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 。

基于模糊Hough变换的被动传感器系统航迹起始方法

提出一种基于模糊Hough变换(FHT)的被动传感器系统中的航迹起始方法。首先利用逻辑关系或规则初步排除鬼点,以降低计算复杂度,推导出被动传感器系统中的Hough变换形式。考虑到传感器系统误差和测量误差对检测结果的影响,将传感器系统获得的观测值模糊映射到参数空间,利用梯度信息降低计算消耗,求出参数空间的模糊累积矩阵,通过模糊推理确定出最终的航迹检测结果。实验结果表明,所提的模糊Hough变换方法能有效解决杂波环境下的航迹起始问题,且计算消耗小。

模糊Hough变换算法在城市道路提取中的应用

采用形态学细化算法,将二值化影像形态学细化之后再进行峰值检测,有效地去除了虚假峰值,提高了道路提取精度及计算效率,为此,利用用模糊Hough变换算法提取遥感影像中的城市道路。试验表明,其方法在计算效率、提取精度以及内存占用方面具有明显优势。

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 .

基于模糊快速Hough变换的盘孔边界识别方法

为了快速准确地识别出某型航空发动机篦齿盘均压孔的边界,提出一种新的模糊快速Hough变换.利用局部梯度信息将检测圆所需的3D Hough变换转化为一个2D Hough变换检测圆心位置和一个1D Hough变换检测圆的半径.在检测圆心位置时,对2D参量空间进行多分辨率分级,通过迭代计算由粗到精逐步细化参量空间.采用模糊投票的方法来处理边缘像素位置和梯度方向的不确定性.通过实验对比了模糊快速Hough变换与标准Hough变换、随机Hough变换进行盘孔边界识别的效果,结果表明模糊快速Hough变换可以快速准确地识别出盘孔的边界,性能优于另外两种算法.

改进的Hough变换对油库目标识别

油库是典型的感兴趣目标之一,大多数呈圆形。针对传统的基于Hough变换检测圆的算法存在计算量大、空间复杂度高等缺点,本文提出一种改进的梯度模糊Hough变换进行油库目标识别。算法首先利用梯度信息减少计算量,然后对边缘像素进行模糊映射,以减少峰值扩散和伪峰现象,最后针对Hough变换不考虑点之间的连通性的缺点设计去虚警算法。实验结果表明该方法计算量小,精度高,能准确定位圆心和半径,识别率达82.5%,虚警率为1.6%。

航空发动机篦齿盘表面裂纹的视觉检测

基于内窥镜的视觉检测技术在现代航空发动机故障诊断中发挥着重要的作用。针对航空发动机篦齿盘均压孔上产生的表面裂纹,采用基于工业视频内窥镜的孔探技术对其进行自动视觉检测。在对均压孔裂纹形成原因和裂纹形态进行分析的基础上,提出一种基于定位-识别模型的盘孔表面裂纹检测方法。该方法采用一种新的模糊快速Hough算法检测均压孔的圆形边界,对盘孔进行定位;然后根据裂纹分布情况确定感兴趣区域,并对该区域内的图像进行二值化和细化;最后采用链码分析实现裂纹识别。在实验中,对比了模糊快速Hough变换、标准Hough变换和随机Hough变换检测盘孔边界的效果,结果表明模糊快速Hough变换可以快速准确地识别出圆形边界,并对盘孔进行定位。采用上述方法对80幅均压孔图像进行裂纹检测试验,结果表明检测的准确率可达91.2%。

基于FGHT的SAR影像形状检测算法

形状检测在目标识别中有着重要作用。广义Hough变换(GHT)具有很好的全局特性,是常用的目标形状检测算法。但由于SAR影像具有强噪声等特点,常用的广义Hough变换算法可能会产生定位不准确的问题,甚至会出现错检的情况。文中将GHT中投票不集中的区域看做"模糊投票点",构造了隶属函数,并据此设计了模糊广义Hough变换算法(FGHT),通过优化参考点的位置达到检测结果精确定位的目的。实验对比证明,该算法在强噪声情况下具有更好的鲁棒性。