一种新的快速Hough变换圆检测方法

Hough变换圆检测(HTCD)存在计算量大和占用内存空间大的缺点,严重影响了该方法的计算效率。提出了一种新的快速Hough变换圆检测(FHTCD)的新方法。首先通过下采样,得到缩小的图像;进行Hough变换圆检测,得到粗尺度的检测结果。将结果恢复到原始尺度,在其放宽的误差范围内建立新的参量空间;再次进行Hough变换,可以得到圆检测精确值。新的方法通过压缩和适度控制参量空间,大大减少了冗余信息带来的计算量,提高了检测效率。实验证明,新的方法计算所需的时间最多不到HTCD方法的1/15;在强抗干扰条件下,其检测速度优于随机圆检测方法,有较好的检测精度,能满足实时处理的要求。

随机Hough变换圆检测累计加速算法

随机Hough变换是一种检测圆的有效方法.为了进一步提升随机Hough变换圆检测算法的执行速度和抗噪声能力,提出一种基于有效继承的随机Hough变换圆检测累计加速算法.该算法在每次成功检测圆后不清空参数空间的累计值,继承了上次的有效采样,对没有通过验证的参数单元设定负累计值;通过数理统计分析,采用伯努利试验模型解释了加速原理,得出该算法可以减少总采样次数并节省清空参数空间所需时间的结论.实验结果表明,加速原理的理论分析是正确的,文中算法的加速效果是显著的,且具备更强的抗噪声能力.

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。

基于重要性采样的随机Hough变换圆检测算法

提出了一种新的基于重要性采样的随机Hough变换圆检测算法,利用基于圆的几何特性的边界点搜索策略提高采样效率,通过指定重要性采样技术中的目标分布,计算采样参数权重,使得圆识别更加容易和精确;利用基于聚类技术的峰值检测方法,实现多个圆的同时检测。通过将本文提出的新算法与现有的其他两种算法进行实验对比,表明该新算法在检测精度、检测速度、识别可靠性、抗噪能力等方面都有显著性提高。

基于Hough变换圆检测的人眼定位方法改进

对基于Hough变换圆检测的人眼定位方法进行了改进,借助积分投影定位人眼坐标时求得的灰度特征值,给出了一种快捷准确的眼睛定位方法。采用基于灰度积分投影的方法粗定位人眼,求得大致的虹膜半径、中心坐标和虹膜区域等;再采用"最小外接矩形法"估算待检测圆的圆心及半径,运用Hough变换检测圆的方法精确检测出虹膜。在VPM642实验平台上,使用C语言进行了编程实现。实验结果表明,该人眼定位方法有很好的检测效果,人眼定位精度达到93.5%。

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。

改进的Hough变换圆检测算法

针对标准Hough变换在圆检测中对时间空间需求高的问题,提出一种改进的Hough变换圆检测算法。该算法将标准Hough变换检测圆时的三维空间转换为一维空间,利用圆为中心对称图形的几何特征计算圆心,然后通过一维Hough变换进行半径累积,得到圆半径。实验证明,该算法运行速度快,占用内存小,抗噪性能好,对单个圆和多个圆同样有效,具有较高的实用价值。

基于采样约束的随机Hough变换圆检测算法

为减少图像中的圆检测时间并提高圆检测精度,提出一种随机Hough变换圆检测算法。以随机采样的一点作为圆直径的一个端点,用约束候选圆直径范围的方法确定候选圆,再将候选圆n等分,对每个方向进行证据积累以判断是否为真圆,通过聚类算法剔除错误样本点,对真圆进行最小二乘拟合以得到更准确的圆参数,解决由于随机采样三点而造成的大量无效采样累积问题。实验结果表明,与RHT算法、ARHT算法和BRHT算法相比,该算法的检测速度更快、检测精度更高。

一种改进的基于对称性的Hough变换圆检测算法

为提高圆形轮廓目标检测的快速性,提出一种改进的基于对称性的Hough变换圆检测算法.首先对图像进行去噪和边缘提取,并剔除边缘点中可能共线的点;然后利用圆的对称性分两步在一维空间中利用Hough变换投票得到圆心坐标;最后在一维参数空间利用Hough变换累加半径投票值得到半径.对比实验表明,提出的算法有较高的识别准确率和较高的运算速度.

一种基于随机Hough变换圆检测的改进算法

介绍了一种基于随机Hough变换(RHT)的圆检测的改进算法。该算法利用梯度方向信息来确定采样的三点是否进行累积,然后再利用确定候选圆范围的方法来缩小所要搜索的像素点的范围。此方法较好地解决了传统RHT中由于随机采样而造成的大量无效累积问题,并且改进后的算法使运行速度得到进一步的提高,检测性能也有较大的改善。该算法分别在加噪和不加噪的人工图像上做了实验,检测性能和处理速度方面都比传统的RHT有明显的改善和提高。

基于TMS320DM642的快速Hough变换圆检测算法的实现

为了在DSP平台上实时检测圆孔或圆弧图像的特征参数,介绍一种用于快速提取圆参数的基于TMS320DM642平台改进Hough变换算法。该算法利用圆的几何对称性估算待检测圆的参数,从而有效缩小参与Hough变换的参数域的范围。实验结果表明:在资源有限的嵌入式平台上,该算法计算速度快,占有内存小,检测性能好。

基于随机Hough变换圆检测算法的MRI质量控制空间线性度自动检测程序设计

目的基于Magphan SMR 170体模,设计检测程序实现对空间线性度的自动测量,摆脱传统人工检测方式,提高MRI质量控制过程中空间线性度的检测效率。方法针对图像特征,设计包括预处理、特征提取等一系列图像处理算法,重点讨论基于随机Hough变换圆检测及其改进算法对空间线性度待识别模块的提取。结果基于随机Hough变换圆检测及其改进算法的自动检测程序实现了对待识别模块的提取,同时给出的空间线性度检测结果,较于手工检测存在差异,差异显著性水平P=0.10009>0.05,未达显著。结论本文所设计空间线性度自动检测程序能够取代人工检测,在提高参数检测效率的同时,保证了MRI质量控制程序的科学性。

一种简易Hough变换圆检测的原木端面识别方法

提出一种简易Hough变换的圆检测方法,其参数空间为二维累加器,在没有嵌套圆的情况下大大提高了圆的检测效率。基于K-means聚类分割算法下,采用随机寻找到原木边缘上的一点,根据其梯度角信息搜索同一原木边缘上的其它两点来寻找潜在原木图像上的类圆,根据潜在类圆的圆心参数累积和原木边缘验证,进而判定潜在原木是否真实存在。

基于Hough变换圆检测和边缘模板匹配的轴承缺陷检测与定位

针对工业生产中不同检测环境下轴承滚子自动检测时存在的误检问题,提出一种基于Hough变换圆检测和边缘模板匹配的轴承滚子检测方法。首先,使用同态滤波算法对图像光照进行校正,以增强图像的对比度,同时采用Hough变换圆检测算法获取轴承滚子的轮廓,并根据检测结果在原始图像中截取感兴趣区域;然后,利用边缘模板匹配算法对轴承滚子模板和感兴趣区域进行匹配筛选,获得已装配轴承滚子的全部定位点,再进一步基于定位点进行圆拟合,从而找到缺失滚子所在位置;最后,通过实验可知所提方法的正确检测率比传统预测匹配差阈值化方法和高斯加权均值分割法分别提高29%和37%,验证了所提方法的有效性。

基于改进随机Hough变换的圆形目标检测算法

圆形目标检测在各个领域得到了广泛应用.为了提高规则圆的检出效率、降低不规则圆的漏检率,文章提出了一种改进随机Hough变换的圆形目标检测算法.算法首先用区域增长和RGB二值分割等算法对不同背景的图像进行二值分割和去噪处理,接着对连通域分割的特征区域用具有圆形性特征的边缘点进行候选圆的检测和验证.实验对比结果表明,本文算法可以显著提高规则圆的检出效率、降低不规则圆的漏检率,算法计算量小、运行速度快、鲁棒性强.

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Hough变换圆检测的颅脑穿刺靶标信息提取算法对比研究

目的 对比3种Hough变换算法(标准Hough变换、基于梯度的Hough变换、随机Hough变换)的原理与性能,为颅脑穿刺机器人精确、快速识别靶标并获取靶心坐标提供合适的控制基础。方法 在MATLAB软件中搭建仿真环境,研究分析图像特征识别、滤波、边缘检测、累加投票等处理工程,实现多个场景下目标圆的轮廓识别、拟合及其圆心坐标获取,定量化比对各算法的识别、拟合性能,最终根据颅脑穿刺机器人的实际应用环境确定更优的检测算法。结果 标准Hough变换算法拟合的标记圆与目标圆误差最大,同时因计算较大致使算法运行时间最长。随机Hough变换算法检测速度低于基于梯度的Hough变换算法的速度,但拟合准确度比标准Hough变换算法略好。基于梯度的Hough变换算法的圆拟合速度与准确度相比前两者而言具有明显优势。结论 基于梯度的Hough变换算法更适用于颅脑穿刺机器人系统的靶心坐标获取。

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。

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。

基于Hough变换的圆检测方法

总结了圆检测的几种常用方法,如经典HT、随机HT和广义HT。结合几种方法的优缺点,提出了一种基于经典HT的改进Hough变换圆检测方法。该方法先对图像进行预处理,如灰度化、去噪滤波、边缘检测以及运用数学形态学等,然后进行Hough变换。其主要思想是用多维数组来代替经典的循环过程。把Hough变换应用到织物防水性能自动测试的真实图像中,通过对经典Hough变换与改进后的Hough变换的比较,可以看出检测速度有所提高,检测精度也达到了令人满意的程度。