基于改进Hough变换的车道线自动识别算法

针对复杂路况环境中路面图像杂乱或因光照不均导致的车道线不易检测等问题,提出一种基于改进Hough变换的车道线检测算法。首先对采集到的原始图像预处理,利用Canny算子对图像进行边缘增强及区域提取;其次为进一步提高算法的检测时间及准确性,提出利用滑动窗口实现阈值的自适应选取;最后结合渐进概率提出了复杂路况下的车道线检测算法。仿真实验选取KITTI数据集,结果表明,所提算法能够准确提取路面车道线,克服了复杂背景、光照不均带来的影响,与同类算法相比,文中所提的渐进概率Hough变换算法检测时间短、准确率高,具有一定的实用性和优越性。

基于投票约束的Hough变换直线检测算法

图像边缘直线检测的精度直接影响机器视觉尺寸测量的精度,Hough变换算法用于类矩形小插件边缘直线检测时,易在Hough空间形成伪峰、影响边缘检测精准度,为此,提出了基于投票约束的Hough变换直线检测算法,通过引入Hough空间投票权重分配机制来抑制伪峰的产生,对算法性能影响较小,同时较明显地提高了检测精度。基于高分辨率工业相机和高性能计算机构建了精密测量系统,并以手机尾插零件为对象进行实验,实验结果表明,该文算法直线检测精准度可达到89%,与标准Hough算法、概率Hough算法相比较,该文算法的直线检测精准度有较大的提升,且该文研究已应用于某型检测设备研制中。

一种基于Hough变换直线检测的城区影像SGM改进算法

在众多双目影像密集匹配算法中,半全局匹配(Semi-Global Matching,SGM)算法相比局部匹配算法和全局匹配算法在精度和效率方面具有较高优势。相较于一般影像,城市场景影像往往存在大量人造建筑物。针对城市区域立体影像的这一特点,本文提出一种基于Hough变换直线检测的城区影像SGM改进算法,将Hough变换获得的直线信息融入SGM的匹配框架,提高密集匹配算法的精确度和准确度。

一种改进的概率霍夫直线检测算法

针对概率霍夫直线检测算法检测速率不高、检测精度易受其他特征和连续间断线干扰的缺点,提出了一种改进的概率霍夫直线检测算法。改进后的算法将注意力集中在直线可能存在的若干个区间,提升了检测速率与精度,在直线检测全过程监控并剔除连续间断线,提升了算法的抗干扰能力。经过100组铝锭边缘线检测的实验验证,改进后算法相较原算法平均检测速率提升至1.77倍,查准率提升至1.45倍,且改进后算法在其他图片上的检测速率和检测效果相较原算法也有明显提升。

Canny边缘检测和轴线矢量靶场目标姿态测量

对于靶场飞行目标的姿态测量问题,提出一种基于Canny边缘检测与Hough直线检测的靶场目标图像轴线提取方法,并利用成像平面交会获得旋转锥形载体的轴线,实现目标轴线的姿态测量的目的。靶场试验一般有多台光学测量设备采集目标图像,对采集到图像首先应用Canny算子检测目标边缘,对边缘图像适用Hough直线检测算法提取到成像平面上的目标轴线,进而可以得到测站和目标轴线所在的空间平面,利用面面相交原理获得目标轴线矢量的姿态角。该测量方法是基于Canny边缘检测和Hough直线检测的轴线提取方法,在仿真试验中对应用不同参数提取的轴线角度误差在0.3°左右,在实际试验中对目标的轴线提取误差在-0.7°~0.6°之间。实验表明该方法提取出的目标轴线的姿态角能够满足试验需求。

基于改进HT-LCNN线段检测模型的隧洞施工活动时间信息智能提取方法

施工活动时间信息的有效提取是隧洞施工进度分析与决策的重要前提,目前常采用的一种隧洞施工活动时间记录方式是绘制横道图线段。针对传统依赖于人工统计的方式存在效率低、易出错等问题,提出基于改进深度霍夫线条先验网络(Hough Transform-Line Convolutional Neural Network,HT-LCNN)线段检测模型的隧洞施工活动时间信息智能提取方法。首先,采用单应性变换手段进行施工日志图像预处理,解决原始图像存在的倾斜、旋转、扭曲等问题;其次,利用全局上下文注意力模块(Global Context Network,GCNet)改进HT-LCNN模型的残差模块,通过建立和共享全局注意力图,获得目标线段在特征图和通道间的长距离依赖关系,提高模型对目标手绘线段的注意力,克服原有HT-LCNN方法容易受到表格线段和文字干扰的不足,实现手绘线段的高精度智能检测;进一步地,建立施工时刻-活动坐标系,根据所检测的手绘横道图线段的端点坐标位置特征,将其自动转化为施工活动时间信息。将该方法应用于某长距离引水隧洞TBM施工日志活动时间提取,本文提出的改进HT-LCNN模型的检测精度AP_(5)、AP_(10)、AP_(15)值分别为94.7%、95.0%、95.1%,均高于HT-LCNN和LCNN;基于本文方法自动提取的施工活动时间与人工提取结果相比,平均绝对误差仅为1.82 min。本研究为隧洞施工活动时间信息准确高效提取提供了新思路。

基于改进Hough变换的收获机器人行走目标直线检测

提出了基于改进随机Hough变换(RHT)的收获机器人行走目标直线检测算法。将摄像机安装在联合收获机的顶部,在收获过程中采集农田场景图像。根据已收获区域、未收获区域和非农田区域的不同颜色特征,利用统计分析和边缘检测,确定行走目标直线的终点位置以及直线方向上的候选点。以候选点为点集,采用改进RHT完成直线检测。与传统的RHT相比,避免了无效采样和累积问题。经过对多幅图片的处理,证明算法能够有效检测出直线参数,且处理时间在200 ms左右。

用改进的Hough变换检测交通标志图像的直线特征

直线特征是交通标志图像中稳定而重要的特征,直线特征的正确提取,对于提高交通标志识别率是有意义的。针对已有Hough变换的缺点,如参数空间中的峰值扩散问题、繁重的计算复杂度和空间复杂度等,提出了一种自适应"多对多"Hough映射方式。新算法具有良好的时间计算复杂度、对阈值不敏感且能精确地提取出图像中的直线。实验结果表明,新方法的阈值选择范围是MTO_θ的3倍,而运算时间仅为MTO_ρ方法的10%左右。改进的Hough变换能在可接受的时间内准确地提取交通标志图像中的直线,还可用于其它图像(如票据图像、符号图像)中直线特征的提取。

基于改进Hough变换的符号线段特征提取

研究了数学表达式识别中符号线段特征的提取问题。为正确提取符号的线段特征及其一些相关属性,提高识别系统的符号识别率,对Hough变换的局限性进行了分析,并作了一些改进,改进算法在原算法的基础上增加了线段的连续性的检测以及相关属性的提取,如线段数目、方向(角度)以及始末端点等。实验证明,该算法能有效地提取出符号线段及其一些属性,可应用于其他识别系统的符号特征提取。

结合Hough变换与改进最小二乘法的直线检测

提出了一种结合Hough变换与改进的最小二乘法的直线检测方法。分析了Hough变换与最小二乘法在直线检测及检测精度上的优缺点;利用Hough变换鲁棒且不需启发式信息的特点进行初步检测,确定存在直线的大致区域;利用最小二乘法确定直线区域内特征点回归直线的精确参数。为克服最小二乘法对强噪声点敏感的缺点,提出了双点移除的p最小二乘法,通过同时剔除具有最大正负误差的一对数据点,保证数据集中的正常点能得到可靠保留以获得精确的回归结果。实验结果表明,所提方法提高了直线检测的检测率与检测精度,且降低了对Hough变换的分辨率要求,可以减小算法整体的空间开销。

HOUGH变换实时检测算法研究

对直线标准 ＨＯＵＧＨ变换 （ＨＴ）和改进的直线 ＨＴ两种算法的映射策略和时、空指标进行了分析。在此基础上提出了一种采用“多对一”策略的圆检测ＨＴ新算法，与圆检测的标准算法比较，该算法有更好的时空指标，实验结果证明了新算法的有效性。

基于改进Hough变换的图像线段特征提取

为了从复杂背景中提取欲识别的目标,提出一种基于改进Hough变换的图像线段特征提取方法。针对传统Hough变换的局限性,在经典算法的基础上增加了全局阈值与局部阈值结合去除虚假尖峰,利用动态分组原则确定线段的端点,融合端点邻近的线段等改进算法。实验表明,该方法不但可以识别简单背景中的规则几何图形,还可以有效地提取复杂背景中真实目标的线段特征。

基于hough变换的角度检测和特征识别

hough变换是图像处理中直线检测的一种常用算法,但是标准hough变换运算量大,处理速度慢。本文针对具体实例对标准hough,动态广义hough的映射策略和时空指标作了深入研究,并在动态广义hough算法实现上作了一些改进。最后,利用hough变换和质心相结合的方法实现图像的特征识别。

基于二值图像邻域加权的直线Hough变换

实际图像中普遍存在的纹理性区域,常常会由于所产生的大量特征点而形成Hough空间中的虚假峰值。为了抑制纹理性区域特征点造成的虚假峰值,提出了一种直接基于二值图像的邻域在线离线比加权方法,该方法通过考察投票特征点的邻域内在线与离线特征点的数量,来显著降低纹理性区域特征点的投票权重,从而使得Hough空间中真实直线对应峰值的显著性得到相对提升;提出了一种利用加权邻域内局部投票的该加权方法的高效实现,能够避免多次遍历邻域,减少运行时间。在实验图像库上的结果表明了新加权方法的有效性,反映了局部投票带来的运行速度的提高。

一种改进的Hough变换直线检测算法

为了能有效解决Hough变换的计算量大的问题,文中提出了一种基于直线局部结构特征的Hough变换改进的直线检测算法。该算法根据Freeman准则分析了直线上基元的特征信息,通过图像上邻近的同类基元的倾斜角约束基元上像素点的极角范围,减少每个点的计算次数,在保持精度的同时,提高直线检测的速度,在有噪声的情况下,该算法相对标准Hough变换算法可以提高到6到7倍。

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。

基于自适应阈值区间的广义Hough变换图形识别算法

针对Hough变换检测算法计算量大、参数空间中峰值点被次峰值点包围易导致漏检或误检、阈值难以设定等问题,在分析Hough变换原理以及直线与圆弧检测特性的基础上,首先将图像边缘像素点根据邻接关系聚集为不同的类别,顺序存放到数组中,其次提出采用阈值区间的概念检测直线与圆弧,对数组中动态采样得到的像素点按照一定规则进行阈值区间的自适应估算,并依据阈值区间对存储的像素点进行直线和圆弧检测。最后使用GREC2003标准集和人工构造的图形集进行测试,通过对比相关改进算法的实验结果,验证该算法在减小计算量的同时,提高检测的效率。

结合LTS和Hough变换的直线检测算法

为提高Hough变换检测直线的精度,提出一种结合Hough变换与截断最小二乘法的直线检测算法。利用Hough变换确定图像中直线所在的大致区域,提取候选区域内的特征点集,采用截断最小二乘法拟合得到精确的直线参数。实验结果表明,该算法的检测率和检测精度较高,对Hough变换的分辨率要求较低,整体空间开销较小。

基于相位编组图像分块的快速Hough变换直线检测

在分析Hough变换直线检测算法和相位编组法直线检测算法的基础上,针对这两个直线检测算法的不足,结合它们的优点,设计并实现了基于相位编组图像分块的快速Hough变换直线检测算法,对算法进行了详细描述和算法优点分析,并通过实验验证了算法的有效性,实验表明所设计的直线检测算法运算速度快,参数易于选择,鲁棒性强,有一定的应用价值。

基于Canny算子和Hough变换的夜间车道线检测

针对夜间只有车灯照射路面图像整体较暗、光照不均匀、车道线不易检测的问题,提出了一种夜间车道线识别方法。首先,对预处理后的图像采用Laplacian算子进行边缘增强;然后,结合Otsu算法进行Canny边缘检测,再在边缘图像底部1/3区域中利用Hough变换进行直线拟合;最后,在斜率约束的基础上提出了一种内侧车道线提取算法,实现了车辆所在车道内侧车道线的检测。针对多种夜间车道线图像进行实验,结果表明,该算法准确提取出了内侧车道线。提出的方法能克服图像较暗和光照不均的影响,排除旁侧车道线、护栏等的干扰,有助于夜间车辆各行其道。