基于改进的概率Hough变换的直线检测优化算法

针对概率Hough变换耗费大量内存以及直线端点搜索容易受到网状聚集点干扰的缺陷,提出一种基于概率的局部Hough变换优化算法。将边界分为有序和无序两类,前者通过随机抽取采样点并结合其相邻点进行直线搜索,后者采用在随机抽取点周围建立感兴趣区域并进行局部Hough变换,检测到直线后进行全局搜索并实时修正直线斜率,对因网状聚集点产生的错误直线采用间隔计数和限制总间隔长度的方法进行排除。使用500张图片进行实验验证,算法耗时均低于概率Hough变换耗时的1/3,且对网状聚集边界点的直线错检具有较高抵抗性,检测结果比概率Hough变换直线检测更加准确,内存消耗减少超过90%以上。     

基于Hough一维变换的直线检测算法

针对标准Hough变换直线检测存在的问题,提出了一种基于Hough一维空间变换的直线检测算法。对图像进行边缘检测,将互不连通的边缘进行分组;利用Hough一维空间变换对边缘组进行直线检测并编组,降低了算法和空间复杂度;通过对直线组进行精确处理,解决了过连接、端点确定和检测精度存在的问题。实验结果表明:该算法有效地解决了标准Hough变换算法中存在的问题,降低了误检率和漏检率,提高了直线检测精度,能够实现对不同类型影像数据的直线检测处理。     

同心圆检测中的区域划分算法

针对在基于图像的高准确度测量领域中同心圆图像检测这一实际问题,分析并实验验证了Hough变换法的缺点和一般圆拟合法的不足,根据系统光轴与同心圆旋转对称轴重合的特点,提出对图像平面进行区域划分再应用圆拟合法检测的方法.建立了基于距离空间聚类和基于随机采样两种区域划分算法,并且给出了圆心初值误差的极限.通过实验仿真,证明了新算法简单高效和可靠,而基于随机采样的算法更适合于实时检测的应用.     

基于梯度的区域生长和距离直方图的快速圆检测方法EI北大核心CSCD

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。     

基于梯度的区域生长和距离直方图的快速圆检测方法

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。     

一种成像测量靶面同心圆的自适应检测算法

针对特殊环境下基于CCD成像的高准确度测量系统中,由于摄像机沿轴运动和绕轴旋转过程中其光学中心和靶面同心圆圆心不同心及同心圆图像的圆心在一定范围内随机变化而影响测量结果问题,提出了一套基于小范围内改进的Hough变换的共点直线检测快速算法、基于统计采样的同心圆分割区域自动划分算法、基于最小二乘拟合的同心圆参量高准确度检测算法.实现了对同心圆的自适应区域划分和高准确度检测.仿真和试验证明了该算法的有效性.     

基于模糊快速Hough变换的盘孔边界识别方法

为了快速准确地识别出某型航空发动机篦齿盘均压孔的边界,提出一种新的模糊快速Hough变换.利用局部梯度信息将检测圆所需的3D Hough变换转化为一个2D Hough变换检测圆心位置和一个1D Hough变换检测圆的半径.在检测圆心位置时,对2D参量空间进行多分辨率分级,通过迭代计算由粗到精逐步细化参量空间.采用模糊投票的方法来处理边缘像素位置和梯度方向的不确定性.通过实验对比了模糊快速Hough变换与标准Hough变换、随机Hough变换进行盘孔边界识别的效果,结果表明模糊快速Hough变换可以快速准确地识别出盘孔的边界,性能优于另外两种算法.     

光杆六角螺栓的视觉检测

为了测量光杆六角螺栓的外形尺寸,提出了一种基于图像测量的视觉检测方法。简要介绍了六角螺栓制造的工艺流程,指出了光杆螺栓检测的重要性。在分析Hough变换原理的基础上,介绍了圆的检测方法,提出了一种基于特征的正六边形检测方法。首先进行直线检测,利用检测到的直线建立直线方程,其次根据方程求取相邻直线的交点,计算每条边的长度和相邻两边的夹角。最后利用Hough变换的圆检测方法检查交点是否在同一圆周上。在检测实验中螺杆直径的测量误差为0.37%,螺栓头部正六边形的角度测量误差为0.40%,边长测量误差为1.25%。结果表明,该方法是有效的,能较准确地检测出光杆六角螺栓的外形尺寸。     

基于机器视觉的汽车仪表盘指针检测

基于机器视觉构建汽车仪表自动检测系统已成为实现仪表生产测试的主要途径。基于图像空间到参数空间的收敛映射提出了改进CM-Hough变换检测算法对汽车仪表盘的指针位置实施检测。首先,介绍了基于机器视觉对汽车仪表的符号片及指针进行自动检测的系统组成。接着,针对经典Hough变换发散映射运算量大的缺点,提出了基于收敛映射CM-Hough变换进行指针检测的算法,给出了利用Hough变换的检测结果直接解算指针位置的方法。最后,将算法由软件编程实现,通过测试实验验证了算法的实时性和有效性,测试数据分析显示了指针位置误差小于1%。     

基于Hough变换的数字全息干涉条纹检测

提出了一种利用Hough变换在图像中检测模糊直线条纹的有效方法.将Hough变换对随机噪音不敏感的特性与Fourier变换的性质相结合,可实现对图形中有相同周期条纹的检测.该方法不针对单一条纹,只识别相同周期条纹的总体特征,能有效避免条纹部分缺失对检测结果的影响,并能快速检测条纹的准确数量.将该方法应用于数字全息干涉图...