THE COMBINED HOUGH TRANSFORM

On the basis of researching the generalized Hough transform and its im-provements,this paper presents a combined Hough transform(CHT)for recognizing arbi-trary shapes.The combined Hough transform introduces the idea of the adaptive Houghtransform(AHT)into the double Hough transform(DHT).It not only maintains the de-sirable features of the DHT,but also improves the speed of execution and resistanceagainst disturbance,and reduces the memory requirements greatly.The CHT canaccurately recognize objects,partially occluded in complex background.Therefore,it ispossible to implement the CHT in real-time application.

基于Hough变换的并行光电形状识别系统

本文介绍了基于Ｈｏｕｇｈ变换（ＨＴ）的并行光电形状识别系统．该系统采用ＨＴ进行形状特征提取，所提取的特征具有大小、位置不变性．为克服ＨＴ计算量大并需要很大存储空间问题，本文采用并行光学系统加以实现．所构成的系统具有并行性和实时高速特性．

改进Hough变换在形状检测中的应用

基于经典Hough变换提出了一种改进的随机Hough变换算法,该算法可以大大提高识别速度和检测精度,减小存储空间,降低运算量,且仍具有经典Hough变换对噪声不敏感,随机Hough变换随机抽样和多对一收敛映射的特点,实现了一种逐次提取曲线的方法,将曲线按照由长到短的顺序依次提取出来,并给出了曲线的起始点和终止点的计算方法,实验证明了方法的有效性。在此基础上,还对形状不变性特征进行了分析,得出图形平移、旋转、缩放后,Hough变换峰值的个数没有改变,对角度归一化后,峰值的初始位置有所变化,但峰值间的间隔没有变化。

基于改进Hough变换的建筑目标搜索与识别

结合建筑物搜索与识别的实例,运用改进的Hough变换算法,对经过预处理的图像进行检测,提出了优化、合并、分组的线条分析策略和针对目标的排伪策略以确定目标可能出现的区域,进而排除虚假目标,最终获得目标准确的定位区域。实验结果表明,改进的Hough算法以及线条分析和排伪策略应用在实际的检测识别系统中时,对不同比例、不同视角、不同拍摄时间和条件、目标被部分遮挡的情况以及出现马赛克现象的各种实验图像都具有较好的识别效果。

基于神经网络的形状识别系统及优化

Ｈｏｕｇｈ变换用于形状识别、神经网络用于分类都不是新课题，而我们将这两种方法结合起来，用神经网络实现 Ｈｏｕｇｈ变换并进行特征提取，所提取的特征矢量不受待识别体的大小和位置的影响，且所提特征为一维矢量。对于所构成的神经网络形状识别系统，采用ＢＰ算法进行初１练，优化系统参数。文中最后得出令人满意的实验结果。

基于颜色和形状特征的目标检测与识别

研究了一种基于颜色和形状特征的相似目标检测与识别方法。采用混合学习方式来获得目标颜色阈值解决环境光照变化,利用改进的Hough变换检测目标形状,解决目标部分遮挡和阴影的影响,基于模糊理论判定目标颜色和形状信度,该方法应用于移动机器人在复杂环境中对目标的检测与识别,实验结果证明了所提出方法的有效性。

基于颜色和形状特征的目标检测与识别

研究了一种具有相似颜色和形状特征的目标检测与识别方法。采用学习 -扩充法获得适应性目标颜色特征的空间分布 ,克服环境光照变化对目标颜色特征提取的影响。利用改进的Hough变换检测目标形状特征 ,解决目标区域出现阴影及目标被部分遮挡对识别的影响。最后通过融合前面所获得的颜色信度和形状信度 ,对目标进行模糊判决。通过移动机器人在复杂环境中对目标的检测与识别应用 。