基于特征检测的航拍图像电力线提取方法

在分析输电线路无人机巡检系统航拍图像中电力线特征的基础上,针对单一Ratio算子和Hough变换提取电力线效率低、效果差的不足,提出一种基于特征检测的电力线提取算法.首先,运用Ratio算子检测直线像素点并运用Hough变换的方法提取图像中的直线信息;然后,运用特征检测算法对电力线进行提取;最后,通过实验验证了所提算法能够从复杂的自然背景中完整提取电力线,同时能有效避免漏检、误检等情况,并有较好的噪声抑制能力.该研究为电力线典型故障的检测识别提供了有力支撑,具有较好的工程应用价值.     

基于自适应阈值区间的动态采样Hough变换直线检测算法

目的为解决Hough直线检测方法计算量大、参数空间中峰值点被次峰值点包围导致漏检或误检、阈值难以设定等问题.方法通过对Hough变换原理以及直线表示的特点进行分析,采用阈值区间表示一条直线,通过三个约束定义了该阈值区间,并根据其中第三条约束识别图像中其他像素点是否在该直线上.对被识别的轮廓线采用邻接关系将像素点聚集为不同类,将其依次存放到数组中,根据数组下标对这些像素点进行动态采样,对采样位置上的m个相邻像素点使用阈值区间进行直线判定与轮廓线上的像素点识别.针对GREC2003标准测试集进行实验验证.结果本算法与已有改进算法、Matlab内置优化Hough变换函数进行对比,实验结果验证了本算法的有效性.结论本算法通过过滤噪声信息,提高了Hough变换直线检测的抗干扰能力,增强了算法的鲁棒性.     

基于边缘方向的直线提取算法

研究一种快速的图像直线提取算法.将边缘按方向划分成若干子边缘,利用判据从子边缘提取出局部直线,然后依据准则合并相应子边缘直线得到全局直线及参数.准确提取出图像中的直线特征及端点和方向等参数.仿真实验结果表明,该算法比Hough变换能更准确、快速、可靠地提取图像的直线特征.     

基于改进Hough变换的刀具磨损状态监测

针对传统Hough变换的参数空间所需存储量大、运算量大、不利于实现实时监测等缺点,提出了一种基于随机Hough变换的改进Hough变换算法,并将该方法用于工件表面纹理图像的处理,通过对工件表面的二值边缘图像进行改进Hough变换,提取直线段平均长度及直线段与切削速度方向的夹角作为特征参数,实现对刀具磨损状态的判断.算法分析和实验结果表明,该算法所需存储空间少,计算量小;提取的特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现对刀具磨损状态的监测.     

改进Census变换的铁路扣件定位方法

针对目前铁路扣件定位方法容易受光照强度、亮斑和阴影等条件的影响,提出了一种具有相对灰度不变性的扣件定位方法.使用中值滤波来去除噪声.通过改进的Census变换增强图像边缘特征;使用Mean-shift聚类算法将边缘分类,降低短直线造成的干扰.使用Hough变换,较快地将挡板座边缘直线特征提取出来,并结合先验知识实现扣件的精确定位.实验结果表明:该方法能够准确定位且对于光照变化具有很好的适应性,在晴天和雨天情况下定位精度分别提高了4.3%和8%以上.     

生物芯片微阵列图像倾斜校正算法研究

针对现有生物芯片图像倾斜校正算法校正精度和运算速度的矛盾问题,提出对矩形样点和圆形样点图像分别采用改进的Hough变换和改进的Radon变换方法进行倾斜校正。改进的Hough变换首先对图像进行二值化,并仅统计矩形样点的上下边缘像素的Hough参数和累计值,然后根据所得的Hough参数空间提取占主导的直线组,最终计算出直线组的平均倾斜角度;改进的Radon变换在提取圆形样点边缘后,对边缘图像进行二级Radon变换,从而得到最佳校正角度。实验证明本文的方法能准确、快速地实现芯片图像的倾斜校正,为生物芯片样点识别奠定基础。     

基于动态聚类算法的显微刻度线自动提取

设计一种基于机器视觉的显微刻度线自动提取系统,提出了一种实时、自适应能力强的刻度线全自动提取方法.根据Hough变换对刻度图像进行刻度边缘直线提取;基于动态聚类的方法对所提取的刻度边缘直线进行有效归类,给出了自动选取归类阈值的方法,借助归类信息进行非刻度线直线剔除操作;对优选后的直线使用最小二乘法对刻度线中线进行精确拟合.实验结果表明,使用该方法提取刻度线的精度高、抗干扰能力强.     

哈夫变换在直线特征识别中的应用

本文论述了哈夫变换(Hough Transform)在图像直线特征识别中的应用。首先讨论了哈夫变换之前所应做的图像预处理工作,根据不同的图像设计不同的处理流程,主要包括:图像滤波、图像分割、边缘提取、骨架提取等。文中运用两个图像直线特征识别的例子说明了哈夫变换的应用效果。     

商空间理论的Hough变换直线提取

Hough变换以其对图像噪声的鲁棒性,一直是参数化图形检测提取的经典工具,尤其是在直线提取方面,但传统的Hough变换存在的一些缺点,限制了Hough变换的应用场合,粒度计算为这些缺点的改进提供思路,文中在全面分析传统Hough变换及其存在缺点的基础上,结合商空间的粒度计算理论模型,提出一种基于商空间理论的Hough变换直线提取算法,实验证明,该算法在算法复杂度、实用性和准确度等各方面都有一定的改善。     

基于小波变换和模糊c-均值聚类的图像边缘检测

提出一种结合小波变换和模糊聚类技术对图像边缘进行检测的新算法．首先,对图像进行小波变换。并将相邻尺度小波系数相乘以增强边缘和去除噪声,然后利用模板得到四个方向的小波模梯度值,并以其作为特征作成待分类点集,最后,采用模式识别中的模糊c-均值聚类技术进行自动分类,实现边缘检测．实验结果表明,该算法具有较好的边缘检测和抑制噪声的能力。     

基于分数阶微分Frangi的夜间车道线检测

基于机器视觉和图像处理的夜间车道线检测一直是该领域的研究难题,即使是近年的深度学习方法,检测精度只能达到50%左右.为此,研究了一种新的算法,根据车道线的特点和车辆的行驶速度,将视频中多幅图像融合到一幅图像中;利用图像的特点,在区域合并中识别出有效的车道线检测区域;将有效区域分割成新的图像后,采用基于Frangi和Hessian矩阵的算法对图像进行平滑和增强;为了提取车道线的特征点,提出了一种新的分数阶微分模板进行车道线特征点检测,该算法根据车道线在图像中可能的位置,从4个方向检测特征点;在检测出候选点后,应用递归Hough直线变换得到候选车道线,为了确定最终的车道线,一条车道线的角度应介于25°～65°之间,而另一条车道线的角度应介于115°～155°之间,否则,通过降低线点数的阈值继续进行Hough直线检测,直到获得两条车道线为止.通过对数百幅夜间车道线图像的测试,并与深度学习方法和传统的图像分割算法进行比较,新算法的检测准确率可达70%.     

一种多阈值Hough变换车道线检测算法

针对传统Hough变换虚线检测率不足的问题,提出一种多阈值Hough变换车道线检测算法。该算法在对图像进行灰度化处理、逆透视变换、二值化处理的基础上,在预设好的多条直线位置进行突变点检测,并对突变点进行分类、拟合、合并,最后进行Hough变换。3种实际路况的实验表明,该算法能够较准确、稳定地检测出车道线,平均识别率达到9870%,高于传统Hough直线检测算法的平均识别率(86.84%),而且可通过计算车道线线段的长度和点的个数来判断虚线和实线。     

一种基于形状信息描述的图像特征匹配算法

针对已有匹配方法匹配特征点少、图像匹配精度低的问题,提出一种基于边缘形状描述子的图像特征匹配算法。该算法首先利用曲线凸性将图像边缘分割为近似直线段组,再将连接多个直线段的点定义为关键点,将关键点周围直线段组定义为形状特征包,最后利用局部形状特征包中所有点集相对其几何中心的位置关系分布形成描述子。实验结果表明：该算法的图像匹配正确率均高于SIFT算法和Shape Context算法,且对噪声问题不敏感,可应用于基于Hough变换的物体检测。     

基于边缘编组的车位线检测方法

针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。     

融合角点信息的直线增强

直线提取是图像理解和识别的基础,相位编组法是常用且较为快速的直线提取方法之一。传统的相位编组方法存在着诸多问题:如一条直线容易断裂成若干段,直线交点及其附近直线上的点检测不到,无法得到物体的封闭轮廓,造成对物体描述与识别的困难。本文对相位编组方法存在的问题对其进行改进,提出一种利用角点信息对相位编组方法提取的直线进行修正,同时利用相交直线信息对角点位置进行修正的方法。     

基于自适应3D－Hough变换方法估计三维物体的位置参数

本文提出一种基于３Ｄ－Ｈｏｕｇｈ变换检测深度信息图像中平面特征及估计三维物体位置参数的新算法．利用３Ｄ－Ｈｏｕｇｈ参数空间中位移和旋转相分离的特征，多层次地估计物体的位置参数．因为该算法直接从输入的深度信息图像获得几何特征，所以该算法具有较好的鲁棒性．     

基于形态学滤波和Hough变换的掌纹主线提取方法

提出一种结合形态学滤波和Hough变换提取掌纹主线的方法,在对方向性掌纹线特征子图像做形态学滤波后,将滤波图像转换至Hough变换参数空间,利用Hough变换具有的点线对偶性,检测参数空间内累加数组的峰值来确定主线的空间位置和走向,并展开邻域检测得到主线.本文算法更符合主线的自然生长规律,在成功提取主线的同时消除了粗大掌纹皱纹在主线提取中易产生的干扰.     

基于Hough变换和数学形态学算子的对不规则直线的提取

提出了一种提取并定位不规则直线的方法.将Hough算法和数学形态学结合在一起,利用Hough算法对直线敏感的优点及数学形态学运算简单准确的特点,避免了Hough算法不能准确定位直线的位置,同时不能判断间断直线和微小弯曲直线的缺点.减少了提取的盲目性和计算的复杂度,加深了对图像的理解.     

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 Hough 变换与双点去除 R-最小二乘法的车道线检测优化算法

针对传统Hough变换和最小二乘法的不足分别提出改进算法,并应用到车道线检测中,对道路图像进行预处理得到车道线的边缘点,对拟合车道线的两种方法进行改进,提高车道线检测的准确率和实时性。在实际检测中,设计一种结合改进Hough变换和双点去除R-最小二乘(R-least squares with dual removal,R-LSDR)法的检测算法,并运用Kalman滤波器跟踪车道线,在实车采集的道路图像序列上进行初步测试。实验结果表明,优化的车道线检测算法提高了检测准确率和运行效率。