基于Hough变换的PDF417条码图像倾斜矫正

在对PDF417条码图像扫描输入的过程中,条码图像不可避免地发生倾斜,因此必需先对图像进行倾斜矫正,才能实现条码的准确识别.Hough变换具有抗噪声能力强的特点,是一种检测图像倾斜角度的重要方法.为了克服Hough变换计算量大的缺点,先通过行差运算提取图像水平边缘,然后只对提取的边缘进行两级Hough变换,实现倾斜角度的检测.本文采用基于直线拟合的方法实现倾斜图像的矫正.与传统的Hough变换以及其它的倾斜图像矫正方法相比,本文实现了准确性与快速性的很好结合.     

基于Hough变换的平行直线检测改进算法研究

根据经典Hough变换检测空间直线的原理,提出了一种基于Hough变换的平行直线检测改进算法,将采集到的图像进行二值化处理,再使用Sobel算子对该二值化图像进行边缘检测,对边缘检测得到的图像进行Hough变换和峰值点检测,由峰值点得到直线段图像,最后使用本文提出的改进算法计算出所有直线段的斜率,利用斜率相等来判定平行直线.通过对比实验证明,该算法能得到更高的精度,并缩短了运行时间.     

基于Hough变换的建筑边缘特征检测的研究及其改进

Hough变换是对二值图像进行直线检测的有效方法,介绍了Hough变换直线检测对房屋边缘特征检测方法及实验结果,并根据其存在的缺点提出了检测矩形的Hough变换的改进算法.     

区分上下边缘的Hough变换直线改进算法

Hough变换(HT)是一种较好的检测直线的方法,但是,目前的HT检测方法对背景复杂图像的检测效果较差,这主要是由于一些物体非直线边缘以及物体直线边缘离得较近,而且在图像中,存在长度相差较大直线时容易出现虚假直线.针对以上问题提出一种区分上下边缘的直线检测方法,在图像空间将离得较近的边缘区分开,在HT形成的累加器空间利用直线形成累加器单元的形状特性进行峰值检测.最后将该方法与其他两种方法进行比较,结果显示,该算法较其他算法具有更好的效果.     

基于改进Hough变换的前视机场跑道识别方法

提出了一种基于Hough变换的前视机场跑道识别算法。该算法基于跑道灰度图的直线边缘特征，利用直线边缘特有的灰度方向和直线方向一致的特点改进了基于二值化边缘点的传统Hough法，并在此基础上实现了复杂背景下的机场跑道识别。真实跑道图像测试表明本算法具有良好的识别效果。     

一种基于Hough变换的文档图像倾斜纠正方法

在对文本扫描输入的过程中,文本图像不可避免地会发生倾斜,倾斜校正将为图文分割、文字识别等后续处理工作创造良好的条件。提出了一种基于Hough变换的检测图像倾斜度的方法,为了克服Hough变换计算量大的缺点,该方法首先选取局部代表性子区域并提取其图像水平边缘,然后对提取的水平边缘进行两级Hough变换,从而实现了准确性与快速性的很好结合。     

图像中网格直线的检测方法的研究

首先分析了图像边缘特性以及Laplacian算子检测图像边缘的基本原理,提出了一种新的边缘检测算法,能准确地检测出图像中的目标边缘;在确定直线参数时,先使用Hough变换检测第一条最为明显的直线,然后去掉该直线以及附近的点,然后再次对图像进行Hough变换,并重复此过程,直到找到所有的直线;使用此改进后的Hough变化能够准确地检测到图像中构成网格的直线的参数.     

噪声环境下基于不确定性度量的随机HT直线检测

含噪图像中直线的自动检测是机器视觉和图像处理中的热点问题之一。基于Hough变换的直线检测算法中采用硬投票方案,在噪声环境下检测精度下降且占用内存大。为了提高检测算法的抗噪性和降低算法的计算复杂性,提出了一种新的将边缘点不确定性度量和随机Hough变换相结合的直线检测算法。该算法在所建立的点属于某直线上不确定性度量概率模型基础上,根据随机选择的两点间直线参数,按照Bayesian法则用基于不确定度量的参数空间软投票提高了检测算法的抗噪能力。实验结果表明,算法在较高的噪声（方差大于0.03）时,检测误差小于1‰,检测时间是单纯不确定度量直线检测方法的1/2,比传统Hough变换算法快10-15倍。     

基于分段切换模型的快速车道线检测

为了弥补单一模型在车道线检测中的缺点,提高车道线识别的实时性和精确性,提出一种由Hough变换与二次曲线模型相结合的高速公路车道线识别算法。该算法首先对图像作感兴趣区域ROI(Region of Interest)划分;再在LOG算子对ROI边缘检测的基础上进行Hough变换检测直线;然后根据已检测出的直线再进一步动态划分ROI和直线检测;最后通过判断两直线段的方向变化趋势进行直线和二次曲线切换拟合车道线。通过对高速公路实际车道线进行实验检测,实验结果表明,该算法能够准确地检测出车道线,准确率和实用性均高于对比算法。     

基于改进Hough变换的城市道路网络提取算法

Hough变换常常用来提取直线,但是Hough变换无法区别直线和直线段,且时间复杂度和空间复杂度都较大,通过增加一个二维计数器使Hough变换能查找直线段,并利用Canny算法先提取图像边缘,对Canny算子检测到的边缘点的方向角进行变换,减少了Hough变换的计算量和提高提取精度。根据城市道路网络的卫星特征,对图像做先期处理,然后将改进的Hough变换用于城市道路网络的提取,经实验验证了算法的有效性。     

基于灰度特征约束的HT融合策略识别机场目标

针对跑道信息在机场目标识别算法中的重要性,分析了巡航子母弹在实施跑道封锁时对跑道端点信息的需求,给出了机场红外图像的灰度约束先验知识,针对传统霍夫变换无法获取直线端点信息的特点,提出了一种新的基于灰度特征约束的HT附加策略识别算法,对低对比度的红外图像进行了识别,仿真计算结果表明,可以较为有效地获得准确的跑道中点和端点信息。     

基于一种改进的Hough变换的输电线提取与识别

在野外拍摄得到的输电线图像中,输电导线具有明显的线性特征,因此可以直线为基础来研究导线提取与识别的算法。Hough变换是经典的变换域直线提取算法,针对输电线图像的特点以及从Hough变换改进的思路出发,运用形态学分析和搜索聚类的方法先去除输电导线二值边缘图像中的背景噪声,提取出导线上的像素点。经过预处理后,再运用阈值区间的自适应估算方法来计算Hough变换的参数阈值,从而识别出图像中的输电线。实验结果表明,该方法具有较好的提取效果,并且能准确的识别出输电线,计算简单速度较快。     

一种高效检测图像中是否有三角形的算法

在停车场的停车位检测系统中,要识别停车位是否空闲,就必须对检测系统获取的图像中的任何可能停靠在停车场中的汽车进行识别,但由于汽车种类、形状、大小等千变万化,因此通过识别图像中是否有汽车来判断停车位是否空闲是不现实的。由于可以先在每个停车位上画上一个实心黑三角形,然后通过识别图像中是否包含有三角形来判断停车位是否空闲,如果图像中没有实心黑三角形,则表明该停车位已经被汽车所占据;否则表明停车位空闲,因此,对空闲停车位的检测就转换为检测图像中是否有三角形,这要比识别所有的汽车容易得多。而传统的Hough变换则不能有效地检测图像中是否包含有三角形,为了准确检测三角形,提出了一种有效的检测图像中是否有三角形的算法。该算法首先利用Sobel算子检测出图像的边缘信息;然后抽取一条连通的边缘,并对当前抽取出来的连通边缘所围成的区域进行填充;接着利用三角形面积与它的3条边的关系来判断当前被填充的区域是否是三角形。当分析完该条边缘后,再继续抽取图像中的下一条边缘进行分析,如此反复,直到图像中的所有边缘被抽取完,则停止循环;最后输出结果,如果图像中有三角形,则输出三角形的个数;如果图像中没有三角形,则输出0。实践表明,该算法具有运算量小、运算速度快、所需内存少的优点。     

遥感图像中机场目标的识别方法

机场识别作为模式识别领域的问题之一,在军事上有着重要的应用前景。它包括判断机场是否存在和机场定位两个方面。结合已有的方法,提出了一种新的机场识别的解决方案。该方案先使用阈值分割方法进行图像分割,然后利用像素标记法提取出最大连通区域,作为疑是机场区域(ROI);用Canny算子进行图像的边缘提取,提出了一种改进的Hough变换,能够从边缘图像中准确地提取出直线段,并最终实现机场跑道的定位。     

末敏子弹图像序列中机场跑道线目标的跟踪及处理算法研究

为了准确地跟踪机场跑道(以下简称跑道)线目标,提出了一种在末敏子弹稳态下落过程中,利用Hough变换将机场跑道线性目标转化为对点目标进行跟踪的方法。此方法在考虑各个参数解耦的情况下,先对Hough平面内的直线参数利用Kalman滤波方法进行状态估计与预测;然后在确定子弹与跑道目标的相对位置关系时,需考虑到弹上探测器旋转运动的影响,再结合当前帧图像的数据信息对预测方程进行修正处理;最后在小扰动情况下,根据伞-弹系统动力学分析理论建立了对探测系原点与地面交点至跑道中心线的距离D(t)进行处理的方法,并得到了弹下点(子弹晃动中心)至跑道中心线的距离D0的曲线,进而确定了子弹相对于跑道目标的位置关系。分析结果表明,此方法实时性强,不仅降低了参与运算的数据量,而且试验结果误差较小,可以满足目标总体设计要求。     

基于改进Hough变换的圆形物体检测

圆形(包括弧线)检测是数字图像处理过程中的经典问题之一,有着广泛的应用背景。基本的Hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域,选取累积最多的参数。在现实生活中,由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解,因此,图像在应用Hough变换后,很难找到单一的峰值,这也就造成了检测的难度。在Hough变换的原理基础上利用圆的几何特征提出了改进算法。理论和实验证明能获得较好的检测结果。     

基于数学形态学的机场跑道快速识别方法

提出了一种航拍机场跑道的快速识别方法。采用二维最大熵阈值方法分割出目标区域,利用Kitsch算子提取主要物体的边界轮廓,然后基于数学形态学的开、闭运算消减云层等物对目标边界的干扰,断开细线连接,削弱狭窄的部分,再应用细化剪枝剔除毛刺和各段孤立的短骨架线;利用Hough变换搜索出平行直线对作为机场跑道的候选区域;利用跑道区域的灰度特征对候选区域进行验证,去除虚假目标。实验结果表明：该方法具有较高的目标识别率和计算实时性,抗噪性强,能够消除背景中诸如云朵等物体的干扰。     

基于归一化灰度Hough变换的SAR图像舰船尾迹检测算法

舰船尾迹检测作为近年来SAR图像海洋应用的一个重要方面而受到关注。目前大多数研究都是利用Radon变换作为数学工具，结果得到增强的是尾迹特征，而不是尾迹的端点。从提取尾迹的端点坐标出发，在传统Hough变换算法基础上进行改进，提出了基于归一化灰度Hough变换的SAR图像舰船尾迹检测算法，并推导出尾迹端点反演算法，同时自动提取舰船的航速，取得了较好的实验结果。     

On the inverse Hough transform

In this paper, an inverse Hough transform algorithm is proposed. This algorithm reconstructs correctly the original image, using only the data of the Hough transform space and it is applicable to any binary image. As a first application, the inverse Hough transform algorithm is used for straight-line detection and filtering. The lines are detected not just as continuous straight lines, which is the case of the standard Hough transform, but as they really appear in the original image, i.e., pixel by pixel. To avoid the quantization effects in the Hough transform space, inversion conditions are defined, which are associated only with the dimensions of the images. Experimental results indicate that the inverse Hough transform algorithm is robust and accurate