基于广义Hough变换的部分遮挡物体识别

描述了一种基于广义Ｈｏｕｇｈ变换的部分遮挡物体识别方法．该方法分建模及识别两个过程，在识别过程中，景物图象经特征抽取、组合特征匹配、变换矩阵计算，进而根据广义Ｈｏｕｇｈ变换在参数空间求出与景物对应的模型类及相应的变换矩阵．由于用了广义Ｈｏｕｇｈ变换，物体识别过程中不必求出物体的全部特征，因而能较好地识别部分遮挡的物体，且该方法对噪声不敏感．为了说明该方法，还给出了一个２Ｄ识别简例及在一微机系统对工作台上堆集的工具的识别结果     

HOUGH-质心算法及其在形状识别中的应用

本文提出了一种扩展的Hough变换,它可以用于曲线检测、多类目标识别和同类目标失真参数估计。由于对原图象及其Hough变换图象两次进行质心计算,使得失真参数——位移量、尺度因子、旋转角能独立分步地计算。本算法同Krishnapuram—Casasent算法(KC法)相比,具有参数搜索精度和目标识别正确率高、运算速度快、占用内存少及抗干扰性强等优点。在对五种飞机模型图形的失真参数搜索和类型识别中,本算法的处理速度比KC算法提高了25倍,所占内存单元减少到1/5。     

模糊随机Hough变换算法

提出一种新颖的将模糊理论与随机Hough变换相结合实现参数曲线自动检测的方法，即模糊随机Hough变换．与其他随机Hough变换方法相比，该方法可以处理背景噪声较强、曲线有一定交叠和缺损的图像，检测出的曲线精确度更高，能够有效地避免检出错误曲线的情况．为了叙述的简便，仅以直线和圆为实例，但可以推广到任意曲线的检测．     

用于X射线图像的角点检测方法

针对X射线机标定过程中的角点检测问题，该文设计了一套实用的处理方法。在采用了方形模板的基础上，该方法首先对原始图像进行分块，然后对分块后的部分分别进行边缘检测，在此基础上进行直线拟合并求交点，该交点即为所需的角点。实验结果表明，该方法对于X射线图像很适用，具有很强的鲁棒性。     

一种高效的混合圆/椭圆检测方法

提出了一种新的基于边缘连续特征的HT（ECHT）混合圆／椭圆检测方法，利用连续的边缘曲线段来决定HT采样点，实验仿真结果表明该算法较好地解决了标准RHT检测中无效采样概率大，无效积累时间多的问题。     

Hough变换在航迹起始中的应用

为了在重杂波区内检测出运动的目标 ,提出了一种改进的 Hough变换算法用于初始航迹的建立。通过检测在变换后参量空间的积累程度 ,可以识别处于匀速运动的目标。同传统的 Hough变换算法相比 ,设计中选取了更为合适的变换参量 ,改进了原算法中性能随距离变化的缺点。解决了跨相邻图元造成积累丢失 ,推算并验证了航迹起始的检测概率及虚警概率。该算法充分利用了目标在采样时间段内的累积信息 ,具有简化的检测手段 ,和良好的检测性能     

弱目标运动参数的三维频域估计

具有不同平移运动速度的目标和背景图像在三维频域中形成两个分别与目标和背景运动参数有关的能量聚积平面，提出了用霍夫变换检测这两个平面、确定背景和目标的运动参数的方法。该方法可用于连续多帧图像情况下在低信噪比时估计运动目标的参数。     

一种有效的Hough变换航迹起始积累方法

针对积累矩阵在低信噪比、低信杂比目标检测时存在的峰值簇拥现象,提出了一种有效的Hough变换积累方法。该方法综合利用单元投票数和投票取值定义了反映单元对应参数为待测曲线特征参数可能性的置信因子,并依据置信因子衡量各投票点对相应单元的贡献值,从而对参数空间实现加权积累。不同量测噪声水平以及不同杂波水平下的多目标航迹起始仿真表明,该方法不但能够明显改善局部峰值簇拥现象;而且对量测噪声和杂波干扰都具有更好的鲁棒性,特别适用于复杂环境中的目标检测。     

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.     

一种基于支持向量机的自适应虹膜定位算法

由于参数的限制和虹膜外边界两边低的对比度,使得Canny算子只能检测到位于某些频率段中的边缘,有时会漏掉一些比较模糊或者一些干扰较大的外边界.为了解决Canny算子进行虹膜定位过程中的鲁棒性问题,提出使用支持向量机(SVM)的自适应以改变Canny算子参数的方法.该算法通过傅立叶变换判断眼睛图像的质量,再使用SVM对眼睛图像分类,然后对于不同质量的眼睛图像采用不同参数的Canny算子检测边缘.实验结果表明该算法可以更加准确地检测到虹膜外边界,并有效地解决了虹膜定位中Canny算子的参数依赖问题.