基于Hough变换的线段提取新方法

针对实际图像中采用传统Hough变换准确提取直线存在的问题,结合双阈值栅格除噪法,提出了一种改进的线段提取方法.该方法以Hough变换峰值参数逆变换提取线段特征,并将其连接成直线,在传统Hough变换算法的基础上增加了极大值线段的融合连接过程,去除伪峰值和峰值扩散引起的交叉线段等改进方法.实验结果表明:该方法能在干扰和噪声较强烈的实际图像中完整地提取出目标线段,对线段量化误差、断裂、线段信息丢失具有较强的鲁棒性.以Hough空间局部极大值所对应线段为主,以其邻域峰值点对应线段为补充的线段特征提取方法具有较高的准确性.本方法对视觉引导技术的实用化具有参考价值.     

一种基于Hough变换的远红外图像座椅定位方法

准确定位电影院中的座椅对于统计电影院中观影人数和观影过程中人行为的检测是十分重要的。同时,由于现有电影院中的实时监控是红外图像视频,具有分辨率低、对比度差等特点,因此,红外电影院图像中座椅的定位变得较为困难。Hough变换具有对图像中直线的残缺部分、噪声以及其他共存的非直线结构不敏感的特性,具有较强的抗干扰性和鲁棒性。本文提出一种基于Hough变换的远红外电影院图像中座椅的定位方法。通过观察远红外图像中座椅的分布情况,估计出符合座椅边界的曲线方程,对该方程进行Hough变换,从而定位座椅。利用该方法避免了由于远红外图像座椅与背景对比度差、边缘模糊、视觉效果较差等原因造成的不易检测边缘曲线的问题。经实验证明,基于Hough变换的规则红外目标的检测方法具有可行性,且检测效果好。     

基于Hough变换和清零法的缸套内面网纹角检测

目的 发动机缸套内面网纹角直接影响到发动机的性能,为了高效准确地检测出内纹角,舍弃残次品,拟研究网纹夹角的检测方法。方法 采用邻域运算和自适应中值滤波对网纹图像进行图像增强,达到去除噪声和保留细节的双重效果;然后对其进行边缘分割处理,得到边界分明的边缘图像;再对其进行二值化,以减少Hough变化所用时间;最后提出一种基于Hough变换与清零法相结合的直线提取算法,并根据提取的直线特征计算网纹角。结果 实验结果表明,基于所提算法检测出来的夹角,对比传统方法和国外通用的仪器,平均检测误差降低为0.43%。结论 所提算法具有夹角误差小、准确度高、用时少等优点,能代替昂贵的进口仪器。所提算法在直线检测和包装条形码领域有较好的应用价值。     

一种基于中点画圆算法的改进Hough变换检测圆方法

为了对机械零件图像中的圆形几何特征进行视觉检测,将中点画圆算法与Hough变换相结合,提出一种基于中点画圆算法的Hough变换检测圆的新方法,并对中点画圆算法中的浮点运算等方面进行了改进。给出了该新方法的具体实施步骤和检测结果,表明了该方法的可行性。最后,通过对比实验验证了该方法的有效性。     

基于多传感器信息融合的机器人障碍物检测

针对单一传感器在机器人避障过程中不能全面且准确定位障碍物的缺点,提出基于多传感器信息融合的障碍物检测方法。第一阶段使用视觉传感器检测未知环境中的障碍物,通过Zernike矩边缘检测方法提取障碍物图像边缘,然后采用Hough变换原理提取障碍物的直线特征,获得障碍物大概位置;第二阶段使用超声波传感器和红外传感器对障碍物进行检测,获得障碍物准确位置;最后使用联合卡尔曼滤波对3种传感器获得的信息进行融合,得出融合后的障碍物位置信息。实验结果表明:该方法克服视觉传感器、超声波传感器和红外传感器的局限性,可以精确感知机器人周围的未知环境信息,并能够检测和定位机器人路径上的障碍物,定位误差6 cm,满足机器人避障的实时性和可靠性需求。     

区域生长和C-均值聚类结合的图像分割方法

结合边缘检测的模糊C-均值聚类图像分割方法,本文提出一种基于区域生长和模糊C-均值聚类相结合的图像分割方法.采用与区域生长类似的方法,寻找图像中封闭边缘围成的相互独立的区域,根据物理就近原则对边缘点进行归类,完成图像的分割.经实验验证:目标区的分割相对完整.     

基于维纳滤波的图像边缘检测方法

针对经典边缘检测方法中存在的精度低、算法复杂等问题,提出了一种基于维纳滤波的图像边缘检测方法。该方法不仅算法简单,而且可以较准确地检测出图像的灰度变化信息,不丢失重要边缘且实际边缘与检测到的边缘之间偏差较小。另外,利用该方法得到的边缘连续性较好,不易产生线段断裂。实验证明该方法可以用于检测图像边缘,尤其对以字符、曲线为主的复杂图像,有较好的检测效果。     

基于改进随机Hough变换的快速中心检测方法

为了实现芯片焊盘的中心提取,建立了显微视觉系统,研究了焊盘中心坐标的图像检测方法.该方法将改进的随机Hough变换与最小二乘法结合起来,实现对焊盘中心坐标的快速准确定位.首先,根据焊盘基本为圆形的特征,初步确定使用Hough变换法和最小二乘法进行中心检测.其次,分析了这两种方法存在的问题和不足,引出了改进的随机Hough变换法.最后,根据焊盘边缘凹凸不平的特点,将改进的随机Hough变换法和最小二乘法结合起来,通过随机Hough变换检测出焊盘中心的大致坐标,进而锁定焊盘边缘,再通过最小二乘法对中心坐标进行修正而得到精确的亚像素级中心坐标.实验结果表明,该方法的检测精度可达0.57μm,运行时间在12 ms以内,满足显微视觉系统的精度高、速度快和抗干扰能力强等要求.     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

基于圆弧逼近的虹膜定位方法

在虹膜识别系统中,如何提高虹膜定位的速度和精度是急需解决的重要问题.针对虹膜边缘图像中的圆形局部畸变的情况,在虹膜定位中,采用圆弧逼近的方法,第1步进行圆弧参数的分段拟合,第2步进行圆弧参数动态聚类,完成虹膜的内边缘定位,在内边缘定位的基础上,实现虹膜外边缘定位.实验结果表明,在同等情况下,比基于J.D圆探测算法和Hough变换算法的虹膜定位速度快,精度高.     

A proposed circle/circular arc detection method using the modified randomized hough transform

Abstract

The randomized Hough transform (RHT) is a useful tool to locate patterns in an image. In this study, we propose a modified RHT to detect circles/circular arcs efficiently. First, we segment an image into sub‐images based on edge information, then we use the proposed circular arc analysis and density check rule to modify RHT for circle/circular arc detection. In the experiments, real images are used to show the capability of the proposed method.     

Statistical line detection and its extensions

Abstract

The use of statistical analysis in line detection is necessary because of the noises induced by signal amplification and the random variations due to the microtexture of the object surface. Hunt et al. [5] have shown that the method derived from statistical signal detection theory has better performance than the Hough transform both in line detection and estimation. In this paper, we first derive two likelihood ratio tests for detecting a line in both gray level and binary images. These tests have some invariance properties. We also present some experimental results of detecting a line in the simulated image and also an edge line in the real image to demonstrate the usefulness of the tests. Then extensions of these tests to detect a parametric curve or a general shape or multiple curves are discussed in detail. Finally, a complete analysis of the Bayesian approach to line detection, particularly in the normal distributed case, is carried out successfully, and practical considerations of the whole theory are discussed with a conclusion that the theory is realistic and can be applied in many practical situations, and in some cases better than the Hough transform.     

PCB导线上下线宽检测算法研究

针对PCB导线的上下线宽的测量,提出了快速而且精确的边缘提取算法。由于采集的显微图像中有很强噪声,一般常用除噪方法很容易破坏图像的边缘信息。采用P-M模型进行除噪,这种方法最大的优点是能够在除噪的同时保护甚至增强图像的边缘;利用Canny算子对降噪图像提取边缘点;最后进行Hough直线拟合。实验证明该方法不仅有很强的抗噪声能力,能够保持边缘信息和测量的精度,并且满足工程测量的实际要求。     

Robust integral image rectification framework using perspective transformation supported by statistical line segment clustering

In most integral image analysis and processing tasks, accurate knowledge of the internal image structure is required. In this paper we present a robust framework for the accurate rectification of perspectively distorted integral images based on multiple line segment detection. The use of multiple line segments increases the overall fault tolerance of our framework providing strong statistical support for the rectification process. The proposed framework is used for the automatic rectification, metric correction, and rotation of distorted integral images. The performance of our framework is assessed over a number of integral images with varying scene complexity and noise levels.     

霍夫变换耦合蚁群优化图像边缘提取算法

目的为解决图像边缘提取方法中由于噪声浸染导致边缘定位精确度降低、边缘信息丢失和虚假边缘等不足,提出基于霍夫变换(HT)耦合蚁群优化(ACO)图像边缘的提取方法。方法对输入图像进行霍夫变换,消除噪声和线段间隔对图像边缘的影响;计算图像像素梯度和像素圆形邻域统计均值的差值,构建二者之间的权重函数,并作为蚁群的信息素和启发信息;利用蚁群优化算法,引导蚁群搜索图像边缘,完成图像边缘提取。结果实验表明,与当前边缘提取技术相比,文中算法具有更高的提取精度与效率,可获取完整、细节丰富的边缘,有效地降低了噪声影响。结论所提算法具有较强的抗噪性能,能进一步改善边缘提取精度,能够较好地用于包装条码识别与图像处理领域。     

Robust ellipse detection based on hierarchical image pyramid and Hough transform

In this research we propose a fast and robust ellipse detection algorithm based on a multipass Hough transform and an image pyramid data structure. The algorithm starts with an exhaustive search on a low-resolution image in the image pyramid using elliptical Hough transform. Then the image resolution is iteratively increased while the candidate ellipses with higher resolution are updated at each step until the original image resolution is reached. After removing the detected ellipses, the Hough transform is repeatedly applied in multiple passes to search for remaining ellipses, and terminates when no more ellipses are found. This approach significantly reduces the false positive error of ellipse detection as compared with the conventional randomized Hough transform method. The analysis shows that the computing complexity of this algorithm is Θ(n(5/2)), and thus the computation time and memory requirement are significantly reduced. The developed algorithm was tested with images containing various numbers of ellipses. The effects of noise-to-signal ratio combined with various ellipse sizes on the detection accuracy were analyzed and discussed. Experimental results revealed that the algorithm is robust to noise. The average detection accuracies were all above 90% for images with less than seven ellipses, and slightly decreased to about 80% for images with more ellipses. The average false positive error was less than 2%.     

基于凸包的椭圆检测方法

用于检测曲线的Hough变换及其改进方法都不同程度存在运算速度慢、需要大量的储存空间等缺点,因此本文利用椭圆的几何性质降低检测的时间及空间需求,提出了用凸包的方法和Pascal定理来进行椭圆检测.首先从边缘点中随机挑选六个点,进行凸包检测,并将此六点排序;然后利用Pascal定理来判断此六点是否来自同一个椭圆,随后利用拟合得方法求出候选椭圆参数,最后利用包含凸包的最小矩形内的边缘点对超过阈值的累加参数进行验证.实验结果表明,文中算法能快速检测图中的单个或者多个椭圆,并且在具有噪声的情况下,与改进的随机Hough变换算法相比,其检测速度快一倍左右.     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度场内奇异值分解相结合的边缘检测方法.首先在图像预处理阶段,为了提取准确的边缘特征,文中利用小波变换的时频局部化特性,对图像进行小波变换.该文对用小波求取的梯度场使用局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出并且能够达到抑制噪声的目的.实验证明该文方法既能在无噪声影响的图像中提取出清晰完整的单边缘,又能在有噪声干扰的情况下提取出理想的边缘.     

基于改进的Hough变换缸套内面网纹夹角检测

目的缸套内面网纹角是影响缸套性能的重要参数,为了在生产过程中快速准确检测出网纹角参数,剔除不合格产品,研究基于改进的Hough变换缸套内面网纹夹角检测方法。方法确定缸套图像的预处理算法,增强图像网纹特征,滤除次要信息;确定基于Canny算子的网纹特征边缘分割方法;确定基于改进的Hough变换网纹直线特征提取方法,通过计算提取直线夹角的平均值得到缸套网纹角值。结果试验表明,基于改进的Hough变换网纹角检测结果与进口仪器检测结果相比,平均误差为1.54%,检测精度高。结论提出的检测算法可准确识别缸套内表面网纹角,能很好地代替传统人工复膜检测和昂贵的进口检测仪器,满足工业现场自动检测的需要,提高了检测的效率和精度,降低了检测成本。