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     

高能粒子显微图象的计算机处理与分析

针对高能物理显微图象分析,提出了一种计算机辅助的专家处理系统。该系统由电机控制的平台显微镜、计算机、自制的高速图象输入卡和应用软件包等组成。使用该系统,高效率地实现了高能粒子径迹探测、粒子星定位、图象快速细化、Ｈｏｕｇｈ变换、径迹自动跟踪、检测分析与识别存档等系列功能。     

基于随机Hough变换的快速圆检测方法

针对随机Ｈｏｕｇｈ变换（ＲＨＴ）在复杂图象中检测圆时随机采样所造成的大量无效累积,提出了一种改进的ＲＨＴ用于圆检测,它是利用精度要求不高的梯度方向信息来决定是否对采样到的三点进行参数累积,从而较好地解决了无效累积问题．改进后的算法比原算法计算速度快、占用的内存小得多,检测性能有较大提高．     

基于自适应3D－Hough变换方法估计三维物体的位置参数

本文提出一种基于３Ｄ－Ｈｏｕｇｈ变换检测深度信息图像中平面特征及估计三维物体位置参数的新算法．利用３Ｄ－Ｈｏｕｇｈ参数空间中位移和旋转相分离的特征，多层次地估计物体的位置参数．因为该算法直接从输入的深度信息图像获得几何特征，所以该算法具有较好的鲁棒性．     

Hough 变换用于提取试件边缘参数的研究

提出了一种采用二次迭代量化的灰度Ｈｏｕｇｈ变换提取试件边缘参数的新方法。它首先在整个参数空间内进行低精度的量化和第一次Ｈｏｕｇｈ变换以提取边缘的初检参数，然后在以初检参数为中心的一个空间邻域内进行高精度的量化和第二次Ｈｏｕｇｈ变换以提取边缘的精度参数。它有效地克服了常规Ｈｏｕｇｈ变换所存在的缺点。实验结果证明该方法具有抗干扰能力强、检测精度高、实时性好等优点。     

运动点状目标检测的改进算法

讨论了用Ｈｏｕｇｈ变换、匹配搜索和神经网络来检测点状运动目标的方法，当目标信号微弱时，目标检测必须依靠多帧信号的积累。Ｈｏｕｇｈ变换、匹配搜索和神经网络对于可检测信杂比，计算复杂性及可实现性等各有其特点。本文通过计算机仿真和理论分析对几种算法了比较，并提出了相应改进的综合算法。     

一种基于边缘知识的雷达图像匹配定位算法

针对低信噪比实孔径雷达图像的特点，选用适于提取多尺度稳定边缘的Ｃａｎｎｙ算子，结合具有视觉非线性的门限准则、Ｎｅｖａｔｉａ细化和跟踪准则及Ｈｏｕｇｈ变换，提取可靠稳定的边缘特征描述，根据可见光参考图提取与ＳＡＲ图像共性的稳定边缘特征的知识以及稳定边缘的知识描述，提出一种基于边缘知识的雷达图像与可见光图像匹配定位算法，实验结果表明，该算法能可靠地完成雷达图像的匹配定位。     

彩色地图分色算法及其实现

研究彩色地图的一种新的图象分色算法．首先将彩色图象通过非线性变换,转换到孟塞尔颜色空间,然后通过色彩学习,进行彩色图象分色．该算法还利用了图象空间相关信息的马尔科夫场模型,可使分色结果得到局部优化,降低了运算量,取得较为理想的效果．     

用形态学操作实现符号替换及Hough变换

给出基于数学形态学操作实现符号替换及Ｈｏｕｇｈ变换的光电装置。着重讨论了用收缩和膨胀来实现符号替换的操作过程。同时，把Ｈｏｕｇｈ变换看作是符号替换的特例，并对此进行了数值模拟，给出了实验验证结果。     

一种基于边缘知识的雷达图像匹配定位算法

针对低信噪比实孔径雷达图像的特点，选用适于提取多尺度稳定边缘的Ｃａｎｎｙ算子，结合具有视觉非线性的门限准则、Ｎｅｖａｔｉａ细化和跟踪准则及Ｈｏｕｇｈ变换，提取可靠稳定的边缘特征描述，根据可见光参考图提取与ＳＡＲ图像共性的稳定边缘特征的知识以及稳定边缘的知识描述，提出了一种基于边缘知识的雷达图像与可见光图像匹配定位算法．实验结果表明，该算法能可靠地完成雷达图像的匹配定位．     

基于改进Hough变换的刀具磨损状态监测

针对传统Hough变换的参数空间所需存储量大、运算量大、不利于实现实时监测等缺点,提出了一种基于随机Hough变换的改进Hough变换算法,并将该方法用于工件表面纹理图像的处理,通过对工件表面的二值边缘图像进行改进Hough变换,提取直线段平均长度及直线段与切削速度方向的夹角作为特征参数,实现对刀具磨损状态的判断.算法分析和实验结果表明,该算法所需存储空间少,计算量小;提取的特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现对刀具磨损状态的监测.     

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．     

基于小波变换及融合技术的图像边缘提取

图像边缘检测是图像分割、图像识别的基础,传统边缘检测是基于图像整体的边缘检测.小波变换使基于图像分解的边缘检测成为可能,利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测.常规融合方法是将高频边缘和低频边缘进行简单叠加,由于高频、低频边缘是通过不同方法提取的,二者之间的相似度、吻合度存在差异,简单叠加不能够有效融合高频、低频边缘图像特征,本文算法采用局部区域方差准则把高频和低频边缘在小波域进行融合.实验表明,该算法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测和去噪功能.     

DataMatrix码的嵌入式识别算法

为从复杂的实际应用环境中分割DataMatrix 码图像, 提高解码准确率与速度, 采用互相关图像匹配算法进行条码的初定位, 并利用“金字塔分层冶思想降低其运算量。利用改进后的Hough 变换对定位后的图像进行“L冶边界线段坐标的精确测定, 从而完成解码前的准备工作。整个算法及解码流程在ARM9 内核的S3C2440 芯
片搭载Linux 系统下进行, 结果显示, 采用该算法流程的扫码终端能使解码精度从85% 提升至近100%, 并且可将平均解码时间由2. 3 s 缩减在500 ms 以内, 可满足实际解码需要。     

轴承内径尺寸机器视觉在线检测技术

利用计算机图像处理技术,对预处理后的边缘图像,采用基于点Hough变换的圆形图像亚像素检测算法,实现了轴承内径的亚像素无损在线检测.该检测系统具有非接触、速度快、精度高、抗干扰性强、成本低、通用性好等优点,可广泛应用于其他行业产品的在线检测.     

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。     

基于特征检测的航拍图像电力线提取方法

在分析输电线路无人机巡检系统航拍图像中电力线特征的基础上,针对单一Ratio算子和Hough变换提取电力线效率低、效果差的不足,提出一种基于特征检测的电力线提取算法.首先,运用Ratio算子检测直线像素点并运用Hough变换的方法提取图像中的直线信息;然后,运用特征检测算法对电力线进行提取;最后,通过实验验证了所提算法能够从复杂的自然背景中完整提取电力线,同时能有效避免漏检、误检等情况,并有较好的噪声抑制能力.该研究为电力线典型故障的检测识别提供了有力支撑,具有较好的工程应用价值.     

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。     

光学小波变换在图像边缘特征提取中的应用

小波变换是一种有效检测图像边缘的方法,但由于变换中维数倍增,造成计算量十分大。介绍用传统的4f光学处理系统实现小波变换。它在光学图像的边缘特征提取中能够很好地得到应用。最后给出计算机仿真结果。     

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。