区分上下边缘的Hough变换直线改进算法

Hough变换(HT)是一种较好的检测直线的方法,但是,目前的HT检测方法对背景复杂图像的检测效果较差,这主要是由于一些物体非直线边缘以及物体直线边缘离得较近,而且在图像中,存在长度相差较大直线时容易出现虚假直线.针对以上问题提出一种区分上下边缘的直线检测方法,在图像空间将离得较近的边缘区分开,在HT形成的累加器空间利用直线形成累加器单元的形状特性进行峰值检测.最后将该方法与其他两种方法进行比较,结果显示,该算法较其他算法具有更好的效果.     

基于改进Hough变换的前视机场跑道识别方法

提出了一种基于Hough变换的前视机场跑道识别算法。该算法基于跑道灰度图的直线边缘特征,利用直线边缘特有的灰度方向和直线方向一致的特点改进了基于二值化边缘点的传统Hough法,并在此基础上实现了复杂背景下的机场跑道识别。真实跑道图像测试表明本算法具有良好的识别效果。     

基于Hough变换的煤岩界面识别方案

根据煤层与岩石层分界明显且呈线状的煤岩图像特征,提出一种基于Hough变换的煤岩界面识别方案。首先对煤岩图像进行去噪与增强预处理,然后去除煤与岩石边缘的孤立点与虚假边缘,最后采用Hough变换识别煤岩分界线。实验结果表明,该方案能够较快、较准确地检测出煤岩分界线。     

基于改进Hough变换的圆形物体检测

圆形(包括弧线)检测是数字图像处理过程中的经典问题之一,有着广泛的应用背景。基本的Hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域,选取累积最多的参数。在现实生活中,由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解,因此,图像在应用Hough变换后,很难找到单一的峰值,这也就造成了检测的难度。在Hough变换的原理基础上利用圆的几何特征提出了改进算法。理论和实验证明能获得较好的检测结果。     

改进的随机窗口Hough变换在直线检测中的应用

Ｈｏｕｇｈ变换是直线检测的基本工具,但标准的Ｈｏｕｇｈ变换在实际应用中存在许多不足之处。本文提出了一种改进的随机Ｈｏｕｇｈ变换算法,它采用矩形窗口取代原肖的正方形窗口,使窗口的尺寸不再受图像素排列模式的影响。实验证明,与现有方法相比,在运算量基本不变的情况下,本文提出的新方法得到的参数精度更高,检测短直线的能力更强。     

Hough变换与先验知识在车牌定位中的新应用

车牌定位作为车牌识别系统中的基础环节,定位准确度将直接影响着最终识别结果。在以往各种识别算法中,Hough变换更多的是用来检测车牌倾斜角度,在车牌定位中一直未见其用。结合合理的先验知识,提出一种利用Hough变换多线检测在车牌定位中的新用法。通过对240幅图像的测试,准确率达到95.42%,结果表明了此方法的有效性。     

改进的Hough变换检测圆方法

计算机视觉目前已经得到广泛的应用, 通过图像检测圆在工程应用中具有重要的意义. 为了在实时系统中自动检测图像中的圆并且精确得到圆心和半径, 提出了一种改进的Hough变换检测圆的方法. 先对图像边界进行过滤, 得到连续边界, 然后对每条连续边界进行排序并等分, 选择三点进行圆心和半径计算, 将传统Hough变换检测圆的三维参数降到一维参数来统计, 在降低了计算时间和内存资源占用的同时, 提高了检测圆的准确性. 实验表明, 该方法能够满足实际检测的需要. 同时, 在检测时间上, 可以满足实时性的要求.     

一种利用Hough变换和先验知识的车牌识别新方法

在车牌定位上,针对当前实际中存在的一些困难,结合先验知识,提出了一种Hough变换多线检测的由粗到精的定位算法.在字符分割中,通过合理改进,使投影法的准确性进一步得到提升.并在大量实验的基础上,将BP神经网络反复修正,使得系统理论识别率达到了91.00%,结果表明此方法是行之有效的.     

基于Hough变换利用对称点检测圆

分析了传统Hough变换检测圆中一对多的映射关系导致性能下降的问题,总结了经典的Hough算法和其他研究人员提出的其它改进算法后,提出了采用圆的几何特征,利用圆周上两个对称点的中心为圆心,先检测出圆的圆心,然后检测半径的方法来检测圆.实验及分析证实该方法降低了Hough变换的转换的维度,比传统的Hough变换性能有较大的提高.     

基于改进的Hough变换提取影像边缘

当影像中的边缘点较为密集或者噪声点较多时,直接应用Hough变换提取边缘线将会面临两个困难:一是虚假的峰值很多;二是边缘提取不准确.这两个问题往往会导致边缘提取的失败.针对这种情形,提出一种改进的Hough变换新方法,首先对分块影像类的边缘点进行Radon变换以获取局部直线特征;根据局部直线段的斜率、截距对其进行分类,同时计算出后续的Hough变换时所需要的ρ、θ取值范围,在此基础上进行经典的Hough变换.实验证明新方法具有很好的效果.     

基于改进霍夫变换算法的手势识别

随着人们对人机交互的简单便捷性需求的不断提升,基于视觉的手势识别在许多领域都引起了足够的重视.由于深度图像在识别中的良好表现,其在领域内广受青睐.从深度图像中分割出手势图像区域并对其进行归一化处理得到统一规格的手势二值图像,然后进行手势边缘的检测.针对手指轮廓特性提出了改进的霍夫变换算法,提取图像中的手指信息特征.同时提取基于边缘曲线特征,并建立3D直方图进行统计.最终对两种特征进行融合,根据所得到的特征向量通过最小闭包球支持向量机（MEB-SVM）进行手势分类,测试集上识别率为96.6%.该方法不依赖于颜色、细节纹理等信息,对光照等条件不敏感,有着良好的鲁棒性.且识别速度较快能满足一般应用的需求.     

基于改进Hough变换的车道线检测技术

为提高车道线识别的实时性和可靠性,提出了一种基于改进Hough变换的车道线检测方法;在图像预处理时对不同光照图像进行分类处理,得到二值化图像;利用极角约束Hough变换进行车道线初始定位;根据前一帧图像信息使用基于动态ROI的Hough变换进行车道跟踪;算法加入了车道线检测失效判别模块,以提高检测的可靠性;由于该方法减少了图像空间中被投票的目标点数,缩小Hough变换的投票空间,在一定程度上提高了车道检测的实时性和稳定性;实验结果表明,在结构化道路上,对于不同的路况,算法均具有较好的实时性和鲁棒性。     

基于最优阈值和Hough变换的车道线检测方法

针对智能车辆视觉导航系统中的车道保持问题,采用图像处理技术检测结构化道路上的车道线。详细介绍了图像的灰度特征,并在此基础上选取感兴趣的道路区域,通过最优阈值对道路区域进行边缘检测,再结合Hough变换技术检测当前车道线。实验表明用结合最优阈值和Hough变换来检测车道线具有很强的鲁棒性和抗干扰性。     

基于小波变换的含噪图像边缘检测算法

针对含噪图像边缘检测时出现的噪声去除不完全和边缘定位不精确的问题,本文提出一种改进的图像边缘检测算法,该算法首先根据范数性质改进对图像进行小波变换求模极大值边缘检测时的梯度模算法,然后对得到的边缘图像利用本文所提出的阈值算法处理,最后连接图像,得到最终的图像边缘。计算机仿真结果表明,对于含噪图像,改进的算法能得到较为理想的图像边缘信息,实现了去噪和目标边缘精确定位的双向平衡,与传统的检测算法相比,检测效果有一定的提高。     

基于Hough变换的高分辨率遥感影像城市直线道路提取

根据高分辨率遥感影像城市直线道路特性,提出在图像分割获得道路网轮廓的基础上,使用Hough变换检测道路所在直线,对直线进行道路判断,再将所得道路段进行修剪、连接形成道路网,实现道路提取。实验结果表明,该方法能有效的从高分辨遥感影像中提取城市直线道路。     

基于Hough变换的快速矩形检测算法

本文提出了一种基于图象Hough变换的矩形检测算法。通过对图象Hough变换空间中峰值点进行提取和组合，检测出满足角度和长度条件的直线组合，以快速定位出图象中的矩形。实验结果表明：该算法快速、准确，检测过程不需人工参与。