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。

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。

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。

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。

基于机器视觉的相贯线特征提取方法

两圆柱正交相贯体相贯线的检测在工程领域具有广泛的应用,但有关相贯体相贯线的检测研究较少。提出了一种基于机器视觉的相贯线提取方法。在图像预处理阶段选取HSV空间的图像中S通道的图像进行OTSU二值化处理,并根据二值化图像进行了ROI图像分割。在边缘检测阶段,提出了一种基于频域图像增强的Canny边缘检测,将传入图像使用巴特沃斯高通滤波器进行图像增强,再经双边滤波后进行自适应双阈值的Canny边缘检测,最后利用闭运算图像形态学处理边缘图像,将图像中离断、孤立的边缘连接为整体。对于相贯线的拟合,分别采用概率霍夫变换和霍夫椭圆变换对直线、双曲线形的相贯线进行了提取。仿真模拟结果显示,所提方法相较于传统的Canny边缘检测方法可以更完整地检测出图像中的相贯线特征,相贯线的检测准确率达到96.2%,精度较高。

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。

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变换的公路车道线快速检测算法

针对机器视觉导航中道路引导线检测方法复杂、实时性不能满足使用要求的问题提出了基于改进Hough变换的公路车道线快速检测算法:根据车道线与路面颜色的不同判断车道线位置计算出车道线的方向候补点群,根据车辆所处车道的情况对方向候补点群进行聚类,以每一类的中点为基准点使用基于一点的改进Hough变换算法计算出车道线的斜率。实验结果表明,一幅图片的处理时间约85 ms,处理结果与实际情况吻合。算法能够检测出高速公路上所有车道线的斜率,为道路引导线的实时检测提供了一种新思路。

基于结构森林边缘检测和Hough变换的海天线检测

海天线是海面环境图像所具有的重要特征之一,海天线的检测对划分海空、海界区域以及目标检测有重要作用.提出了一种结合结构森林快速边缘检测和概率Hough变换的海天线检测方法.首先通过高斯低通滤波来减小海面浪纹、光照反射等局部纹理影响,然后使用已完成训练的结构化随机森林为每个像素贴上边缘标签——二值化,最后通过Hough变换原理拟合海天线.实验结果表明,该方法可以较好地忽略局部干扰边缘,强化边界提取,对复杂海天背景下的海天线检测具备鲁棒性和高准确性.

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。

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。

粒度Hough变换及其在遥感影像直线检测中的应用

在基于Hough变换的遥感影像直线检测的过程中引入粒度计算的概念,利用粒度计算具有多角度、多层次观察问题的能力,对遥感影像中的直线边缘特征进行不同粗细的粒度分析,建立粒度计算概念下的直线检测算法,实现对不同长短、粗细直线的识别。真实的IKONOS遥感影像机场跑道提取试验证明了该方法的有效性。

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。

用于线段特征提取的改进Hough变换

线段是符号的一个具有旋转、平移和尺度不变的稳定性特征,正确提取符号的线段特征对于提高符号识别系统的识别率有很重要的意义。针对已有的基于Hough变换的线段提取算法的缺点,该文提出了一种用于线段特征提取的改进Hough变换算法。通过采用“多对一”映射;将Hough变换的投票过程和线段参数的检测过程融为一体;动态管理算法所需的临时存储空间等手段,使该算法具有较好的计算复杂度和空间复杂度。针对数字图像的量化特点,精心设计了用于检测在直线上点的条形区域,从而大大地降低了噪声对线段参数检测的影响,使该算法具有较好的检测性能和鲁棒性。实验表明,该文算法能正确提取出线段的端点坐标及其长度。