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。     

压路机钢轮压实边缘的检测与提取

针对压路机特有的非结构化工作场景且较为固定的工作轨迹,采用视觉处理算法提取压路机钢轮的碾压痕迹.首先对碾压区域的RGB图像进行灰度化处理,并通过预处理算法消除随机噪声;其次通过比较Roberts、Sobel、Prewitt、Canny、Kirsch等边缘检测算子,选取检测效果最好的算子;最后采用Hough变换进行碾压痕迹线段提取.结果表明,Canny、Kirsch算子的边缘检测结果更为清晰,但经过Hough变换后,采用Kirsch算子提取到的直线误差最小.结合Kirsch算子和Hough变换的方法能准确提取钢轮碾压痕迹边缘信息,同时保证准确性和实时性,为压路机实现自动行驶提供了重要的视觉信息.     

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.     

基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。     

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．     

基于结构森林边缘检测和Hough变换的海天线检测

海天线是海面环境图像所具有的重要特征之一,海天线的检测对划分海空、海界区域以及目标检测有重要作用.提出了一种结合结构森林快速边缘检测和概率Hough变换的海天线检测方法.首先通过高斯低通滤波来减小海面浪纹、光照反射等局部纹理影响,然后使用已完成训练的结构化随机森林为每个像素贴上边缘标签——二值化,最后通过Hough变换原理拟合海天线.实验结果表明,该方法可以较好地忽略局部干扰边缘,强化边界提取,对复杂海天背景下的海天线检测具备鲁棒性和高准确性.     

一种自适应动态窗口车道线高速检测方法

为提高结构化道路车道线检测的图像处理速度,提出一种单目视觉自适应动态窗口的高速检测算法.利用栅格法划分出初始图像感兴趣区域,剔除掉与栅格线相交像素点外的其它像素点,进而在保留的像素点中找到车道线特征点,并利用膨胀算法以保留的特征点为基础实时动态产生少量窗口,对这些动态窗口中的图像进行灰度转化、滤波去噪、边缘增强和二值化等处理,得到车道线边界特征,最后利用Hough变换进行车道线拟合.在实车实验中,对实际采集的结构化道路图像的处理速度可达到22 ms/帧左右.结果表明,该算法基本上满足车辆高速行驶时对视觉导航系统的实时性要求.     

一种基于光照无关图的车道检测方法

针对无人车辆道路检测时,特征提取易受光照变化和阴影影响的问题,提出一种基于光照无关图的车道检测方法.使用最小熵值法离线求取图像的光照无关角,对图像每个像素点在对数色度空间向光照无关方向投影得到光照无关灰度图;利用Canny算子提取光照无关图边缘,在边缘图上寻找线段基元以减弱细小边缘的干扰;使用改进投票空间的Hough变换检测直线,采用分段线性道路模型描述道路边界.实验表明,该算法能够有效减弱阴影和光照变化造成的影响,准确识别道路边界,满足实时性要求.     

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FAST算子与多特征匹配的图像伪造检测算法

当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.     

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。     

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.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

小波变换在图像去歪斜中的应用

提出一种基于小波变换的图像去歪斜方法。图像去歪斜的关键在于边缘检测和边框提取。边缘检测采用由粗到细的方法，利用小波变换的多分辩率特性，得到的结果较传统的方法有更好的去噪和定位性能，并能保留必要的细节。边框提取则是用改进的Ｈｏｕｇｈ变换寻找直线，将参数空间二次量化，在一定程度上解决了常规Ｈｏｕｇｈ变换抗干扰性和精度之间的矛盾。     

基于初级视觉模型的Hough变换的改进算法

Ｈｏｕｇｈ变换是图象分析的重要工具之一，但是Ｈｏｕｇｈ变换的运算量很大，这给实际应用带来很多不便，文章提出了一种基于初级视觉模型的Ｈｏｕｇｈ变换的改进算法，该算法可以大大地降低算量，降此之外，该算法可以直接针对原始图象进行，而不是象普通方法那样针对边级图象进行，因此可以省略图象的预处理，边缘提取等步骤，从而进一步加快处理速度。     

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。     

彩色图像的边缘检测

彩色图像的边缘检测算法有很多,但检测结果仍存在细节丢失、抗噪性差的问题。本文提出一种新的彩色图像的边缘检测算法。首先,在RGB空间下,采用矢量梯度算法,分别在三个通道中求出像素的梯度值。然后,采用自适应双阈值算法,对梯度值进行判断,筛选出图像的边缘点。最后,只采用筛选后的边缘点的信息,构造新的模糊矩阵的隶属函数,从而形成新的模糊算法。利用该算法,检测出最终的图像边缘信息。实验证明,该算法得到的图像检测结果,不仅对比度高、边缘连续、细节保存完整,而且具有较强的抗噪性。