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。

基于梯度Hough变换的遮挡苹果目标定位

为实现自然环境中被枝叶或其他果实遮挡的苹果目标定位,提出一种基于图像边缘信息的梯度Hough变换的目标定位方法。该方法首先在Lab空间中利用K-means聚类算法对自然环境下苹果图像进行分割,然后对分割结果进行形态学操作以去除小区域,接着采用Sobel算子提取苹果目标的边缘,最后利用梯度Hough变换获取苹果目标的圆心及半径,实现遮挡苹果目标定位。实验结果表明,该方法能够有效定位遮挡苹果,定位重合度高达93.17%。

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。

一种基于Hough变换的新直线段检测算法

为了获得图像中直线段的端点及长度信息,提出一种逆向Hough变换检测算法,由一个已知点和直线的斜率构造直线的方程,然后检测满足直线方程的点的个数.同时,为了克服Hough变换计算量大的弊端,引入直线梯度方向信息,避免重复的直线提取.实验证明,该方法较传统的Hough变换,可以很好地得到直线段的端点,并且算法快速简单.

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%。

基于有序Hough变换的快速圆检测算法

针对随机Hough变换(RHT)及其改进算法在同一圆边缘点随机抽样时命中率低且投票处理过程复杂,提出了基于有序搜索的广义Hough变换快速圆检测算法(SQHT)。该算法利用圆的几何性质和梯度方向信息来有序搜索圆边缘点集,将Hough变换的基于投票判定基元参数转变为有效确定基元三点的讨论。执行算法时,首先顺序搜寻第一边缘点并根据邻域边缘点集或图像灰度值计算其梯度值;接着在第一点所在行匹配与其梯度信息相符的第二点,根据前两点信息在第一点所在列匹配第三点;最后按照RHT算法流程确定有效基元参数,从而避免了随机抽样带来的时间不确定性。该算法具有计算速度快,检测时间可控,适用范围广泛,抗干扰性强等特点。相比于RHT算法,提出的算法在单目标圆检测情况下检测效率提高了2倍,在多目标圆(5个及以上)且有非目标边缘点情况下检测效率提高了5倍,在多圆检测方面能有效弥补了Hough变换算法的不足。

一种基于梯度Hough变换和SVM的圆检测算法

针对复杂背景下的多圆检测,分析传统的方法,并在标准Hough变换的基础上进行算法改进,把一次三维Hough变换转化成两次二维Hough变换的组合。把圆心和半径分开检测,在积累数组的投票中引入梯度信息作为投票权值,同时采用SVM对检测结果进行假圆的识别和去除,提高了检测精度和算法的效率。

一种改进的二维Hough变换提取激光光斑参数方法

文章提出了一种改进的二维Hough变换提取激光光斑参数的方法。根据不共线三点决定一个圆的原理,利用目标图像任一边缘点的梯度方向信息,按规则选取目标边缘上的其它两个点,将三个边缘点作为一组数据,求解圆形目标的方程。对参数空间中的二维矩阵数组投票,得到圆形目标的中心坐标。对归一化半径直方图进行滤波,求得圆形目标的半径。将该算法运用于实际探测到的激光光斑图像,在运行时间及定位目标图像的准确度上都取得了较好的结果。

基于Hough变换和梯度信息的人眼视线方向估计

本文主要研究使用廉价的摄像头进行人眼视线方向估计,所采用的方法是在眼部特征分析的基础上引入边缘梯度方向信息.首先对人眼模型进行讨论,并在样本分析的基础上提出了新的眼睛模型.作为眼睛模型的组成部分,上眼睑、内外角点和虹膜检测所采用的技术是基于梯度信息的Hough变换.根据所定义的视线模型和眼部特征分析,人眼视线方向就可以得到有效的估计.将所提出的人眼视线方向估计算法应用于实时视线跟踪系统,并通过凝视点标定、估计结果分类和错估率统计等方法对算法性能进行考察,结果表明所提算法在低分率的图像条件下具有更高的估计精度.

一种基于改进Hough变换的车道线检测算法

文中提出了一种适合于DSP的基于改进的Hough变换的车道标志线检测算法.算法首先对经典Hough变换的前级处理过程——边缘提取中的边缘图像进行梯度运算,然后利用获得的梯度运算结果来确定后续Hough变换过程中本该360°搜索的边缘方向这个参数,同时在基本不影响车道标志线检测结果的前提下对参数空间进行适当分块,以减少车道标志线检测算法的运算量.实验结果表明:文中的方法不仅能够准确地检测出待检测路面的车道标志线,而且能够实时的运行在DM648DSP硬件平台上,获得了很好的车道标志线检测效果.

基于hough变换的倾斜文档图像快速校正

对文档图像字符识别时,需要对有倾斜的图像进行校正,以提高分割和识别的精度.提出一种基于梯度方向统计的倾斜文档图像快速校正方法,该方法利用图像的梯度方向分段累积直方图,得到图像的大致倾斜角度,然后利用hough变换思想,在获取的大致角度范围内对图像进行投影,得到精确的图像倾斜角度,有效地缩小了hough变换角度的搜索范围.对手写和打印体文档图像进行的实验结果表明,与传统的hough变换投影方法相比,该方法的算法执行时间大幅度减小,对图像噪声也具有很强的抗干扰能力.

快速随机Hough变换多直线检测算法

直线检测是计算机视觉和模式识别领域内的一项重要任务.针对现有随机Hough变换直线检测算法的无效采样量大、计算速度慢等缺点,在随机采样过程中提出了一种新的采样策略.我们先根据所有边缘点梯度方向的统计分布特征确定潜在直线的主方向,再通过设定的阈值消除K个分组边缘点集中对直线检测毫无贡献的点集.这样,不仅约束了随机Hough变换的采样范围,也减少了在随机采样过程中大量的无效采样,还使得算法速度得到提高、存储减少.最后通过仿真从检测单条和多条直线两方面出发对本文算法性能进行了分析.实验结果表明:算法能在实际噪声图像中快速提取出所有目标直线,对离散误差、局部断裂等缺陷不敏感,直线检测准确率也得到提高.

改进的随机Hough变换圆检测算法

针对随机Hough变换会产生大量无效累积的问题,提出了一种改进的随机Hough变换算法来检测圆,该算法利用梯度来预先判断随机采样的三个点是否在同一个圆上,从而大大减少了无效累积;另外,该算法还在圆参数的计算、阈值的确定、候选圆的确认等方面进行了改进。实验结果表明,该算法精度高,速度快,检测性能有了较大提高。

基于梯度的随机Hough快速圆检测方法

针对随机Hough变换(RHT)在复杂图像中检测圆时产生随机采样的大量无效累积,提出了一种改进的RHT用于圆检测,方法利用梯度方向信息来判定是否对采样到的三点进行参数累积,从而较好地解决了无效累积问题。实验表明改进后的算法比原算法计算速度快,占用的内存小,检测性能有较大提高。

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.

一种新的随机Hough快速圆检测算法

随机Hough变换(RHT)在复杂图像中检测圆时随机采样会造成大量无效累积，该文提出了一种改进的RHT用于圆检测，它是利用梯度方向信息来决定是否对采样到的两点进行参数累积，从而较好地解决了无效累积问题，改进后的算法比原算法计算速度快，占用的内存小得多，检测性能有较大提高。

基于随机Hough变换的快速圆检测方法

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在复杂图象中检测圆时随机采样所造成的大量无效累积，提出了一种改进的ＲＨＴ用于圆检测，它是利用精度要求不高的梯度方向信息来决定是否对采样到的三点进行参数累积，从而较好地解决了无效累积问题．改进后的算法比原算法计算速度快、占用的内存小得多，检测性能有较大提高．

利用梯度方向信息的随机Hough变换

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在处理复杂图像时随机采样造成的大量无效累积提出一种改进的用于直线检测的ＲＨＴ，较好地解决了无效累积问题，并使改进后的算法具有计算速度更快。