基于Hough变换的印鉴差值匹配识别

提出了一种根据差值图像的线段参数进行印章识别的方法．首先完成目标图像与模板图像的精配准,然后对图像进行差值计算,用霍夫变换得到差值图像的直线段数．并用此直线段数作出判决．实验结果表明,利用该算法进行识别时正确性高,且所用时间短,效果好．所提供的方法在对6类目标60幅图像进行识别时总识别正确率高于85％．     

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．     

广义Hough变换算法的分析改进

为了改进广义Hough(generalized Hough transform,GHT)变换的虚假投票问题,先分析广义Hough变换的投票机制,给出理想的投票机制模型,用该模型对现有的传统GHT的投票机制进行了评价,指出在检测不规则多边形图形时产生虚假投票的原因,即由于建立参考表R是以梯度为索引项,使得在不同梯度值间的条目数分布不均,在向参数空间映射时会造成大量的投票冗余.针对此分析结果提出一个改进的GHT算法.改进的GHT算法在建立参考表时采用了几何特征角来代替梯度,使得建立的R表中各梯度索引项的条目数分布更均匀,减少了参数空间的投票冗余,提高了算法的效率.实验证明该改进方法是有效的.     

一种基于Hough变换的四边形分类识别算法

在直线和圆的识别算法基础上提出一种基于Hough变换的四边形分类识别算法,并进行实验验证。该算法通过Hough变换检测所构成四边形的4条线段,分别计算出4条线段与平面直角坐标系横坐标的夹角值(或是斜率),然后用冒泡排序法对夹角值排序后比较大小,根据线段间的关系(平行、垂直、相交)对四边形进行分类识别。算法可行,效果较好。     

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.     

基于Hough变换和Radon变换对SAR图像目标姿态角识别的综合方法

提出了一种对SAR图像姿态角识别算法进行改进的技术.通过分析Hough变换和Radon变换在实际应用中的局限性,提出了一种综合上述2种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证,该种方法能够更准确地估计目标的姿态角.     

基于Hough变换的表格倾角检测

Hough变换是一种常用的检测直线的算法。在表格识别的预处理阶段,对倾斜的表格进行倾角检测,Hough变换是一种比较好的方法,但Hough变换有运算量大的缺点,本文中根据表格的特点及扫描后表格倾角的范围,首先取表格的一个子区域,在子区域中寻找近铅垂线,对近铅垂线采用二级Hough变换的方法,从而降低了运算量,提高了效率,同时又保证了准确度。     

基于改进Hough变换的结构化道路车道线识别

针对现有结构化道路车道线弯道检测识别技术的准确性和鲁棒性不高的问题,提出一种基于改进Hough变换的车道线识别方法。首先利用Canny边缘算子进行车道边缘检测,其次对比相邻区域距离内的Hough变换峰值参数值,将小于设定阈值距离的直线段进行连接,拟合形成车道线检测区域,然后根据消失点的横坐标距离图像中心点的位置来预测车道线方向,最后借助MATLAB平台完成车道线的识别。验证结果表明:该方法避免了曲线模型复杂、计算量大的缺点,实现了直、弯车道的识别统一化,识别准确率为95.3%,平均耗时0.036s,具有很好的实时性和鲁棒性。     

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。     

基于改进的广义K-L变换的掌纹识别

提出了一种基于改进的广义K-L变换的掌纹识别方法.在主成分分析思想的基础上,改进后的广义K-L变换把样本的类间信息也加入到算法的分类过程中,相对于广义K-L变换,识别效果得到了提高.将原始图像投影到一个由图像的类间散布矩阵的特征向量所构成较低维的特征子空间中,在这个特征子空间中,用欧式距离来对分属于不同手掌的掌纹图像进行分类.基于不同的特征长度和训练样本数,做了一系列的实验,最佳识别率达99 17%.     

基于肺音谱图Hough变换的喘鸣音识别方法

提出了一种基于Hough变换从肺音的STFT光谱图中检测喘鸣音的方法.这一方法先对采集的数字肺音数据的STFT谱图进行ROI区域的截取,再利用Canny算子进行图像边缘检测,最后基于Hough变换数据的分析来自动识别喘鸣音.临床分析的数据包括临床采集的肺音和国际上共享的肺音文件.Hough变换检测方法在60例喘鸣音的检测中达到了87%的准确率,70例正常呼吸音的识别率达到74%.     

基于改进的区域生长和Hough变换的钻孔图像水平裂隙识别

利用前视钻孔摄像系统(Axial View Borehole Camera System, AVBCS)获取地质钻孔孔壁图像并分析地质结构是一种重要的地质勘查方式。针对目前钻孔孔壁图像基本由人工判读的现状,提出了一种基于改进的区域生长和Hough变换的钻孔孔壁图像水平裂隙识别算法。首先,利用三种图像预处理算法提高钻孔图像中裂隙区域的对比度;然后,结合OTSU算法和圆形度自动提取种子点,并利用双阈值准则进行中心区域生长,以消除中心干扰区域;最后,利用Hough变换算法完成裂隙的检测与识别。实验结果表明本文提出的裂隙识别算法对于不同的水平裂隙和离层图像都可以准确、自动的检测出裂隙。     

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．     

哈夫变换在直线特征识别中的应用

本文论述了哈夫变换(Hough Transform)在图像直线特征识别中的应用。首先讨论了哈夫变换之前所应做的图像预处理工作,根据不同的图像设计不同的处理流程,主要包括:图像滤波、图像分割、边缘提取、骨架提取等。文中运用两个图像直线特征识别的例子说明了哈夫变换的应用效果。     

基于HOUGH变换的二维条码识别技术的研究

条形码在日常生活中具有广泛的用途,但常用的一维条形码存在信息含量小的缺点,已不能满足实际的需要,因此,二维条码技术应运而生.本文研究了关于Data Matrix二维条形码自动识别的相关技术,包括对二维条形码图像的预处理、图像的提取及其译码等,并通过实验模拟得到了很好的实验结果,实现了Data Matrix二维条形码的自动识别过程.