权重约束AdaBoost鱼眼识别及改进Hough圆变换瞳孔智能测量

针对传统鱼眼瞳孔直径测量方法耗时、耗力,且数据主观性强的问题,该文提出基于权重约束AdaBoost和改进Hough圆变换的鱼眼瞳孔直径智能测量方法。首先,利用工业相机采集实验板上的鱼图像,从正负鱼眼图像样本中训练出基于权重约束AdaBoost算法的鱼眼分类器;然后,采用该分类器对试验图像进行检测,将检测到的鱼眼局部图从整体图中分离出来;最后,采用改进的Hough圆变换检测出鱼眼的瞳孔,并计算得到瞳孔直径。对100条金鲳鱼进行试验,鱼眼分类精度达97.1%,瞳孔正确检测率达94.2%,相比改进前分别提升了1.7个百分点和10.5个百分点,与人工测量瞳孔直径值的平均偏差为6.5%,比改进前低了5.9个百分点,总的平均测量时间为324.371 ms,比改进前减少了10.707 ms。试验证明:该文提出的方法能够精确、实时、自动地测量出鱼眼瞳孔的直径,有效避免了传统测量方式的复杂性和测量数据的主观性,可为鱼体生长状况评估、良种选育提供重要参考。

改进Hough圆变换的细胞图像定位分割研究

针对改进Hough圆变换在尿液图像中红细胞定位分割中的应用,首先阐述Hough圆变换原理,明确该处理方法的优势与作用,其次介绍尿液图像红细胞,最后从定位分割方法、改进Hough圆变换检测两个方面着手,分析Hough圆变换的运用,提高尿液图像中红细胞定位分割准确性,为尿常规检查提供先进图像处理技术。

基于两级分割与区域标记梯度Hough圆变换的苹果识别

自然环境下果实的准确分割与快速识别是采摘机器人作业面临的难题之一。针对自然环境中的成熟苹果,该研究提出一种基于Otsu与分水岭相结合的两级分割算法与区域标记梯度Hough圆变换的苹果识别方法。首先,使用亮度自适应校正算法对表面亮度分布不均的苹果图像进行校正,增强图像的细节信息。结合果实颜色特征,提取YCbCr颜色空间的Cr分量图像作为预处理样本。然后,采用改进后的Otsu算法进行初次分割,得到苹果目标的二值图像,该算法通过引入形态学开-闭重建滤波去除大量背景噪声,通过缩减灰度级遍历范围提高分割速率。采用基于距离变换的分水岭算法进行二次分割,分离粘连果实区域,提取目标苹果的外部轮廓。最后,在轮廓外设置最小外接矩形标记有效区域,在标记区域内进行梯度Hough圆变换实现苹果目标的自动识别。对自然环境中采集的200幅苹果图像进行测试,并与传统梯度Hough圆变换方法进行对比,该文方法在顺、逆光下的识别准确率为90.75%和89.79%,比传统方法提高了15.03和16.41个百分点,平均识别时间为0.665和0.693 s,比传统方法缩短了0.664和0.643 s。所提的两级分割算法不仅可以从复杂环境中准确分割果实目标区域,而且可以从粘连果实区域中提取单个果实边界。利用区域标记的梯度Hough圆变换方法能够快速准确地对果实进行识别。研究结果能满足苹果采摘机器人对不同光照下目标识别速度和精度的要求,可为苹果等类球形果实的快速识别提供参考。

Lab色彩模型下梯度Hough圆变换的成熟草莓识别

自然生长状态下的草莓,果实密集,形状多变,枝叶遮挡率较高,使用机器采摘对成熟草莓的图像识别具有一定的难度。针对这个问题,提出了Lab色彩模型下采用梯度Hough圆变换的成熟草莓识别方法。以自然生长状态下的草莓图像为研究对象,在Lab色彩模型空间里对图像分割及阈值化并采用梯度Hough圆变换等方法,识别成熟草莓并计算出草莓中心。试验结果表明,对随机选取的100张草莓图片,该方法识别成熟草莓的相对偏差为1.07%,对枝叶遮挡、成熟草莓相互遮挡等情况,具有较好的识别效果。与传统的Hough变换相比,这一方法节省了运行内存,提高了时间效率,能够满足机器采摘对成熟草莓识别率与定位的要求。

基于改进Hough圆变换算法的成熟番茄果实识别

Hough圆变换算法可以解决成熟番茄果实识别问题,但计算量较大,且由于番茄非标准球形、多果重叠、茎叶遮挡等问题,识别准确率有待进一步提高,因此本文对其改进,设计一种实现番茄收获机器人视觉系统的成熟果实识别算法。首先对采集到的图像下采样,以减少计算量;然后进行基于颜色信息的背景分割,得到成熟番茄果实为目标的二值图像;并在此基础上采用Sobel算子提取边缘信息;最后基于改进Hough圆变换算法实现番茄果实识别。Hough圆变换算法的改进之处有两点:(1)根据边缘信息转换到参数空间时,对转换得到的圆心及其8-连通域对应的组合均进行投票,以减少离散坐标计算时产生的误差;(2)采用基于圆心相近且半径相似的聚类思想,对Hough圆变换算法检测到的结果进行聚类,以适应类圆形目标的检测。试验结果表明,本文算法对存在不同成熟周期的番茄果实、茎叶遮挡、多果重叠等多种情况都能有效识别,上述三种情况的准确识别率分别为87.5%、85%、84.8%,三种情况同时存在的复杂情况下准确识别率为84.6%,而简单情况下可以100%准确识别,经统计,平均正确识别率为86.3%,平均运行时间为398 ms。

基于Hough圆变换的视盘定位与分割

针对视网膜血管分割是眼底图像研究的热门,利用计算机辅助眼底视网膜血管分割的结果有助于医生对临床诊断和眼底疾病的参考。本文提出了一种基于Hough圆变换的视盘定位和分割的方法。首先,对原始图像进行预处理;接着用OTSU对预处理图像进行阀值分割二值化处理,进一步提取和筛选得到视盘定位的最终结果;最后,将结果用于Hough变换实现视盘分割。该算法分别在DRIVE图像库、HRF图像库以及STARE图像库中进行实验验证,分别获得了100%、96.72%和97.77%的视盘分割准确率,验证了该算法具有良好的性能。

一种用Hough变换检测圆的快速算法

为了克服传统Hough变换检测圆时耗时巨大的缺陷,给出了一种新的基于Hough变换检测圆的快速算法。新算法与传统的方法相比具有以下特点:计算量少,提高了检测的速度;保留了传统Hough变换识别率高、抗噪性强、对不完整边缘具有鲁棒性等所有优点;不需要任何特殊的限定条件。实验表明,新的快速算法可以快速进行目标识别,在实时目标识别系统中具有良好的表现。

基于灰度积分投影与霍夫圆变换算法的人眼瞳距自动检测

人眼瞳距在视光学研究中和配置眼镜时都是需要精确测量的基础性参数,实现瞳距自动检测具有重要的应用价值,结合高斯肤色模型,提出一种基于灰度积分投影与霍夫圆变换算法的人眼瞳孔定位和瞳距计算方法.首先,通过二维伽马函数的自适应亮度校正方法对图像进行光照补偿预处理,在此基础上,利用肤色概率模型检测人脸并提取出面部区域.再运用灰度积分投影法,选取合适的阈值对眼部区域进行提取,经过一系列形态学图像处理,采用Canny边缘检测算子实现瞳孔边缘检测,最后通过Hough圆变换算法进行瞳孔定位,并对其中心距离进行计算.研究结果表明,该算法具有较快的瞳孔定位速度,能够较精确地实现瞳距自动测量,为瞳孔测距的智能化技术研究奠定了基础.

一种改进的Hough圆检测算法

普通Hough圆检测计算量大,且实际图像易受光照和背景不均匀等条件的影响,针对这些情况提出了一种将待检测圆图像先作边缘检测后,再对边缘图像进行粗匹配和精匹配,以实现圆检测的方法.粗匹配使用改进的SSDA算法进行,精匹配利用圆的两条不平行弦的中垂线相交于圆心的几何性质,对经典Hough变换加以改进,提高了检测速度.

基于改进广义Hough变换的快速电解电容检测

电路板中电解电容检测通常用梯度Hough圆变换来确定圆心,其改进算法广义Hough变换(GHT)针对不规则图形具有较高检测精度,但占用的内存大,计算复杂。为了提高电解电容检测速度,本文对广义Hough变换进行了改进,通过实验,证明了新方法的检测效率提高了35%。

全景海域图像中的圆形海天线提取

针对全景海域图像背景复杂且海天线呈近似圆形的特点,提出了一种基于分形维数和改进Hough圆变换的全景海天线提取算法。该算法首先通过地毯覆盖法计算海域全景图像的分形维数,并据此提取出全景采集装置等设备在全景图像中的成像,消除其对海天线检测的不良影响。针对经典的梯度Hough圆变换算法提取全景海天线时无法给出唯一正确解的问题,提出了一种改进的Hough圆变换算法来有效提取全景海天线。对400幅不同情况下采集的全景海域图像进行了实验。结果表明,提出的算法在理想情况、海天线部分缺失、低对比度和海天线大范围断裂等多种情况下均可以有效提取出全景圆形海天线,检测准确率达95.75%,适用性和鲁棒性良好。

基于多圆快速分割眼底视盘的自动算法

青光眼和糖尿病视网膜病变可以通过视盘来反映情况,自动快速的定位和分割视盘无疑给眼科医生带来了便利。提出了基于多圆分割视盘的方法,利用视盘具有高亮度和垂直血管发布的特点定位到视盘中心,对形态学方法移除血管后的视盘区域进行Hough圆变换,对检测到的多个圆进行半径调整,通过计算多圆的最小凸包从而分割出视盘。在DRIONS-DB数据库上,该算法准确定位到视盘中心,并且分割的平均覆盖率、Dice系数、精确度、灵敏度、特异性分别达到87.97%,93.33%,99.61%,94.74%,99.75%,平均处理时间仅为1.1s,表现出较高的准确性和快速性,适合自动化的视盘分割处理。

基于Canny Hough算法的锅具轮廓缺陷检测

针对Hough变换算法对不锈钢锅具轮廓的缺陷检测存在耗时高、检测效率低的问题,提出通过将改进的Canny算法与Hough变换算法相结合,得到一种耗时短、检测精度高的新型Canny Hough边缘检测算法。首先,通过改进的Canny算法对不锈钢锅具图像进行边缘检测;其次,通过轮廓层级特征函数去筛选边缘检测图像中所需轮廓边缘;最后,采用Hough变换圆检测对内、外轮廓图像进行识别,并拟合出内、外轮廓的圆心和半径。实验结果表明,与传统的Hough算法相比,Canny Hough边缘检测算法能更有效地检测出不锈钢锅具锅沿轮廓缺陷,准确率能够达到91.4%,且运算时间减少了53.6%。

生猪虹膜快速定位算法研究

虹膜定位是实现虹膜识别的前提与关键,当前主流虹膜采集设备普遍价格昂贵,且现有虹膜定位算法应用于猪眼虹膜定位时存在精度低、耗时长等问题。本文提出一种基于低成本采集设备的生猪虹膜快速高精度定位算法。首先对猪眼虹膜图像去噪和二值化,再对Canny算法进行改进,用于提取猪眼虹膜图像边缘信息,然后分别使用改进的Hough圆变换和迭代加权最小二乘法定位虹膜内、外边缘,进而完成生猪虹膜定位。对3100张猪眼虹膜图像进行试验,结果表明,虹膜的正确检测率为96.19%,平均定位时间为342.50 ms。与DAUGMAN、WILDES和单位扇环灰度算法相比,正确检测率分别提升了10.49、8.67、3.61百分点,平均定位时间分别减少了70.90、81.50、98.00 ms。本文方法能在保证生猪虹膜正确检测率的基础上缩短定位时间,有效改善传统虹膜定位算法应用于猪眼虹膜时效果较差的问题,能为后续基于虹膜的生猪身份识别奠定基础。

基于图像处理的瞳孔大小检测算法研究

人眼瞳孔大小的检测技术在医学领域具有较大的研究和应用意义。采用图像处理技术开展了瞳孔大小的检测算法研究,通过对瞳孔图像进行预处理、获取图像处理区域、边缘检测、链码编码算法识别瞳孔边界、改进Hough圆拟合瞳孔及大小计算,实现了瞳孔大小的检测功能。通过对正常人眼瞳孔图像以及病变瞳孔图像检测的实验分析,算法实现的瞳孔拟合覆盖率达到85%以上,检测时间短,易于在实时系统中应用。

基于图像分析的篮球进球识别研究

针对篮球进球识别中易出现漏检或误检的问题,提出一种基于计算机视觉的篮球进球识别方法.首先,采用背景差分和结合三帧差分法和Hough圆变换法完成对篮球和篮筐的目标检测;通过提取篮球特征参数数据,并与系统配置参数进行比较,完成篮球进球识别;最后,通过仿真实验对本研究提出方法进行验证.结果表明,本研究提出的基于图像分析的篮球进球识别算法的检测准确率为93.33%,漏检率为6.67%,可准确识别篮球进球,满足实际篮球进球识别需求,具有一定的实用价值.

基于图像EKF跟踪的水下激光通信APT方法

针对水下激光通信的自动对准问题,提出了一种基于图像扩展卡尔曼滤波器(Extended Kalman Filter,EKF)跟踪的APT方法。通过水下相机获取激光光斑图像,利用Canny算子和Hough圆变换对激光光斑实现精确定位。根据相机标定原理建立APT对准的像素坐标转换模型,利用目标定位数据的滤波处理获取较为稳定的水下激光通信对准效果。水下实际测试结果证明,所提方法可以提高目标对准的速度和准确性,适用于近距离水下激光通信领域。

非接触性动态位移测试方法的研发及应用验证

基于Hough变换圆检测原理研发了非接触性动态位移测试方法,采用振动台进行了应用验证.结果表明,Hough变换具有良好的圆检测效果.图像计算效率与角度、半径的检测步长的选取相关;选取较大半径检测步长时,图像处理速度将大幅提高;选取较大角度检测步长时,图像处理速度提高并不显著.通过不同试验验证了自行研发的非接触性位移测试方法在不同频率正弦波输入、图像中不同半径标靶圆及相机-标靶不同物像空间距离特性条件下均具有良好的识别效果.工程实用角度,非接触性位移测试方法可以同时捕捉多个测点的位移及有效解决测试量程受限的问题,并可避免由于接触对被测体产生的干扰.

基于计算机视觉的位移测试方法研究与实现

针对Hough变换、最优圆拟合两种圆检测算法进行了圆检测效果、算法应用范围及计算效率的对比分析;研发了基于圆检测算法的非接触性动态位移测试方法并应用于大型振动台实验。结果表明:Hough变换圆检测及最优圆拟合圆检测均具有较好的圆参数检测效果。Hough变换圆检测方法更适用于测试背景简单且需单次识别多个标靶圆的工况;最优圆拟合圆检测方法更适用于测试背景复杂的工况。应用非接触性位移测试方法于大型振动台试验中,测试了模型地基土的位移反应。应用基于机器视觉技术的位移测试方法可以有效解决复杂工况下的位移测试问题。

基于机器视觉的光斑拟合研究

传统的光电子器件封装过程中,光功率为衡量器件是否合格的重要标准。现代器件封装过程中,光斑的大小、形状同样为衡量器件是否合格的重要标准。本文基于机器视觉对光斑进行边缘检测,通过Canny边缘检测与霍夫圆变换按位与的方法识别边缘,拟合出光斑的形状,计算出光斑的中心点坐标以及直径,为现代器件封装耦合过程提供了判断依据。