基于Hough变换的瞳孔识别方法研究与实现

研究了一种改进的基于Hough变换圆检测的瞳孔识别方法。直接利用Hough变换圆检测进行瞳孔识别准确度低、运算量大,为此,本文提出了改进的识别方法。在实现Canny边缘检测的基础上,利用Hough变换进行求解时,限定检测的半径范围,在此范围内,根据参数空间圆的方程,求出对应的圆心坐标,得到最佳拟合圆,最终实现瞳孔识别以及中心点定位。在vc++6.0开发平台下,对150幅图像进行瞳孔识别检测实验,结果显示,直接利用Hough变换检测方法的准确率为70.7%,平均速度为1s;本方法的准确率为94%,平均速度为0.45s,可见相较于直接利用Hough变换进行瞳孔识别,本文方法在识别准确率和识别速度方面均有显著提高。结果表明,此方法能够快速而准确地进行瞳孔识别以及中心点定位。

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。

一种新的对随机Hough变换改进的检测圆的方法

从数字图像中检测出圆在计算机视觉中具有很重要的地位。随机Hough变换是检测圆的一种有效变换,但在处理复杂图像时,由于随机采样会引入大量的无效采样和积累。文章中提出一种在Teh-ChuanChenandKuo-LiangChung[4]的改进算法基础上,对随机Hough变换改进的检测圆的方法。

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。

一种基于中点画圆算法的改进Hough变换检测圆方法

为了对机械零件图像中的圆形几何特征进行视觉检测,将中点画圆算法与Hough变换相结合,提出一种基于中点画圆算法的Hough变换检测圆的新方法,并对中点画圆算法中的浮点运算等方面进行了改进。给出了该新方法的具体实施步骤和检测结果,表明了该方法的可行性。最后,通过对比实验验证了该方法的有效性。

一种随机Hough变换检测圆的改进算法

从数字图像中检测出圆在计算机视觉中具有很重要的地位。随机H ough变换是检测圆的一种有效变换,但在处理复杂图像时,随机采样会引入大量的无效采样和积累。论文提出一种随机H ough变换检测圆的改进算法,算法的优点在于无需对候选圆之外的信息进行平方运算,只需进行简单的比较运算,有效地提高了检测速度。

基于改进霍夫梯度圆的管孔中心位置确定方法

针对在核电蒸发器传热管涡流检测过程中,需要提高管板爬行器找到待检测传热管管孔中心精度的问题,迁移采用机器视觉定位技术,提出一种基于霍夫梯度圆和最小二乘法的视觉定位方法来精确定位传热管管孔中心并拟合出管孔圆。首先对待测图像进行Canny边缘检测和霍夫梯度圆检测,然后依次遍历Canny边缘图中的每个边缘点,根据计算该边缘点到所有霍夫梯度圆圆心的距离来判断计算结果与该霍夫梯度圆半径之间的差距是否在误差范围之内进行投票,遍历完毕后取票数最多的霍夫梯度圆下的边缘点为有效边缘点集,最后通过最小二乘法拟合出圆中心及半径。通过和传统霍夫梯度圆检测方法的对比实验,结果表明所提方法的定位精度高、抗干扰能力强及泛化能力强,具有现场环境下高精度、高效率的定位检测功能。

改进随机Hough变换的中心检测

针对复杂背景下干扰因素多,圆的形态不规则,传统随机Hough变换圆检测速度慢,检测精度低的问题,提出一种复杂背景下的不规则圆检测方法。该方法首先通过连通区域标记算法,获得目标圆的感兴趣区域(region of interest,ROI),然后对圆的边缘点进行分区采样,提高随机采样的有效性;确定圆心位置后,取圆心的8邻域像素为圆心分别做圆,从而提高不规则圆的检测精度。通过对热保护器校准点的中心检测结果表明,提出的方法可在复杂背景下实现圆的精确检出,检测速度更快,检测精度更高。

霍夫变换算法在圆心视觉定位中的应用研究

在图像处理中霍夫变换常被用于直线及圆检测。传统的霍夫变换运算速度慢,难以满足实际应用中对圆检测快速性的要求。提出了一种改进的霍夫变换快速圆检测算法,通过分析圆周点与邻域内其他点的位置关系,判断出圆周边缘的凸凹性及圆心方向;并以圆弧中心线的累加结果确定了圆周的圆心。通过新算法在液体自动化灌装系统中的应用,实现了视觉系统对桶口的快速识别与定位,验证了算法的有效性与快速性。

瞳孔中心快速定位方法研究

眼球运动是获得和揭示大脑工作信息的重要途径。近年来的研究多将眼球建模成圆或椭圆,利用Hough变换检测圆或椭圆,从而达到瞳孔中心定位的目的。传统的Hough变换(含随机Hough变换)的实时性较差,而为了获得更加准确有效的眼球运动信息,采集帧率往往需要超过100 f/s。为此,利用VOG的暗瞳特性及二值化后瞳孔图像圆的唯一性,通过Video Oculo-graphic(VOG)设备采集眼部视频,对Hough变换进行改进,对预处理过的二值图像进行边缘提取,同时选取边缘上的三点通过点Hough变换得到一个参数组,再用数学期望替代传统Hough变换投票方式,对所有参数组求数学期望,得到最终瞳孔中心。实验证明,该方法可行、精确、稳定。

基于RHT的多圆检测改进算法

针对多圆检测问题,提出了一种基于RHT的改进算法PHT3(3-point Hough transformation)。对整幅图像特征点按连续性进行点集归类,同时计算有效点的梯度方向信息;按照一定的取点规则在同一点集中取3点,得到候选圆的圆心参数;依据所求圆心参数以及梯度信息判定选取3点的有效性,以降低Hough变换的无效累积。针对常规确定圆半径精度有限的缺陷,提出利用点集并结合候选半径的均方差来获得亚像素半径,同时解决了同心圆半径的检测问题。与RHT算法进行对比检测,结果表明:PHT3算法检测时间为RHT算法检测的1/6,且无效累积更小,同时保留了Hough变换对局部信息缺损不敏感和对随机噪声鲁棒性强的特点。

基于LabVIEW的复杂零件多圆特征参数快速精密检测算法

检测复杂零件多圆特征参数时,传统算法复杂、运算时间长且精度较低。本文提出利用梯度方向信息确定采样的三点是否进行累积,利用正六边形窗口缩小搜索像素点的范围,大大缩短了随机Hough变换(RHT)算法边缘特征提取运算时间等方法,最后基于LabVIEW平台实现该精密检测算法,试验验证,该算法对生产线上的标准件多圆特征进行检测时精准有效。