工业线性指针仪表识别改进方法

为解决工业现场指针式仪表识别工作量繁重,人为误差较大的问题,提出了一种运用透视变换与Hough变换相结合的工业线性指针式仪表识别的方法。通过对采集的图像进行去噪、透视变换后,利用Hough 变换检测仪表指针的图像特征,并以该图像特征模拟出实际指针的偏转角度,利用该角度值计算最终读数,完成对工 业线性指针式仪表的识别工作。该方法在面临工业现场无法良好采集正视图像时,通过一定技术手段准确地识别出工业线性指针式仪表图像的读数。为新形势下,人工智能在工业现场的实际应用提供了一种新思路。     

基于线性逼近的车道线弯道识别方法

为提高车道线识别算法在大曲率弯道下的识别性能,提出一种基于线性逼近的弯道识别方法.基于车道线先验知识,利用改进的局部逆透视变换和Hough变换对车道线进行初步提取.根据初步提取结果,对未知区域进行循环线性逼近并提取车道线边界点.通过最小二乘法利用B-样条曲线完成车道线拟合.实验证明,该算法对大曲率弯道的车道线识别具有较高的精确性.      

基于方向密度检测与霍夫变换的混合矩阵估计

针对欠定盲源分离混合矩阵的估计问题,提出一种基于局部方向密度检测的孤立时频点处理与霍夫变换相结合的混合矩阵估计算法.首先通过变换域单源时频点处理增强信号的稀疏性,对散点图中的方向直线进行霍夫变换,通过判断局部极大值点确定源信号数量并估计混合矩阵.针对霍夫变换易出现的峰值簇拥问题,提出采用局部方向密度检测方法先判别并去除孤立时频点,之后再进行霍夫变换,提高了混合矩阵的估计精度.实验结果表明本文所提出的方法能够在未知源信号数量情况下实现混合矩阵估计,且估计精度高于K-means等常用方法.      

基于霍夫变换的模糊建模研究及其应用

传统TS的建模方法由于其本身的不足,在实际应用中有一定的局限性.本文基于输入输出数据,提出一种基于霍夫变换的改进TS模型,首先确定模糊模型结论部的参数,然后利用聚类方法确定模型前提部的参数,从而建立了非线性系统的模糊模型,仿真结果表明了该方法快速性和有效性.     

基于JPEG2000压缩域的油库检测

油库检测是遥感图像目标检测领域的一个研究热点. 针对目前遥感图像通常以JPEG2000压缩格式储存的现状,提出基于JPEG2000的光学遥感图像油库检测算法. 在不经过全部解压的数据中,直接提取小波系数进行目标的检测. 根据小波系数的不同特性,针对低频子带,采用Hough变换提取油库的圆形形状特征;针对高频子带,利用堆叠降噪自编码器进行特征提取和描述. 最后利用支持向量机进行特征融合和目标检测. 实验结果表明,本算法能够准确快速地检测遥感图像中的油库目标,具有较高的检测率和较快的处理速度.      

人脸识别中利用眼球进行人脸归一化

人脸识别中,人脸的归一化处理是至关重要的一个环节,以此为基础可使得人脸的整体分析和识别变得容易和准确。算法首先利用人脸的垂直积分投影曲线获得人脸的左右边界,然后利用水平积分投影曲线获得人眼所处的大致水平位置,进而裁剪出这个包含人眼的大致区域。在此基础上利用Canny算子求出眼睛区域的边缘图像,然后对边缘像素进行聚类,再利用Hough变换的改进方法求出左右眼球中心的精确位置,最后利用中心瞳孔的位置进行人脸的归一化处理。经实验验证,该方法速度快、精确度高,受表情、偏转和光照的影响小。经本方法校正后,后续的识别正确率得到了提高。     

Hough变换边缘参数提取算法

研究了一种目标物体边缘参数的提取算法，霍夫变换是图像处理和计算机视觉过程中常用的一种方法，用来在图像中提取目标边缘，文中提出一种新的算法以提高霍夫变换的边缘参数的检测能力，并用迭代中值滤波来完成直线边缘的定位，计算机仿真结果显示这种算法的有效性。     

一种线性调频信号参数提取方法

针对线性调频(LFM)信号参数提取问题,提出了一种基于Erosion变换和Hough变换的LFM信号参数提取方法。利用B-分布分析方法描述LFM信号,在此基础上,进一步利用Erosion变换突出雷达LFM信号的特点,利用Hough变换提取LFM信号参数。仿真分析表明:该方法能够较精确的提取出LFM信号参数,误差不超过1%,并具有良好的抗噪性能。     

一种处理边缘不连续图像的雷达算法

提出了一种处理边缘不连续图像的雷达算法.该算法的主要思想是,用统计学的方法判断一个像素属于一个区域的概率,从而把感兴趣的图像区域分割出来,即先记录像素点,包括点的颜色、坐标,再按一定的角度递增扫描图像边缘点以寻找边缘像素,其次把这些边缘点距扫描中心点的长度进行低通滤波以形成一个完整的边界,最后求出边缘线的质心,记录质心位置,并将这些数据作为自组织特征映射的输入且进行分类,由此完成区域的分割.该算法的时间复杂度为90×O(n3),较Hough变换的复杂度及鲁棒性更好.实验结果表明,所提算法在非规则区域分割上优于Hough变换,其运算效率高于视觉模型算法.     

移动机器人同时定位和地图创建的一种新方法

为了实现室内环境中移动机器人的同时定位和地图创建，提出了一种新方法，该方法应用顺序蒙特卡罗方法，把定位和地图生成分成状态估计和参数估计，应用多粒子滤波器实现同时估计机器人位置和障碍物位置。环境感知采用机器人自身配置的声纳传感器，应用哈夫变换提取环境障碍物边界特征，用直线近似表示，并提出了一种可靠的特征匹配方法。Pioneer 2移动机器人在实际室内环境中完成的实验证明了该方法的可行性。