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%.     

基于Canny算子和Hough变换的夜间车道线检测

针对夜间只有车灯照射路面图像整体较暗、光照不均匀、车道线不易检测的问题,提出了一种夜间车道线识别方法。首先,对预处理后的图像采用Laplacian算子进行边缘增强;然后,结合Otsu算法进行Canny边缘检测,再在边缘图像底部1/3区域中利用Hough变换进行直线拟合;最后,在斜率约束的基础上提出了一种内侧车道线提取算法,实现了车辆所在车道内侧车道线的检测。针对多种夜间车道线图像进行实验,结果表明,该算法准确提取出了内侧车道线。提出的方法能克服图像较暗和光照不均的影响,排除旁侧车道线、护栏等的干扰,有助于夜间车辆各行其道。     

基于改进霍夫变换的水面无人船水界线检测方法

准确的水界线检测是水面无人船(unmanned surfaced vessel,USV)导航和自主避障的关键;同时也为水面图像处理提供有效区域。针对复杂背景下水界线检测实时性和鲁棒性欠佳的现象,提出一种改进的水界线检测方法。首先,使用Canny边缘检测提取图像的边缘信息;然后,使用基于边缘梯度信息的Hough变换,限定参与水界线拟合的边缘像素点的梯度方向;并删除对水界线没有贡献的边缘像素点,同时缩小累加器空间;最后,使用加权长度确定水界线,以此抑制标准Hough变换对纹理性区域边缘像素点造成的虚假峰值。实验结果表明该算法可准确、高效地检测出水界线。     

OpenCV的车道线检测方法

基于开源计算机视觉库(OpenCV),提出一种轻量级的车道线检测方法.首先,对输入的原始图像进行灰度化处理,紧接着使用双边滤波滤除噪声,大幅度保留原始图像的边缘信息;然后,用Canny边缘检测提取图像边缘;最后,使用速度更快的渐进概率Hough变换(PPHT)识别车道线.仿真结果表明:预期检测车道线的效果较好.     

基于改进Hough变换的结构化道路车道线识别

针对现有结构化道路车道线弯道检测识别技术的准确性和鲁棒性不高的问题,提出一种基于改进Hough变换的车道线识别方法。首先利用Canny边缘算子进行车道边缘检测,其次对比相邻区域距离内的Hough变换峰值参数值,将小于设定阈值距离的直线段进行连接,拟合形成车道线检测区域,然后根据消失点的横坐标距离图像中心点的位置来预测车道线方向,最后借助MATLAB平台完成车道线的识别。验证结果表明:该方法避免了曲线模型复杂、计算量大的缺点,实现了直、弯车道的识别统一化,识别准确率为95.3%,平均耗时0.036s,具有很好的实时性和鲁棒性。     

基于小波变换的图像边缘检测算法及像素结构分析

对基于多尺度小波变换的图像边缘检测算法进行了改进.通过处理小波变换后出现的负值解决了双边缘问题;通过处理两层邻域的像素点解决了边缘线间断问题,并与传统算法的结果进行了比较,结果表明,利用这一新的算法可使图像边缘更加光滑、边缘定位更精确.     

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。     

基于Hough变换的焊接接头自动识别技术研究

以作者所研制的焊接机械手为对象,针对其在焊接大型模具时,焊缝数量多的特点,采用提供信息量大、抗干扰能力强的视觉传感器CCD来获得焊接接头平面位置信息．在对CCD摄取的模架图像进行校正、灰度拉伸、灰度阈值变换后,采用Canny边缘检测算子检测出模架筋板上侧的边缘点,并针对传统的Hough变换方法不能检测出直线端点,容易重复检测直线以及提取直线精度不高的缺点加以改进,采用改进的Hough变换方法提取了筋板边缘线,求取这些边缘线交点即可获得焊接接头平面位置信息．实验结果表明,该方法可以有效解决Hough变换存在的上述问题,并能准确稳定地提取出模架筋板边缘线,达到识别焊接接头平面位置的目的．     

Hough变换在人头识别中的应用

Hough变换能识别各种形状的目标,而且有对不完整边缘具有鲁棒性的优点.本文详细论述了Hough变换识别圆形目标的原理,并将其应用于人头识别.首先对原图像利用Canny算子进行边缘提取,然后利用Hough变换找人头的中心,大量实践证明了Hough变换识别人头的良好效果.     

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。     

基于全自动泊车与对数变换法的轨迹图像边缘信息细节化检测

为解决传统边缘检测方法中阈值设置过高或过低,致使关键信息被遗漏或干扰信息被误看作重要信息,造成边缘检测结果不可靠的问题。通过引入自适应阈值思想,研究了基于全自动泊车的轨迹图像边缘检测方法。对采集的全自动泊车的轨迹图像进行直方图均衡化和自适应二值化处理,以及先腐蚀后膨胀的操作,对小对象物体及平滑较大物体边界进行消除。通过一阶微分算子求解经预处理后图像不同点的梯度幅值与梯度方向,细化梯度幅值图像中的屋脊带,仅保留幅值的局部极大值。采用对数变换法对梯度范围进行扩展。通过新的局部自适应阈值化方法确定阈值,实现全自动泊车轨迹图像边缘的初检测。针对轨迹图像边缘直线线段,选用Hough变换法提取其中的直线特征,获取直线轨迹。结果表明,所提方法边缘检测细节化好,可见整体性能优。     

基于局部PCA方向统计分析的Hough直线检测算法

为克服经典Hough变换本身存在的计算时间长、存储空间大的缺点,提出基于局部PCA方向统计分析的Hough直线检测算法.首先在边缘图像范围中选取合适大小的掩膜,通过局部PCA获得支持集内像素点的主元方向;侧重依据所有掩膜内主元方向信息的统计规律来约束Hough变换的极角选择范围,通过缩小参数θ选择范围大大缩短搜索时间.同时,每当一条直线检测完毕,当即把该直线上的点从原图像中除去,一方面可以避免直线间尤其是角度相近的直线问的影响,另外也减少下一轮极角予集范围内搜索的像素点数,提高运算效率.上述过程依此循环,直到检测出所有规定的直线.实验表明,所提出的算法计算精度高,运算时间短,并能提供直线段的完整描述.     

基于聚类的建筑物直线特征提取算法

建筑物图像中提取直线是视觉导航、特征识别等很多应用中的关键步骤。针对建筑物图像。提出了一种新的基于聚类的直线提取算法。该算法在Canny边缘的基础上,使用一个聚类算法将边缘分类,减少了因噪声形成的小短线对直线检测的误检或漏检现象;对于每一个分类使用直线识别准则,进一步剔除图像聚类中的伪直线;最后使用改进的Hough变换（standardHoughtransform）将直线提取出来。克服了传统Hough变换执行速度慢的缺陷。实验结果表明,文章提出的算法具有较快的运算速度,较高的直线提取准确性．较低的漏检和误检情况。其性能优于传统的Hough．变换和相位编组法。     

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.     

一种基于误差扩散理论的直线检测算法

基于霍夫变换的基本原理,针对其在进行直线检测中存在的不足,利用误差扩散理论分析了在霍夫变换过程中的误差,研究了影响误差的因素.分析表明,直线的参数估计不仅和图像噪声有关,而且与直线的位置有关,直线到原点的距离越近,误差就越小,即对直线的检测精度就越高.提出了利用窗口移动的方法来寻求最优特征点和限制角度变换范围,结合最优特征点和误差扩散的理论,给出了一种改进的直线检测算法.在直线检测的精确性要求比较高的情况下,该算法能很好地满足要求.     

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.     

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。