模糊随机Hough变换算法

提出一种新颖的将模糊理论与随机 Hough变换相结合实现参数曲线自动检测的方法 ,即模糊随机 Hough变换 .与其他随机 Hough变换方法相比 ,该方法可以处理背景噪声较强、曲线有一定交叠和缺损的图像 ,检测出的曲线精确度更高 ,能够有效地避免检出错误曲线的情况 .为了叙述的简便 ,仅以直线和圆为实例 ,但可以推广到任意曲线的检测 .

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。

基于运动分类和二维卷积的随机Hough变换航迹起始

随机Hough变换具有占用存储空间小、计算量低的优点,常用于低杂波环境下的航迹起始。针对随机Hough变换在密集杂波环境下存在峰值簇拥、计算量大导致航迹无法正确起始的问题,文中提出了一种基于运动分类和二维卷积的随机Hough变换航迹起始方法。首先,利用距离约束限制无关点迹做随机Hough变换;然后,对不同运动朝向的点做随机Hough变换,产生的特征参数分别用矩阵存储,为避免测量噪声导致航迹特征参数得不到积累,对每个特征参数矩阵做二维卷积;最后,将过阈值门限的特征参数点进行聚类处理完成航迹起始。验证结果表明:所提方法能在密集杂波环境下有效地起始多目标航迹,不仅成功率高,而且计算量小,具有较好的工程应用前景。

基于随机Hough变换的复杂条件下圆检测与数目辨识

在复杂背景和光照条件中检测不规则分布的圆,并且准确辨识其数目,可为一些专用的智能仪器提供理论依据,有着广泛的工业应用价值。针对需要检测的圆数量大、光照不均匀、光照强度变化、分布不规则、相互间有遮挡及边界模糊和灰度接近等复杂条件,在随机Hough变换的基础上进行改进,利用圆的特性和梯度算法对圆进行判定,可以在复杂条件下对圆进行准确的检测判定和数目辨识。通过对钢管储存现场图像检测的计算与分析,证明此算法在较高的干扰下可以准确地对钢管进行定位和数目辨识,对于相互遮挡的钢管也可以准确识别。相对于目前通用的圆检测算法,本算法可以达到更好的识别效果,完全满足工业实际应用的要求。

随机Hough变换圆检测累计加速算法

随机Hough变换是一种检测圆的有效方法.为了进一步提升随机Hough变换圆检测算法的执行速度和抗噪声能力,提出一种基于有效继承的随机Hough变换圆检测累计加速算法.该算法在每次成功检测圆后不清空参数空间的累计值,继承了上次的有效采样,对没有通过验证的参数单元设定负累计值;通过数理统计分析,采用伯努利试验模型解释了加速原理,得出该算法可以减少总采样次数并节省清空参数空间所需时间的结论.实验结果表明,加速原理的理论分析是正确的,文中算法的加速效果是显著的,且具备更强的抗噪声能力.

基于改进随机Hough变换的棉桃识别技术

为准确识别自然环境中被遮挡的棉花,提出一种基于随机Hough变换的棉花识别方法。为了减小运算量,首先基于RGB彩色模型的(R-B)色差通道进行图像分割,利用区域标记获取棉花最小外接矩形区域。然后在有效区域内采用边界跟踪方法获取轮廓信息,根据棉桃轮廓的数学模型进行随机Hough变换。仿真表明:当棉花轮廓信息丢失量小于1/2时,识别效果良好。而且由于轮廓提取和Hough变换均在有效区域进行,参数空间大大压缩,能满足采棉机器人对目标识别精度和速度的要求。

一种快速的随机Hough变换圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理复杂图像时随机采样带来的大量无效积累会导致计算量过大。提出一种快速的随机Hough变换圆检测算法,对证据积累的计算从三方面进行研究,有效地提高了计算速度,具有较好的应用价值。

基于联合Wigner-Ville分布—随机Hough变换改进算法的线性调频信号参数快速估计

为了解决传统Hough变换(HT)庞大的计算量和存储量的问题,提高对线性调频(LFM)信号参数估计的实时性和准确性,根据Wigner-Ville分布(WVD),得到含噪单分量LFM信号的时频特性,利用最大值法进一步估计出瞬时频率;截取一段频率估计值,利用随机Hough变换(RHT)实现LFM信号的参数估计。仿真分析表明,与传统WVD-HT相比,该算法的运算量明显减少,约为WVD-Hough的1/3,并且参数估计精度高于WVD-Hough算法,具有较强的实用性。

基于随机Hough变换改进的快速圆检测算法

针对随机Hough变换中采样随机性带来的大量无效采样和积累导致算法效率过低的问题,对随机Hough变换的基本原理进行研究,提出一种改进的随机Hough变换快速圆检测算法。利用图片边缘细化处理减少噪声因素的影响,通过随机采样一点和采用最小二乘法对该点所在的N×N窗口内的连通域进行圆拟合,得出候选圆以提高采样效率,通过缩小限定验证取值区域减少计算量,进行候选圆的证据累积判断。实验结果对比分析表明了该算法具有更快的检测速度和较好的准确性。

自适应模糊Hough变换

提出一种直线检测的新方法———自适应模糊Hough变换 .该方法在依据梯度方向信息对边缘像素进行模糊映射的基础上 ,以模糊累积矩阵作为全局约束条件 ,采用模糊推理求取每像素所属直线的具体参数 ,并通过二次累积检测直线段 .实验表明所提算法计算消耗小 ,检测精度高 。

基于随机Hough变换的匀加速运动目标检测算法及性能分析

该文针对K分布海杂波加热噪声背景环境下作匀加速抛物线运动的低可观测目标的检测问题,提出了一种新的基于随机Hough变换的快速检测算法.该算法利用随机采样的3点数据和一维角度搜索来提取开口方向任意的抛物线轨迹,并利用所采样的3个雷达数据点携带的时间信息进一步减少了无效采样,大大加快了算法的运算速度.文中针对该算法的检测性能分析提出了一种理论分析方法.性能分析的结果既表明了检测概率、虚警概率、门限以及采样次数之间的关系,还表明当采样次数趋向无穷大时,随机Hough变换的检测性能趋向于Hough变换的检测性能.

基于改进随机Hough变换的虹膜定位算法

针对随机 Hough变换 (RHT)中随机采样造成的大量无效采样和无效积累问题 ,提出了基于连续曲线段的 RHT(CRHT)算法并应用于虹膜定位中 ,它一方面利用了边缘图像的连续特性减少无效采样的数量 ,另一方面利用了精度不高的梯度方向信息减少无效积累的问题。实验结果证明改进的 CRHT算法提高了虹膜定位速度。

基于改进随机Hough变换的快速中心检测方法

为了实现芯片焊盘的中心提取,建立了显微视觉系统,研究了焊盘中心坐标的图像检测方法.该方法将改进的随机Hough变换与最小二乘法结合起来,实现对焊盘中心坐标的快速准确定位.首先,根据焊盘基本为圆形的特征,初步确定使用Hough变换法和最小二乘法进行中心检测.其次,分析了这两种方法存在的问题和不足,引出了改进的随机Hough变换法.最后,根据焊盘边缘凹凸不平的特点,将改进的随机Hough变换法和最小二乘法结合起来,通过随机Hough变换检测出焊盘中心的大致坐标,进而锁定焊盘边缘,再通过最小二乘法对中心坐标进行修正而得到精确的亚像素级中心坐标.实验结果表明,该方法的检测精度可达0.57μm,运行时间在12 ms以内,满足显微视觉系统的精度高、速度快和抗干扰能力强等要求.

采用拟梯度方向信息的随机Hough变换直线检测

针对随机 Hough 变换(RHT)中的无效采样和累积问题,以边缘点的梯度方向信息为基础,提出了利用边缘的拟梯度方向代替边缘点作为待测空间的直线检测方法。理论分析和实验表明,与传统 RHT 相比,本算法具有检测速度更快、精度更好等优点。

基于随机Hough变换的零基线正弦曲线检测

研究零基线正弦曲线的随机Hough变换的最小点集、收敛映射和动态链接表结构3个基本问题,提出改进的三点拟合零基线正弦曲线的方法,给出零基线正弦曲线的随机Hough变换检测算法,并分析算法的计算性能和存储量性能。仿真实验表明该方法的有效性。

基于随机Hough变换的道路边界识别算法研究

道路边界识别是基于机器视觉的智能车辆关键技术之一,提出了一种基于直线道路模型的道路边界识别和跟踪算法,该算法包括道路边界初始识别算法和跟踪算法两部分。在初始道路边界识别阶段,对预处理后的图像进行逐行搜索道路边界候选点,并结合相关的道路约束条件,采用Hough变换对候选边界点进行拟合,以提高鲁棒性。该方法的创新点是在道路跟踪算法中,建立目标搜索区域(OSA),OSA的宽度根据道路边界识别的拟合可信度的变换进行动态调整,并采用随机Hough变换的算法对OSA中的边界点进行拟合,这样显著减少了运算时间和存储空间。试验结果表明,该方法不仅满足道路边界识别的实时性要求,还具有较好的鲁棒性。

基于改进随机Hough变换的混合圆/椭圆快速检测方法

针对随机Hough变换 (RHT)在复杂图像中检测圆时随机采样所造成的大量无效采样和无效累积问题 ,提出了一种新的基于连续曲线段的RHT(CRHT)混合圆 椭圆检测方法 ,它首先利用连续的边缘曲线段来优先决定随机采样点的数据 ,再利用不准确的梯度方向信息来决定是按照圆还是椭圆对采样到的几个点进行参数累积 ,一方面它较好地解决了标准RHT检测中无效采样概率大、无效积累时间多的问题 ,另一方面也解决了圆与椭圆的混合检测问题。实验结果表明本文的算法具有较高的计算速度 。

快速随机Hough变换多圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理多圆复杂图像时随机采样带来的大量无效累积会导致计算量过大。文中提出一种基于随机Hough变换的快速多圆检测算法,除去三类噪声点,通过随机采样到的一点按照一定规则搜索另外两点来确定候选圆,用原始图像对候选圆进行证据积累以判断是否为真圆。理论分析和实验结果表明:该算法较其他算法能更快地检测出图像中的多个圆,具有较好的应用价值。

基于随机Hough变换的人头检测

传统的人头检测方法多为基于人脸和头发的检测,误差较大。为此,提出一种基于随机Hough变换(RHT)的人头检测方法。根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。