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.

基于优化Hough变换的铆接高度差亚像素检测方法研究

针对飞机铆接高度差的检测问题,提出了一种优化的Hough变换铆接高度差亚像素检测方法。该方法首先通过空间域点运算的灰度变换法对采集的铆接孔图像进行增强处理,然后利用局部阈值分割法进行图像分割,采用Canny算法进行边缘粗提取,再利用优化的Hough变换进行亚像素级的边缘精细提取,提取出铆接孔和铆钉钉头的圆环区域,最后结合RANSAC算法进行圆拟合,利用开发算子get_current_region_z()分别提取内外圆环区域的高度平均值,再通过函数height_Z()将所得的高度平均值作差即可得到铆接表面的高度差。经试验证明,该检测方法亚像素精确定位能力强,检测结果准确率高、稳定性好,重复测量精度可达到±10μm。

舵类结构件几何量误差视觉检测方法及误差评定

针对现有接触式测量方法装夹定位后只能测量一种或两种参数、检测效率低等问题,提出一种舵类结构件几何量误差和装配误差视觉检测方法。首先,利用计算机视觉系统获取舵轴和舵面区域图像,利用图像预处理技术去除图像畸变和噪声,为了更有效地提取舵类结构件边缘,分别采用Sobel算子、Scharr算子、Laplace算子和Canny算子对图像进行边缘检测以确定轮廓,实验对比发现Scharr算子处理后的舵轴图像边缘更清晰且无间断,Canny算子处理后的摇臂图像边缘比较清晰,因此选用Scharr算子提取舵轴图像边缘、Canny算子提取摇臂图像边缘。结合被测要素特点,采用霍夫直线和霍夫圆检测方法提取舵面边缘线特征、舵轴母线特征、摇臂圆轮廓特征;确定了舵芯对称度、舵轴垂直度、摇臂夹角的基准要素,构建了几何量误差检测目标函数,运用自适应遗传算法计算最优解;结合相机标定的内外参矩阵,得到舵芯对称度、舵轴垂直度、摇臂夹角的测量值。最后,研发了舵类结构件几何量误差和装配误差视觉检测软件,搭建了视觉检测实验平台,实现了几何量误差及装配角度误差快速检测功能。经过多次重复测量实验,对称度检测精度达到0.055 mm,垂直度检测精度达到0.225 mm,装配角度检测精度达到0.772°,完成单次检测耗时7 s。该方法不仅提高了几何量误差检测精度和检测效率,同时有助于提高舵类结构件成型-制造-在机检测的自动化和智能化水平。

多角度探测模式下结合Hough变换与SVR的墙后目标定位算法

多普勒穿墙雷达在定位墙后目标时,存在以下两个难点:(1)准确获取频率混叠区域目标瞬时频率;(2)通过获取精确的墙体参数来减小墙体对定位造成的影响。针对以上问题该文提出了一种结合Hough变换和支持向量回归-BP神经网络的目标定位算法。该文首先设计了一种多视角融合穿墙目标探测模型框架,通过获取不同视角下的目标位置来提供辅助估计墙体参数信息;其次,结合差分进化算法和切比雪夫插值多项式提出了一种目标瞬时频率曲线的高精度提取和估计算法;最后,利用估计的墙体参数信息,提出了一种基于BP神经网络的目标运动轨迹补偿算法,抑制了障碍物对目标定位结果的扭曲影响,实现了对墙后目标的精确定位。实验结果表明,相较于传统的短时傅里叶方法,该文所述方法可以准确提取时频混叠区域的目标瞬时频率曲线并减小墙体造成的影响,从而实现墙后多目标的准确定位,整体定位精度提升了约85%。

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。

基于中低分辨率卫星影像中舰船目标识别方法

目前,中低分辨率成像侦察卫星已经成为远距离情报保障的重要手段之一。然而,中低分辨率成像侦察卫星对海上机动舰船的侦察存在目标检测、识别难等问题,大大影响了情报使用效益。针对上述问题,提出基于霍夫变换的舰船开尔文尾迹提取方法,用于匹配并识别舰船型号。通过仿真得出不同型号舰船的开尔文尾迹尖头波平均距离,可以有效的识别出真实遥感影像中舰船属性,与实际影像数据对比分析,证明上述算法具有一定可行性。因此,基于霍夫变换的舰船开尔文尾迹提取方法可以在一定条件下基本实现目标舰船型号的识别,提升中低分辨率成像侦察卫星对海上机动舰船目标的识别准确率。

一种针对驻留转换雷达的信号分选算法

复杂电磁环境下驻留转换雷达的信号分选是制约电子侦察技术发展的瓶颈,由于其复杂多变的成形规律,信号子周期难以被检测;脉冲重复周期调制类型不明,脉冲序列无法成功提取;提取的多个子周期脉冲序列无法合并为一部雷达信号,造成虚警。针对以上问题,提出一种针对驻留转换雷达的信号分选算法,利用双门限提高子周期检测概率,通过霍夫变换结合迭代自组织聚类判断信号是否属于驻留转换雷达,改进搜索算法以提取脉冲序列,依据排列熵指标将多脉冲序列合并为一部驻留转换雷达信号。仿真实验结果表明,所提算法在25%脉冲丢失率的复杂电磁环境下,可以将三部驻留转换雷达信号成功分选。

面向数字射频存储的雷达欺骗干扰检测方法

基于数字射频存储(digital radio frequency memory,DRFM)技术的转发式欺骗干扰与真实雷达回波高度相干,这导致雷达难以分辨真假目标。针对该问题,提出一种基于Hough变换的DRFM欺骗干扰检测方法。建立基于线性调频的干扰信号模型,分析其谐波分量的频谱特性,采用短时傅里叶变换和二维恒虚警率检测器对干扰信号进行特征提取,并利用Hough变换完成欺骗干扰检测。所提方法是基于DRFM欺骗干扰本身的特征,不依赖于先验信息与应用场景,计算复杂度低,且在低信噪比条件下具有良好的检测性能。计算机仿真实验验证了方法的有效性。

基于改进Canny算法和Hough变换的脉冲氩弧焊坡口边缘提取研究

针对脉冲氩弧焊中被动光传感采集的图像存在光亮变换快,目标像素少,难以提取出坡口的问题,提出一种基于改进阈值选择和双阈值检测的Canny算法。通过中值滤波和双边滤波代替传统Canny算法中的高斯滤波对图像进行滤波,引入背景像素与前景像素的数量比改进Otsu算法的最大方差,计算得到了靠近坡口的梯度值的阈值,依据改进后的双阈值检测获得完整的坡口边缘信息,对边缘信息进行Hough变换提取出清晰的坡口边缘。实验结果表明,和传统Canny算法相比,改进后的Canny算法提取坡口成功率提高,获得的坡口边缘信息也更加完整。

基于改进Hough变换的消弧线圈接地配电网故障选线新方法

针对配电网在电压过零点和高阻故障时刻选线不准确的问题,提出一种适用于谐振接地系统单相接地故障的选线新方法,利用优化后的变分模态分解对各馈线零序功率进行处理,遴选出与原始零序功率相关强度最高的本征模态函数IMF(k),将IMF(k)转换为JPG格式的二维图像,再利用Hough变换检测技术,得到故障起始阶段IMF(k)的拟合直线及夹角;对各支路模态量拟合直线夹角进行比对处理,将最小综合相关系数值对应的馈线确定为故障馈线;仿真结果表明:该方法不受接地电阻、故障相角、噪声干扰、数据缺失等因素的影响,验证了所提方法的有效性。

基于图像取反的同心圆环半径和圆心提取方法

为了解决非定域干涉同心圆环图像的圆心和半径的精确提取问题,提出了一种基于图像取反的暗亮环兼顾的算法,以点光源非定域干涉同心圆环为对象,在平滑降噪预处理基础上,利用霍夫圆变换获得参考圆心,以参考圆心为基础分别在其x方向和y方向上[-50,50]像素范围内每隔5 pixel取一条强度轮廓线,每一条强度轮廓线取反后,分别实现暗环和亮环峰位坐标的精确识别,再利用圆回归拟合得到系列圆心和半径,通过系列圆心和半径的平均运算实现图像最终圆心和半径的精确提取。结果表明,靠近中心的3个亮环和3个暗环各自的圆心坐标非常接近,相对于总平均值的最大偏差为-3.7 pixel,即相对于总平均值的最大相对偏差为-0.15%,重复性很好;相邻两个圆环半径平方比值相对于实际比值的误差在-4.18%~0.36%之间变化,验证了算法的可行性。该研究对实现自动化检测、提高测量精度是有帮助的。

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。

基于最小外接梯形的透视畸变圆心位置校正

针对机器视觉检测中出现的圆形透视畸变导致圆心出现偏差的现象,提出一种基于最小外接梯形校正方法。以畸变圆最小外接梯形对角线交点坐标确定畸变圆圆心位置。以选定零件内孔尺寸为试验对象,研究比较了利用霍夫变换法、最小外接矩形法及最小外接梯形法确定圆心位置坐标的不同。结果表明,运用最小外接梯形确定相比最小外接矩形确定与霍夫变换确定圆心坐标的相对误差有明显降低,并且利用最小外接梯形的校正误差稳定在1%~2%,有着更高的精确度和稳定性,为圆心位置的检测以及圆形透视畸变的校正提供了有效的方法。

基于传统边缘算子的车道线识别研究

车道线识别检测技术是汽车实现自动驾驶的关键技术之一,利用图像低级特征提取技术实现边缘检测是车道线识别的最佳方法之一。为解决传统车道线检测易误检、漏检、效率低等问题,利用结构化道路条件下车道线图像,在去噪、滤波等预处理后对获取的图像进行ROI区域提取。基于传统边缘检测算子边缘提取方法,发现Roberts等算子在考虑环境因素下检测结果存在细节边缘提取不足的问题。通过比较发现,利用霍夫变换改进的Canny算子边缘检测方法不仅能够有效提高检测结果的精确度,而且能够同时提升运行速度。该方法能够有效避免传统边缘检测方法检测结果误差大的问题,具有较强的鲁棒性和抗干扰性。

基于图像融合的不同成熟阶段苹果果实识别

【目的】针对复杂农业环境中不同成熟阶段苹果目标识别困难的问题,研究一种基于图像融合的苹果识别算法。【方法】采用保边性能较好的均值漂移滤波对图像进行预处理,滤除少量背景噪声。分别从RGB颜色空间和YIQ颜色空间提取R-G分量和I分量特征图像,采用像素级图像融合算法融合2幅特征图像信息,突出显示果实目标区域。利用Otsu自适应阈值算法获得最佳阈值,将目标苹果从背景中分割出来。为识别苹果目标,提出一种基于改进梯度场的Hough变换圆检测算法,通过引入形态学重建算法清理背景中残留的小面积区域,提高检测效率;同时以分割的苹果二值图像为判断标准构造剔除虚假圆算法,避免检测出现虚假目标。【结果】对采集到的50幅未完全成熟的苹果图像和50幅完全成熟的苹果图像进行识别,并与最小外接圆法进行对比,试验结果表明,本文算法平均识别时间为0.367 s,对完全裸露果实、被遮挡面积≤1/2果实和被遮挡面积>1/2果实的识别正确率分别为100%、92.46%,和81.87%,整体识别准确率比最小外接圆算法提高了11.43个百分点。本文算法圆心相对误差均值和半径相对误差均值分别为0.216和0.048%,最小外接圆算法圆心相对误差均值和半径相对误差均值分别为0.508和0.370%。【结论】本文提出的方法能够快速识别苹果目标,具有较高精度和效率的果实定位,可以服务于苹果采摘机器人进行果实采摘。

基于机器视觉与3D点云的定位装置状态检测

研究目的:为解决接触网定位装置状态人工巡检耗时长问题,创建一种高效采集高清图像和3D点云融合建模技术的定位装置状态检测系统。研究结论:(1)研发了采集高新定位装置图像处理系统,以及动态智能快速识别定位装置状态技术;(2)基于定位器直线特征与高分辨率的2D图像,运用约束条件下的Hough变换检测定位目标,通过3D点云的直线拟合,对定位装置三维数据进行处理及角度计算,提高了强光与阴天天气下测量精度与效率;(3)创建的定位装置状态检测系统适用白天与晚上检测工况,可为接触网智能化巡检提供新的途径。

基于投影约束和随机采样Hough变换的虹膜分割方法

非合作式虹膜图像的采集导致图像中具有大量干扰和噪声,因此,提出基于投影约束和随机采样Hough变换的虹膜分割方法提取虹膜有效区域。对虹膜二值图像进行投影粗定位虹膜的外轮廓圆心和半径,通过圆心和半径确定虹膜的大致区域,在该区域上,使用随机采样的Hough变换确定虹膜的内外轮廓,从而提高了虹膜分割的准确性。实验证明,与现有方法相比虹膜分割方法错误指标E1和E2最多提高8%和20%,具有更低的错误率和较高的时间效率。

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。

基于机器视觉的指针式仪表自动读数方法研究

为了实现指针式仪表的精确自动读数,提出了一种基于机器视觉的指针式仪表自动读数方法。针对仪表展开图像中可能存在的部分刻度不可见和刻度间隔非等距的问题,构建了刻度线缺失下的插补方法和非等距情况下的指针读数计算模型。插补方法利用刻度间距的统计信息,实现了位置的自动插补。指针读数计算模型采用二次样条函数提高计算的精度。实验结果表明:该方法能够有效地减小读数误差,更好地满足指针式仪表的自动读数要求。

基于阈值识别的温室黄瓜整体自动落蔓装置研究

针对长季节黄瓜作物人工落蔓强度大、成本高和效率低等问题,设计一种基于冠层高度阈值识别的温室黄瓜整体自动落蔓装置。为保证黄瓜冠层特征提取的正确率,对8:00、12:00和18:00实时采集的黄瓜冠层图像进行预处理,基于Otsu算法获得平滑黄瓜冠层二值图像。采用霍夫变换算法识别黄瓜冠层顶端绳束,并利用统计学方法归纳出感兴趣区域中HSV色彩空间绿色部分各分量取值范围,研究感兴趣区域中绿色像素点占总像素点的比值变化规律。为防止黄瓜卷须缠绕秧蔓冠层顶端水平绳束,以黄瓜植株高度184~185 cm为落蔓控制目标,确定感兴趣区域绿色像素占比的平均值0.162~0.182为整体落蔓装置的落蔓阈值范围。结果表明,植株高度184~185 cm和高于185 cm落蔓次数占总试验次数比例分别为90%和10%。高于185 cm落蔓组中,最高植株距离顶端绳束(195 cm)的距离为9.2 cm,无黄瓜卷须缠绕黄瓜秧蔓冠层顶端水平绳束现象,采用感兴趣区域绿色像素点占比确定黄瓜落蔓阈值方法,能够满足黄瓜生产实际要求。