一种改进的Hough圆检测算法

普通Hough圆检测计算量大，且实际图像易受光照和背景不均匀等条件的影响，针对这些情况提出了一种将待检测圆图像先作边缘检测后，再对边缘图像进行粗匹配和精匹配，以实现圆检测的方法．粗匹配使用改进的SSDA算法进行，精匹配利用圆的两条不平行弦的中垂线相交于圆心的几何性质，对经典Hough变换加以改进，提高了检测速度．     

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．     

一种基于OpenCV的多扇区圆检测方法

针对工业控制现场和生产流水线上对机器视觉的需求,提出了一种基于OpenCV的多扇区圆检测方法。首先对OpenCV做了简单介绍,给出了多扇区圆检测的原理与检测步骤,然后经过实验表明,在较高的干扰下仍能将圆形准确无误的检测出来,与随机Hough变换相比,有较高的识别准确率和较小的计算开销。     

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。     

一种虹膜内外轮廓检测方法

虹膜识别技术是人体生物识别技术的一种,它作为重要的身份鉴别特征具有唯一性,稳定性,可采集性和非侵犯性等优点.与脸像,声音等身份鉴别方法相比,虹膜具有更高的准确性.而虹膜内外轮廓提取是虹膜识别技术不可缺少的关键步骤.文章介绍了一种有效的虹膜内外轮廓检测方法,使用灰度投影方法估计虹膜内边缘圆心位置;然后采用边缘检测方法得到...     

椭圆检测算法的比较

椭圆检测在图像识别与计算机视觉领域中一直占有重要的位置,而边缘检测是图像特征提取(包括椭圆检测)的首要条件.介绍了常用的几种边缘检测算法(如Sobel算子、Canny算子、Zernike矩算子等),分析了这些算法的异同与优劣;讨论了几种基于Hough变换及其改进方法的椭圆检测算法(包括利用椭圆极点与极弦性质的提取算法、利用三点确定椭圆的提取算法、利用椭圆几何对称性算法等).比较这些算法并选取几种分别应用于真实图像,并列出检测结果.最后,提出存在的问题和进一步研究的切入点.     

一种降噪功能的边缘检测方法

传统的边缘检测方法对噪声很敏感，在检测出边缘的同时，也增强了噪声．本文给出的边缘检测方法能够很好的检测出图像边缘，同时具有一定的噪声抑制能力。     

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．     

一种基于方向导数的边缘直线检测算法

基于方向导数序列的概念提出一种新的边缘直线检测算法.在检测过程中,将边缘图像视为三维空间的曲面,对各个边缘点求各个方向的方向导数序列,然后由方向导数序列的取值判断确定出直线段.通过分析和编程试验证明了其算法对直线段的检测有效.     

一种启发式的自适应图像边缘检测方法

在生物学和医学研究中,经常需要对细胞的形状进行识别,这首先要对细胞的边缘进行检测,通常采用计算机图像处理技术,通过分析图像边缘检测的经典算法,本文提出一种适用性较强的启发式图像检测方法,得到了较理想的处理效果。     

椭圆积分的一种新型计算法

首先通过推导单摆振动周期公式以及计算椭圆的弧长，介绍了椭圆积分的由来，并给出第一类、第二类椭圆积分的一般表达式；然后利用蹇级数展开方法将被积函数表示为级数的形式；再经过简单的积分计算将椭圆积分表示为级数；最后通过一简单的程序，利用微计算出积分值。     

一种高效检测MRI脑肿瘤图像边缘的方法

以哈佛大学医学院开发的脑肿瘤医学图像数据库为背景,提出一种自动多阈值、中值滤波和sobel边缘检测相结合的方法(T_Sobel算法).实验表明该方法对MRI脑肿瘤图像具有很好的鲁棒性.     

一种高效检测MRI脑肿瘤图像边缘的方法

以哈佛大学医学院开发的脑肿瘤医学图像数据库为背景, 提出一种自动多阈值、 中值滤波和sobel边缘检测相结合的方法(T_Sobel算法). 实验表明该方法对MRI脑肿瘤图像具有很好的鲁棒性.     

一种提取鱼眼镜头成像区域的算法及实现

使用鱼眼镜头拍摄图像变形严重,精确提取其成像区域是进行图像校正等后期处理的必要前提。针对传统提取成像区域算法对有效区域噪声敏感,实现过程复杂等缺点,提出一种改进的提取鱼眼镜头成像区域的方法。实验表明,该方法可以准确定位鱼眼镜头成像区域的圆心和半径,精度高,鲁棒性好,且实现简单,有良好的实用价值。     

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。     

基于Canny算子和Hough变换的夜间车道线检测

针对夜间只有车灯照射路面图像整体较暗、光照不均匀、车道线不易检测的问题,提出了一种夜间车道线识别方法。首先,对预处理后的图像采用Laplacian算子进行边缘增强;然后,结合Otsu算法进行Canny边缘检测,再在边缘图像底部1/3区域中利用Hough变换进行直线拟合;最后,在斜率约束的基础上提出了一种内侧车道线提取算法,实现了车辆所在车道内侧车道线的检测。针对多种夜间车道线图像进行实验,结果表明,该算法准确提取出了内侧车道线。提出的方法能克服图像较暗和光照不均的影响,排除旁侧车道线、护栏等的干扰,有助于夜间车辆各行其道。     

一种基于小波和形态学的边缘检测方法

提出了一种基于多分辨率小波和二值形态学的边缘检测方法,通过对图像进行多尺度的小波分解,抛弃低频信息来重构小波系数．对重构后的图像利用形态学中的八邻域处理来提取边缘信息．实验结果表明该方法边缘定位准确,对边缘细节的检测效果明显．     

基于傅立叶变换的逆变器故障检测新方法

利用加窗傅立叶变换对逆变器输出的正序分量进行了分析,获得了输出信号的正序对称分量,提出了基本谱残差的概念.定义了故障决策函数,利用仿真或实验确定故障阈值,通过基本谱残差与阈值的对比可实现逆变器的故障检测,仿真结果表明了本文方法的有效性.