基于霍夫变换的直线检测技术

直线检测是数字图像处理的重要内容,在道路识别,建筑物识别,医学图像分析等领域都有十分重要的应用。通过对已经获得的图像进行边缘检测,然后用Hough变换对边缘检测进行直线检测。该方法简单,受直线中的间隙和噪声影响较小。在Matlab环境下对该方法进行了仿真实验,并对图像中直线目标进行了检测,结果表明用该方法对图像中直线目标进行检测是快速有效的。     

改进的模糊增强算法

对S.K.Pal和R.A.King提出的模糊增强算法进行了分析,给出了一个自适应的选择参数的模糊增强算法,可进一步改进图象增强的效果和边缘检测的精度。     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

基于多层次模糊增强的图像边缘检测

在图像边缘检测中,往往需要提取不同灰度层次的边缘,而图像的边缘通常具有不确定性．多层次模糊增强可以较为有效地确定图像的边缘,使得不确定的边缘变成确定．对于多层次模糊增强,各层次灰度级的选取直接关系到边缘提取的有效性．文章提出的算法可以有效地确定图像各层次灰度级．     

直线检测的灰度投影积分方法

为了提高图像上直线检测的鲁棒性和精度,提出一种灰度投影积分(GP I)方法。GP I方法将需要检测的图像直接在直角坐标空间沿某个投影方向进行投影,将对应到同一投影点的像素灰度值进行累加,得到灰度投影积分向量,再旋转投影方向计算不同投影方向的灰度投影积分向量,从而得到一个原图像的灰度投影积分矩阵,再由该矩阵的极值元素所在的行和列求出图像中直线的方程。实验结果表明,GP I方法不需要事先提取边缘点,就能够快速准确地检测出图像中的直线,避免了传统方法在提取边缘点时阈值选取不当带来的直线检测误差。     

一种基于子波特征的模糊神经网络目标识别方法

针对雷达目标识别中相对不变特征量提取这一问题，提出了一种基于子波变换的特征提取方法．通过对三类飞机一维距离像的分类和识别，验证了这种方法的有效性，同时在将模糊神经网络作为模式分类器方面做出初步尝试。     

一种改进的基于模糊增强的Canny边缘提取算法

边缘检测是图像处理领域中的基本课题之一,广泛应用于图像分割和模式识别等领域.提出的基于改进模糊增强的Canny边缘检测方法是在快速模糊增强的基础上,用模糊增强代替Canny算法中的高斯滤噪,用最大类间方差法改良Canny算法中双阈值中高阈值的设定.试验表明,改进算法有较高的信噪比,能达到比较理想的边缘检测效果.     

基于Hough变换的虹膜定位算法

针对利用Hough变换实现虹膜定位时遇到的一些问题提出了相应的解决方案。为减少Hough变换的计算量,本算法采用了“先采样后变换”、“由粗到精”的方法;为提高可靠性、减小噪声影响,算法利用了虹膜内外边界之间的耦合关系以缩小在边界参数空间内的搜索范围。在MAT—LAB软件环境下的试验表明,算法取得了良好的效果。     

Hough变换在槽形检测中的应用

在图像处理和计算机视觉中，Hough变换作为一种检测方法，应用非常广泛．本文利用了Hough变换对圆和直线的检测的改进算法，提出了一种非常实用的槽形检测技术和算法．利用Hough变换对噪音的不敏感性，完成了对槽形点群的分割，从而精确地计算出了槽形的参数．     

基于GA-BP的安全带佩戴识别方法

为了避免不规范佩戴安全带行为的发生,进一步提高安全带的佩戴率,提出了一种基于GA-BP的安全带佩戴识别方法.该方法在图像处理技术的基础上,提取安全带极坐标转化后的二值化图像像素值作为表征安全带佩戴状态的特征向量,并通过PCA方法对其进行降维;然后采用BP神经网络算法,建立基于BP神经网络的安全带佩戴识别模型,同时为了提高安全带佩戴识别模型的精度,引入遗传算法对其权值和阈值进行优化,建立基于GA-BP的安全带佩戴识别模型;最后通过具体实例验证.结果表明:该方法合理有效,能较好地对安全带的不同佩戴状态进行识别,具有较好的实用性和推广性.     

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.     

一种结合模糊C均值聚类的车道标识线识别方法

在道路图像中,为了得到较理想的车道标识线的边缘,设计了一种车道标识线识别方法。利用图像中的边界信息、车道标识线边界的角度和灰度等特征,结合模糊C均值聚类提取车道标识线的边界。利用Hough变换、车道标识线边界的间断性实现车道标识线定位。实验结果表明该方法具有较好的准确性。     

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.      

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

基于Hough变换与图像灰度增强的非理想虹膜边界检测

边界定位是非理想虹膜识别的关键问题之一.非理想虹膜由于经常存在纹理过强、睫毛和眼睑遮挡、虹膜巩膜对比度较差、瞳孔位置偏移等问题,这使其边界尤其是外边界定位容易出现偏差.针对上述问题,我们提出了一种基于非线性图像增强的非理想虹膜边界定位方法.在内边界定位中,该方法首先使用混合高斯模型得到瞳孔粗略位置,然后使用弦长均衡策略搜索虹膜内边界及其中心;在外边界定位中,首先对虹膜图像进行非线性灰度变换,再利用边缘检测和改进的Hough变换定位虹膜外边界.实验结果表明,本算法与经典方法相比可大大提高非理想虹膜分割的准确率.     

模糊域的图像边缘检测算法分析

提出一种基于模糊域的图像边缘检测算法,结合自适应模糊增强和多方向模糊形态学来检测模糊图像的边缘。自适应模糊增强采用滑动窗口对模糊图像进行分块增强,避免了全图单阈值增强引起的真实边缘损失,具有较强的适应图像区域变化的能力;多方向模糊形态学用多个不同方向的结构元素对增强图像进行运算,以提取具有方向性的真实边缘,并抑制无方向性的噪声。实验证明算法能够有效地检测出模糊图像边缘,抗噪能力强。     

基于数学形态学与Hough变换的道路边缘提取

道路边缘的提取是运动检测中最关键的一步。针对目前运动检测过程中更新数据量大、实时性不高的问题,提出了一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行增强,然后通过Canny算子对增强图像进行边缘检测,最后采用Hough变换检测出二值图像中的道路边缘。实验证明,该方法准确性较高,可以减少后期运动检测的运算范围,提高运动检测速率。     

基于Hough变换直线检测中的峰值提取

通过Hough变换，图像空间中较为困难的全局检测问题就转化为参数空间中相对容易解决的局部峰值检测问题。本文针对参数空间峰值簇拥情况，给出了一种通过比较积累单元样本方差大小，在备选积累矩阵提取实际估计参数的峰值提取方法，并通过仿真证实了此方法的有效性。     

一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上，提出了一种改进的模糊边缘检测算法，采用该快速算法，不仅简化了Pal虎法中复杂的G和G^-1运算，而且提出了改进的模糊增强Tr变换，并减少了迭代次数。实验证明，采用该改进算法，不但提高了边缘检测的效率，而且检测效果优于Pal算法，并且有较好检测模糊边缘和抑制噪声干扰的能力。