形态学对瞳孔进行定位,分割出瞳孔以后,对虹膜进行内外边缘的检测。对外边缘的定位首先采用梯度算子检测边缘,然后用Hough变换进行虹膜定位。由于上下眼皮会部分地遮挡虹膜顶端和底端,因此定位虹膜的时候,以瞳孔为中心,截取-π/4～π/4及3π/4～5π/4的虹膜区域作为研究对象。最后对图像归一化的方法用极坐标变换。实验结果证明该方法的有效性。