基于Hough变换实现圆的快速检测方法

为了快速正确的检测出图像中的圆,在传统Hough变换圆检测的基础上,利用圆是中心对称的几何特征,提出了一种新的基于Hough变换实现圆检测的方法,该方法运用Otus阈值分割技术将测试目标从检测图形中分离出来,运用Canny边缘检测器对图像进行边缘检测,检测后对图像进行筛选,排除明显不可能为圆的图形,之后对待检测图形,以过圆心的直线为对称轴对图像上的三点进行对称选取,计算出圆心坐标值和半径值,运用Hough变换在参数空间中对值进行投票,累加计数求出峰值。实验结果表明,该方法降低了计算复杂度和对计算空间的需求,与当前应用最广的RHT,以及SHT圆检测方法相比,运行速度快、精度高,抗噪性能好。     

基于Hough变换运用形状角及梯度检测圆

介绍了一种结合轮廓线形状角及梯度信息的Hough变换检测圆的改进算法。针对广义Hough变换在检测圆时具有的计算时间长、存储空间大、准确性低等问题和不足,提出了相应的解决办法。该算法首先对图像进行平滑滤波和去噪,并采用Canny算子在抑制噪声的同时进行边缘检测,分析得到轮廓线的形状角并初步分类出形状为圆形的轮廓线;然后利用划分出的轮廓线的梯度信息大致确定圆心和半径,并运用Hough变换进行证据积累,以此来精确定位此圆的位置。实验证明,该检测算法计算量有所减少,检测性能有所提高,更加适用于随机圆的检测。     

基于改进Hough变换的圆形零件尺寸测量研究

分析了直方图均衡化图像预处理技术,针对标准Hough变换的不足,提出了一种结合圆的几何特性改进Hough变换的方法。该方法根据圆周上各点连线的垂直平分线交点通过圆心这一圆的几何特性,沿边缘方向进行梯度搜索,找出圆心并求解半径,有效解决了含噪声图像圆形零件边缘检测的难题。通过对轴承零件内、外径和尺寸的测量应用研究,验证了改进Hough变换圆形零件测量技术的有效性和准确性。     

基于机器视觉的手机尾插件精密测量方法研究

提出了一种基于机器视觉的小尺寸不规则零件精密测量方法和系统,方法包括图像采集、图像增强、图像配准、边缘检测、目标直线提取、相机标定和计算测量环节。针对传统尺度不变特征变换(SIFT)匹配算法完全忽略特征点之间的几何关系,对于灰度变化较平滑的图像在寻找匹配特征点对时易产生较多误匹配的问题,引入轮廓匹配获取图像几何信息、对SIFT特征点匹配进行约束,并通过随机样本一致(RANSAC)算法去除噪声点对的影响、精确估计几何变换矩阵;针对现有Hough变换拟合直线算法对非线性边缘易在Hough空间形成伪峰、影响边缘检测精准度的问题,设计了Hough空间投票权重分配新策略来抑制伪峰的产生。实验结果表明:与传统方法相比,所提出的方法特征匹配精度提高了12%,直线检测精准度提高了22%,系统测量精度达到0.015 mm。     

改进的Hough变换实现圆检测

为了自动检测出图像中的圆并精确测量其参数,提出一种改进的点Hough变换圆检测方法.首先对提取边缘后的轮廓进行一次筛选,得到所有的连续边缘轮廓;然后进行二次筛选,排除那些明显不可能为圆的图形,获得最终候选边缘轮廓.对候选边缘点组进行快速点Hough变换圆检测,计算圆的直径值和圆心坐标值,在检测过程中,采用自适应的点选择步长值和累加器判断阈值.利用VC+ +6.0开发了圆检测系统实验软件,并进行了对比实验,结果表明该方法可以有效解决原算法中固定值导致检测精度不高、误检测和漏检测的问题.     

基于改进Hough变换的检测前跟踪方法

在微弱目标检测的算法研究中,检测前跟踪(TBD)方法是在低信噪比情况下目标检测的有效途径.一种基于信息辅助的Hough变换微弱目标检测方法被提出.该方法着重Hough变换在距离一多普勒一帧三维空间中的应用.它利用基于系统先验信息的点斜式Hough变换估计目标航迹进行跟踪,然后再根据估计航迹进行多帧积累提高目标信号SNR的方法能对微弱目标检测.由于利用了先验信息,算法的运算量被有效地降低了.蒙特卡洛仿真验证了所提方法的有效性.     

全景海域图像中的圆形海天线提取

针对全景海域图像背景复杂且海天线呈近似圆形的特点,提出了一种基于分形维数和改进Hough圆变换的全景海天线提取算法。该算法首先通过地毯覆盖法计算海域全景图像的分形维数,并据此提取出全景采集装置等设备在全景图像中的成像,消除其对海天线检测的不良影响。针对经典的梯度Hough圆变换算法提取全景海天线时无法给出唯一正确解的问题,提出了一种改进的Hough圆变换算法来有效提取全景海天线。对400幅不同情况下采集的全景海域图像进行了实验。结果表明,提出的算法在理想情况、海天线部分缺失、低对比度和海天线大范围断裂等多种情况下均可以有效提取出全景圆形海天线,检测准确率达95.75%,适用性和鲁棒性良好。     

特征弦约束随机Hough变换在椭圆检测中的应用

为了提高复杂图像中椭圆/类椭圆的检测效率及精度,提出了一种基于特征弦约束的随机Hough变换(RHT)思想的椭圆检测改进方法,借助特征弦的几何约束及特征弦端点的法向约束,大幅度降低RHT的无效采样和累积次数。通过对边缘图像中像素点的有效分布进行分析,建立用于存储特征弦的端点信息的二维数组累加器,在边界点提取之前利用椭圆幂剔除虚假椭圆中心的干扰,不仅能够提高空间采样点的可靠性,同时降低无效采样点的累积概率。实验表明,该算法具有更高的运行速度和检测精度,同时对于形变较大,轮廓缺失严重及噪声具有较强的抵抗能力。     

基于Faster R-CNN的工件螺纹孔目标检测

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

基于Faster R-CNN的工件螺纹孔目标检测（英文）

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

改进型图像中的直线快速检测

为提高数字图像中的直线的检测速度,从时频域变换和空间域变换两个角度出发,提出了一种改进型数字图像中直线快速检测方法。首先,采用小波提升提取图像中的低频轮廓信息,抑制高频噪声。然后,对像素降低后的图像进行二值化处理;基于"两点确定一条直线"以及Hough变换过程中"图像空间中一条直线上的多个点对应参数空间中一个点"的原理,按照从局部到整体的检测顺序,将二值化后图像空间中的非零点映射到参数空间中具有较大存在概率的累加单元,而不是所有可能的累加单元。最后,对累加单元进行统计,以确定图像中直线的参数。利用该方法对一幅像素为128×128的数字图像进行直线检测,耗时为213ms。该方法有效地提高了数字图像中直线检测的实时性。     

基于机器视觉的轴承内径亚像素在线检测

以机器视觉系统为基础,利用计算机图像处理技术,对预处理后的边缘图像,采用基于点Hough变换的圆形图像亚像素检测算法,实现了轴承内径的亚像素在线检测。试验证明,该检测系统具有非接触、无损伤、高速度、低成本的优点,并且具有很好的通用性,可广泛应用于其他行业产品的在线检测。     

一种快速精确的虹膜定位方法

为了提高虹膜定位的速度和精度,本文提出了一种定位方法.对于虹膜的内边缘定位,本文基于图像二值化和形态学的腐蚀、膨胀,建立了有效的去噪算法,并提出了一种灰度投影与圆的方程相结合的方法,可准确定位虹膜内边缘.对于虹膜的外边缘定位,本文利用虹膜内边缘定位数据对边缘图像去噪得到有效的边缘信息,在此基础上提出了一种改进的Hough变换方法,可以快速准确地定位虹膜外边缘.实验结果表明,本文提出的虹膜定位算法显著提高了虹膜定位的速度和精度,避免了传统Hough算法搜索的盲目性.     

非合作目标姿态测量的嵌入式算法

针对一系列含有圆和直线特征的航天器,提出了基于嵌入式算法来实现非合作目标的姿态测量。该算法在现场可编程门阵列(FPGA)中完成边缘点的检测和边缘图像的细化;在数字信号处理器(DSP)中通过基于弧段的快速椭圆检测方法检测目标上的椭圆特征;同时用快速高精度的二次Hough直线检测方法检测目标上的直线特征。最后,针对实际在轨任务进行了地面模拟实验,基于椭圆特征和直线特征计算了目标飞行器和一个CCD相机的相对姿态。结果显示:该嵌入式方法所需资源较少,更新率优于3Hz;其测量精度随着测量距离的变大而变差,同一距离3个方向的测量精度不同,近距离(小于4m)、深度方向的测量精度优于100mm,其他方向最高优于60mm,角度精度优于1°,满足嵌入式系统对资源、在轨更新率和精度的要求。     

一种应用于人脸正面图像的眼睛自动定位算法

基于人眼轮廓所具有的椭圆特性,提出了一种眼睛定位算法。首先对人脸图像边缘提取,并对边缘所有点进行最小平方椭圆拟合,根据眼睛宽度与高度比例,给定一个阈值,确定眼睛候选区域;然后运用训练过的支持向量机(SVM)分类器验证眼睛区域;最后在眼睛区域,采用一种基于方向性圆形霍夫变换(Circle Hough Transform (CHT))的检测算子定位眼球中心,并对ORL及自建人脸库进行了测试。 结果表明:分别在1.25 s, 3.0 s内,验证率为91.6%, 95%的情况下,该方法可以获得7.26和3.45个像素的平均定位误差,同时也证实了该方法对人脸的平面内旋转、尺度、表情等变化具有较强的鲁棒性。     

An Improved Radar Detection Algorithm Based on Hough Transform

In this paper, we propose a modified Hough Transform algorithm for radar detection by shifting the parameter space cells. In our method those data with the same arrival time are mapped to the parameter space simultaneously. As a result, the computational complexity is reduced. Unlike the conventional Hough transform, those trajectories whose intercept exceed the radar maximum range can also be detected in our method. In addition, we investigate the performance of the algorithm and show its efficiency by means of simulations.     

改进的Hough变换在零件圆心定位中的应用

针对自动化生产线上粉末冶金零件在检测中圆心定位困难的问题,在传统Hough圆变换方法基础上作了一系列改进,该方法先对图像进行预处理,比如滤波、边缘检测等,然后进行Hough变换实现零件图像的快速定位。实践证明,该方法不但减少了图像处理的时间,而且提高了Hough圆变换在各种零件检测中圆心定位的准确性。     

不规则圆形视觉检测方法研究

提出了一种基于曲线拟合法求取图像中不规则边界圆的参数求取方法。在进行图像预处理后得到一个不规则边界圆的边界数据点集的基础上，该算法首先引入替代变量，使圃方程拟合法求圃参数成为可能；然后进行圃参数的多次拟合，直到符合终止条件为止，成功地求出了圆参数的最佳估值。试验证明，和传统的广义Hough变换相比，该算法具有运算速度快，自动求取的突出优点，在不规则边界点所占整个圆边界比例较小时能取得很好的结果。