双阈值Hough变换在指针式仪表示值自动判读中的应用

本文针对指针式仪表自动读取中的指针提取提出了一种改进的Hough变换算法,利用双阈值大大提高了Hough变换直线提取的运算速度,降低了占用内存,同时减少了直线误匹配的机会.并且用VC 语言实现了该算法,通过实验证明了双阈值的范围,表明了该方法在指针提取中的有效性.     

改进的Hough变换在轴类零件测量中的应用

采用一种自适应阈值范围的Hough变换来检测阶梯轴零件中的直线。对传统的Hough变换进行了改进,快速、高精度地实现了对阶梯轴类零件轮廓直线的提取。结果显示:运用改进的Hough变换可有效提取轴类零件的轮廓直线,效果明显比传统Hough变换要好,为进一步的轴类零件尺寸测量奠定了基础。     

用改进的Hough变换检测交通标志图像的直线特征

直线特征是交通标志图像中稳定而重要的特征,直线特征的正确提取,对于提高交通标志识别率是有意义的.针对已有Hough变换的缺点,如参数空间中的峰值扩散问题、繁重的计算复杂度和空间复杂度等,提出了一种自适应"多对多"Hough映射方式.新算法具有良好的时间计算复杂度、对阈值不敏感且能精确地提取出图像中的直线.实验结果表明,新方法的阈值选择范围是MTO_θ的3倍,而运算时间仅为MTO_ρ方法的10%左右.改进的Hough变换能在可接受的时间内准确地提取交通标志图像中的直线,还可用于其它图像(如票据图像、符号图像)中直线特征的提取.     

基于Hough变换的激光扫描数据直线提取

介绍了Hough变换在对激光扫描数据进行直线提取方面的应用。在集装箱起吊的安全检测中采用激光技术是一个新途径 在对集装箱的起吊是否安全进行判断的关键是对激光扫描所形成直线段的相互关系判定。传统的Hough变换存在无法提取直线的端点,会出现虚假直线等问题,文章提出的改进的Hough变换算法,解决了传统Hough变换的问题,实现了对激光扫描数据的直线的提取。实验证明了所述方法的有效性。     

基于改进Hough变换的图像线段特征提取

为了从复杂背景中提取欲识别的目标,提出一种基于改进Hough变换的图像线段特征提取方法.针对传统Hough变换的局限性,在经典算法的基础上增加了全局阈值与局部阈值结合去除虚假尖峰,利用动态分组原则确定线段的端点,融合端点邻近的线段等改进算法.实验表明,该方法不但可以识别简单背景中的规则几何图形,还可以有效地提取复杂背景中真实目标的线段特征.     

基于曲线跟踪的直线检测方法

对标准Hough变换以及一些改进的Hough变换在直线检测应用中的不足进行了分析。在此基础上,提出了一种基于曲线跟踪的直线检测算法。避免了Hough变换中的无效积累,解决了Hough变换不能确定直线端点的问题,且检测精度高。     

基于改进Hough变换的交通标志图像中的直线检测

准确地提取出交通标志图像中的直线特征,对于提高对交通标志的识别率具有重要的意义。提出利用Hough变换来检测交通标志图像中的直线特征,并针对已有Hough变换的缺点,如参数空间中的峰值扩散问题,繁重的计算复杂度和空间复杂度等,提出了一种改进的Hough变换。在新的方法中,采用自适应“多对多”映射方式。在该映射方式下,能很好地解决峰值扩散问题,对参数的量化宽度不敏感,且在峰值检测的过程中能非常方便地选取阈值。实验结果表明,采用新映射方式的Hough变换方法能在可接受的时间内准确地提取交通标志图像中的直线。     

基于改进的Hough变换的铁轨提取算法

为了能有效解决高危路段铁轨检测任务,必须准确、快速提取出数字图片中的铁轨。本文提出了一种基于多约束的Hough变换（HT）的直线提取算法。该算法采用局部算子法和全局直线拟合法提取铁轨,结合传统HT的思想,对基本算子进行约束,得到可能的铁轨点并标记方向。该算法计算时间短,具有较高的准确性。本文综合运用Hough变换在检测直线上的优越性和微分学的简单准确,来识别局部弯曲的铁轨,并在铁轨识别上进行仿真,取得了良好的效果。     

结合Canny算法和Hough变换的轴类零件边缘提取

针对轴类零件的边缘提取存在易受噪声、表面质量和边界条件影响的缺点,提出了Canny边缘检测和Hough变换算法相结合的边缘提取方法。首先利用自适应中值滤波对图像去噪,在滤除图像噪声的同时保留了更多的图像边缘信息;然后在3×3的窗口模板内计算梯度幅值和方向,提高了算子的抗噪性能;再采用自适应双阈值算法求取高低阈值,实现边缘的检测和连接。最后利用Hough变换算法进行边缘拟合。实验结果表明,这种方法可以对不同直径的轴类零件图像进行边缘提取,能够获得比较完整而连续的边缘。     

巡检机器人中的指针式仪表读数识别系统

为了解决智能巡检机器人仪表读数识别中易受光照变化影响、识别精度不高等问题,结合高压变电场中常见指针区域的图像特点,建立了指针式仪表读数高精度识别系统。鉴于巡检机器人的室外工作环境,提出了迭代最大类间方差算法,实现了多种光照条件下仪表图像的指针区域提取。经过分析指针转动和图像特性,提出了基于Hough变换的指针角度识别,推导出指针角度与仪表读数的函数关系。该算法较传统Hough变换角度提取法,增加了指针中心线通过表计中心等约束条件,提高了指针角度提取的精度,降低了搜索数据量和搜索时间。通过大量实验验证所建立的表计读数识别系统可实现室外各种光照条件下表计读数识别,获得95%以上的正确识别率。多组鲁棒性实验分析表明,该系统对光照条件、指针宽度、表盘干扰、拍摄角度(不产生指针阴影)具有较好的鲁棒性,但由于拍摄角度而产生指针阴影时,会引起较大的指针中心线提取和角度计算偏差,从而降低仪表读数识别精度。     

机器视觉中矩形几何提取和校正

为了提高从图像中提取矩形的效率和精度,提出了一种实用的基于Hough变换和最小二乘拟合相结合的矩形几何提取和校正算法。该算法通过Hough空间累加器的最大值检测出直线;在检测到的直线邻域内,通过最小二乘法拟合得到更精确的直线;由4条直线得到4个交点,并按各个点与中心点的位置关系进行排序;由4对对应顶点,可求出一个透视变换矩阵;最终将四边形内的所有点映射到一个矩形区域内。实验结果证明算法在效率和精度上取得了一个较好的平衡。     

基于ORB和改进Hough变换的指针仪表智能识读方法

为了满足变电站巡检机器人对电站指针仪表的智能识读要求,提出一种基于ORB和改进Hough变换的指针仪表识读方法,描述了该算法中仪表区域识别、二值化处理、骨架提取和读数获取等环节,利用C++在计算机上进行算法实现、验证。结果表明该算法满足读数精度要求、具有较好的实时性,拥有较高的可靠性和应用价值。     

一种基于逆透视变换的车道线检测方法

该文基于逆透视变换技术提出了一种车道线检测方法。将道路图像映射为逆透视图,用二维高斯滤波器对图像进行滤波,然后进行阈值处理;用Hough变换提取车道线的线条曲线,利用三阶Bezier样条曲线拟合算法进行直线拟合,获得车道线的检测结果。实验表明,该方法在图像较清晰的情况下,检测近距离的车道线获得了较好的效果,适用于平坦路面下的白色和黄色等车道线检测。     

基于模板滤波的已知角度直线检测方法

本文提出一种基于模板滤波的已知角度直线检测方法。该方法应用空域滤波原理,根据直线角度设计直线检测模板,用检测模板对图像滤波从而检测出特定角度的直线。与传统的Hough变换检测直线方法相比,该方法提取直线效果好,算法所用时间少,占用空间小,能够用于对实时性要求高的应用场合。     

基于机器视觉的太阳能电池片位置误差检测

为了提高太阳能焊接机的焊接精度和焊接速度,提出了基于机器视觉在线检测太阳能电池片位置误差的方法。采用最小误差法对图像进行阈值分割,通过轮廓提取出电池片的轮廓;采用Hough变换直线检查的方法得到了电池片边缘及三线所在直线;计算出电池片的位置误差。实验结果验证了该方法的有效性。     

级联Hough变换直线特征提取方法

标准Hough变换是一种提取直线特征的有效方法,但是计算效率较低。为此,提出一种级联Hough变换,其由多层Hough变换级联构成。由顶层至底层Hough变换搜索域逐渐缩小,参数空间分辨率逐渐提高。实验结果表明,此方法计算效率比标准Hough变换提高至少近50%。     

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。     

一种基于改进Hough变换的直线快速检测算法

针对传统Hough变换计算量大、耗费内存空间、参数空间峰值点被次峰值点包围、易造成漏检或误检等缺陷,提出一种改进的Hough变换直线快速检测算法。首先检测图像中相邻的像素点并进行聚类,形成一些相连的像素点的集合,然后将聚类后的像素点进行感知编组,细分成比原聚类线段更接近直线的线段,最后对每段近似直线用随机Hough变换进行检测,从而精确地检测出图像中相应的直线。实验表明,与传统Hough变换相比,改进后的算法计算量小,节省内存,无需先验知识,且抗干扰性有显著提高,并降低了误检率和漏检率。     

基于YOLOv5和U-net的指针式仪表读数识别方法北大核心CSCD

针对不同背景、距离条件下指针式仪表读数识别准确性低的问题,提出了一种结合YOLOv5和U-net的仪表读数识别方法。首先引入了YOLOv5算法检测并提取仪表区域;其次采用Hough梯度圆检测提取纯仪表盘和U-net分割算法准确分割出指针轮廓,并通过指针细化,加权最小二乘法拟合指针所在直线,根据定位坐标系获取指针方向和偏转角度,最后利用指针的偏转角度计算仪表读数。结果表明:提出的方法检测每张图像的平均耗时为64.511 ms,读数识别的成功率达97%,平均引用误差为0.577%,能快速并准确地识别出指针式仪表示数。     

基于Hough的图像分割在智能车图像处理中的应用

为了实现以摄像头为传感器的飞思卡尔智能车准确控制并稳定运行,图像处理是问题的关键。Hough变换是一类常用检测包括直线在内的参数化曲线的方法,具有鲁棒性强的特点。为了准确的提取道路信息,利用给定阈值处理图像,在Matlab平台上利用Hough变换技术对摄像头采集图像进行分割,实现了直观、准确地反映工作中的实际状态,并求出双线道路的中心线,实际运行效果良好,为图像的实际应用打下了基础。