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％．     

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.     

基于改进Canny算子和Hough变换的表格图像校正方法

为了校正表格图像提高后续单元格分割和光学字符识别的准确性,将Canny算子和Hough变换应用于表格图像的校正中。针对传统Canny算子对于局部噪声去除效果不理想且易出现误检和漏检的问题对其进行了改进,改进后的Canny算子采用联合双边滤波进行图像平滑,图像梯度和幅值的计算使用3×3模板代替2×2模板并增加了45°和135°方向的计算模板。针对Hough变换倾角计算结果与真实倾角存在部分偏差的问题,在Hough变换所计算出倾角的邻域范围内,利用数学形态学原理对真实倾角进行了迭代计算。实验结果表明,改进的Canny算子可以有效去除图像噪声并保留图像边缘,结合Hough变换和数学形态学的迭代倾角计算方法可以有效提高表格图像的校正效果,具有较强的实用性。     

基于水平投影和Hough查找圆法的人眼状态识别研究

眼睛状态识别是驾驶员疲劳检测的非常重要的一个环节,为了对眼部状态进行有效的识别,提出一种人眼状态识别的新方法,该方法利用二值化水平投影和Hough查找圆法的人眼状态识别,快速、实时、有效地识别出驾驶员疲劳时眼部状态。     

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     

一种新的基于Hough变换的文档图像倾斜矫正方法

在光学字符识别(OCR)图像扫描输入过程中,图像或多或少地会出现某种程度的倾斜,这往往给字符分割和识别造成很大的影响和难度。因此,文档图像的倾斜矫正是很重要的环节。Hough变换可以用来将图像边缘连接起来得到边界线,该变换受噪声和边界线间断的影响较小,而广泛用于各种类型文档图像的倾斜矫正。但Hough变换计算复杂度较高,本文对此作了一些改进,从而大大减少了计算量。     

基于区域生长的红外图像分割

该文采用区域生长的方法 ,结合人工智能 ,针对红外图像中目标相对较小、灰度值与视场中目标物体的热辐射量相关的特点 ,选取相应种子点根据灰度相似性判决生长出目标区域。结果表明 ,采用这种方法具有一定的针对性 ,能够有效地分割出目标物体     

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Hough变换及SIFT特征提取的图像匹配方法

针对现有SIFT算法时间复杂度较高的问题,提出一种基于Hough变换及SIFT特征提取的图像匹配方法。首先,用Hough变换算法检测建筑物区域,以缩小检测与匹配的范围;然后,用SIFT算法在给定区域进行特征点检测与匹配;最后,提出一种两级排除错误匹配的方法,该算法对建筑物序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该方法的匹配准确率至少高出比较方法9%。     

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%.     

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．     

基于阈值分割和区域生长的车牌识别方法

【目的】改善车牌定位的质量,提高车牌识别的正确率和效率。【方法】联合使用阈值分割和区域生长算法进行车牌定位,使用垂直投影法进行字符分割,并使用字符模板匹配方法实现车牌字符的识别。【结果】基于阈值分割与区域生长的车牌识别方法能准确地识别出车牌号,识别率高,运行速度快。【结论】该方法实时性较好,具有一定的实用价值。