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.     

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。     

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。     

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．     

基于改进Hough变换的偏心口检测

分析了Hough变换在圆检测应用中存在的问题,针对液体罐装桶盖的加注口为偏心圆形的情况,提出了一种基于两点梯度信息的改进的Hough变换算法.经检测实例验证,该算法计算速度快,占用内存少,检测精度高.     

基于GPU的Hough变换多圆加速检测实现

针对多圆检测问题,本文提出一种边缘点连续性特征按曲线段进行归类,同时丢弃非圆特征点,利用图形处理器(GPU)的高度优化的并行计算能力在每个曲线段点集中按照一定的取点规则取3点并行计算圆参数的改进Hough变换算法。该实现有效地降低Hough变换的无效累积,同时保留了传统Hough变换抗噪性强、对不完整边缘具有鲁棒性等优点。经测试,该改进算法在GPU的检测的速度优于CPU三十多倍,性能具有明显优势。     

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．     

基于改进随机Hough变换的圆形目标检测算法

圆形目标检测在各个领域得到了广泛应用.为了提高规则圆的检出效率、降低不规则圆的漏检率,文章提出了一种改进随机Hough变换的圆形目标检测算法.算法首先用区域增长和RGB二值分割等算法对不同背景的图像进行二值分割和去噪处理,接着对连通域分割的特征区域用具有圆形性特征的边缘点进行候选圆的检测和验证.实验对比结果表明,本文算法可以显著提高规则圆的检出效率、降低不规则圆的漏检率,算法计算量小、运行速度快、鲁棒性强.     

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。     

灰关联分析方法在直线检测中的应用

为了提高图像直线检测的精度,提出了一种基于灰关联度分析的图像直线检测算法,首先确定参考序列和比较序列,然后计算以各像素点为中心形成的比较序列与参考序列之间的关联系数,得到图像的边缘后,再利用Hough变换对直线进行检测.通过与常规边缘检测算法比较可知:基于灰关联的边缘检测算法得到的结果更清晰.能较好地区分目标和背景.实例表明该方法能有效提高直线检测的精度.     

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。     

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．     

Hough变换在航迹起始中的应用

为了在重杂波区内检测出运动的目标 ,提出了一种改进的 Hough变换算法用于初始航迹的建立。通过检测在变换后参量空间的积累程度 ,可以识别处于匀速运动的目标。同传统的 Hough变换算法相比 ,设计中选取了更为合适的变换参量 ,改进了原算法中性能随距离变化的缺点。解决了跨相邻图元造成积累丢失 ,推算并验证了航迹起始的检测概率及虚警概率。该算法充分利用了目标在采样时间段内的累积信息 ,具有简化的检测手段 ,和良好的检测性能     

基于图像Canny边缘检测和Hough变换算法的高温结构

针对高温工程结构测量问题, 将图像处理中的边缘特征检测技术应用到高温结构测量中, 提出一种基于Canny边缘检测和Hough变换算法的高温结构测量方法, 解决了高温结构测量的实际需求. 该方法先对试件结构测量位置进行边缘检测和提取, 并以分段直线形式确定待测边缘, 再计算得到宽度等结构测量结果, 并将其转换为
材料力学性能参数. 该方法充分利用了图像处理技术的优点, 测量条件低且环境适应性强, 同时采用分段检测的优化设计, 测量精度高, 稳定性好.     

基于图像Canny边缘检测和Hough变换算法的高温结构测量方法

针对高温工程结构测量问题,将图像处理中的边缘特征检测技术应用到高温结构测量中,提出一种基于Canny边缘检测和Hough变换算法的高温结构测量方法,解决了高温结构测量的实际需求.该方法先对试件结构测量位置进行边缘检测和提取,并以分段直线形式确定待测边缘,再计算得到宽度等结构测量结果,并将其转换为材料力学性能参数.该方法充分利用了图像处理技术的优点,测量条件低且环境适应性强,同时采用分段检测的优化设计,测量精度高,稳定性好.