机器视觉中矩形几何提取和校正

为了提高从图像中提取矩形的效率和精度,提出了一种实用的基于Hough变换和最小二乘拟合相结合的矩形几何提取和校正算法。该算法通过Hough空间累加器的最大值检测出直线;在检测到的直线邻域内,通过最小二乘法拟合得到更精确的直线;由4条直线得到4个交点,并按各个点与中心点的位置关系进行排序;由4对对应顶点,可求出一个透视变换矩阵;最终将四边形内的所有点映射到一个矩形区域内。实验结果证明算法在效率和精度上取得了一个较好的平衡。     

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。     

一种基于改进Hough变换的直线快速检测算法

针对传统Hough变换计算量大、耗费内存空间、参数空间峰值点被次峰值点包围、易造成漏检或误检等缺陷,提出一种改进的Hough变换直线快速检测算法。首先检测图像中相邻的像素点并进行聚类,形成一些相连的像素点的集合,然后将聚类后的像素点进行感知编组,细分成比原聚类线段更接近直线的线段,最后对每段近似直线用随机Hough变换进行检测,从而精确地检测出图像中相应的直线。实验表明,与传统Hough变换相比,改进后的算法计算量小,节省内存,无需先验知识,且抗干扰性有显著提高,并降低了误检率和漏检率。     

Hough变换曲线拟合的轮毂轴承沟道测量方法

针对传统的轴承沟道参数测量方法易受异常点影响的问题,提出了一种利用Hough变换曲线拟合的轴承沟道测量方法。首先利用最小二乘拟合算法快速计算圆弧的参数,然后根据最小二乘算法所得的结果确定Hough变换中参数的遍历范围,以此提高Hough变换的计算效率,同时利用Hough变换结果滤除原始测量数据中的异常点,并将处理后的数据重新用于最小二乘圆弧曲线拟合,以此来消除异常点对圆弧参数精确估计的影响。分别使用仿真和实测实验对算法的有效性进行了验证。实验结果表明,与传统的最小二乘曲线拟合算法相比,具有精度高、鲁棒性好等优点。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

结合Canny算法和Hough变换的轴类零件边缘提取

针对轴类零件的边缘提取存在易受噪声、表面质量和边界条件影响的缺点,提出了Canny边缘检测和Hough变换算法相结合的边缘提取方法。首先利用自适应中值滤波对图像去噪,在滤除图像噪声的同时保留了更多的图像边缘信息;然后在3×3的窗口模板内计算梯度幅值和方向,提高了算子的抗噪性能;再采用自适应双阈值算法求取高低阈值,实现边缘的检测和连接。最后利用Hough变换算法进行边缘拟合。实验结果表明,这种方法可以对不同直径的轴类零件图像进行边缘提取,能够获得比较完整而连续的边缘。     

基于有序Hough变换的快速圆检测算法

针对随机Hough变换（RHT）及其改进算法在同一圆边缘点随机抽样时命中率低且投票处理过程复杂,提出了基于有序搜索的广义Hough变换快速圆检测算法（SQHT）。该算法利用圆的几何性质和梯度方向信息来有序搜索圆边缘点集,将Hough变换的基于投票判定基元参数转变为有效确定基元三点的讨论。执行算法时,首先顺序搜寻第一边缘点并根据邻域边缘点集或图像灰度值计算其梯度值;接着在第一点所在行匹配与其梯度信息相符的第二点,根据前两点信息在第一点所在列匹配第三点;最后按照RHT算法流程确定有效基元参数,从而避免了随机抽样带来的时间不确定性。该算法具有计算速度快,检测时间可控,适用范围广泛,抗干扰性强等特点。相比于RHT算法,提出的算法在单目标圆检测情况下检测效率提高了2倍,在多目标圆（5个及以上）且有非目标边缘点情况下检测效率提高了5倍,在多圆检测方面能有效弥补了Hough变换算法的不足。     

一种基于Harris特征点检测的改进算法

针对Harris角点检测算法存在对含有噪声的图像角点检测不准确的问题,为降低噪点对角点检测的干扰和提高角点检测的精准度,提出了一种改进算法,通过在Harris算法设置的局部移动窗口中加入一种加权系数自适应的加权均值滤波,其加权系数由像素灰度值决定。通过实验证明,该方法可有效减少伪角点的形成,同时具有良好精确度和检测速度。     

基于角点检测的热轧带钢表面缺陷在线检测

针对在线检测热轧带钢的表面缺陷的技术特点,提出一种基于计算机视觉的角点检测方法。针对处于工况下的钢板表面特征,所提出的方法优化了基本Harris角点检测算法,避免了完全依靠经验来选取参数的局限。在判定缺陷图像时,通过对比突变点的灰度值和灰度,克服其他缺陷造成的误检、错检,提高检测的准确性。通过实验验证,所提出的方法比Canny算法和Hough算法具有更好的检测效果。     

基于Harris角点的矩形检测

为了快速精确地对矩形进行识别和检测,开发了一套图像采集系统,并提出了基于改进的Harris角点检测法的快速矩形识别算法。首先,只针对多种角点中的L型角点进行快速检测,并通过亚像素级后处理提高角点的位置精度。然后,根据得到的高精度角点位置信息,任意组合角点并遴选相互平行且长度相等的直线段组,从而匹配出相互垂直且四个角点重合的平行直线段;将其作为矩形的四条边,进而循环识别出图像中所有的矩形元素。提出了伪矩形图形元素的甄别判据,以提高算法的精确度和可靠性。实验结果表明:分别用基于Harris角点和基于Hough变换的矩形检测算法处理同一图片时,前者的运算速度为后者的9.5倍;其图像识别精度能达到亚像素级,最大误差为0.4pixel。该算法满足工业应用中高实时性、高精度的要求,并且稳定性好,抗干扰能力强。     

自适应窗口形状的中值滤波

中值滤波去除噪声的同时,难免出现含有线形图像的边缘轮廓信息跟随丢失的情况。为了达到滤除图像噪声最大化,有用信息损失最小化的目的,根据图像边缘特征选择或设计了适当大小和形状的窗口来进行中值滤波等操作。一方面,创新性地提出将Hough变换应用到车轮裂缝CT图像的滤波窗口形状的选择上,针对单一方向轮廓的图像,利用Hough变换检测出裂缝的方向,从而采用与裂缝形状相应的窗口对裂缝进行有针对性滤波,将该方法与传统方法进行了对比实验,并将60层滤波后切片图像堆栈得到了三维图像;另一方面,针对含有多个方向轮廓的图像,为了进一步改善滤波效果,提出根据像素梯度设计斜向滤波器,对多方向的线对进行滤波,数据显示经改进方法滤波后图像的峰值信噪比(PSNR)较传统的中值滤波提高了4~6,结构相似性(SSIM)提高了1%~2%左右,最后用683层荞麦切片CT图堆栈得到三维图像,对比滤波前后图像,可知该方法滤波效果良好。     

基于火星探测的人工标志识别定位

为了实现火星探测中巡视器以及着陆器上人工标志的识别定位,结合好奇号火星车的人工标志特征和火星环境的特点,提出一种人工标志两步识别定位方法。第一步是在图像中识别人工标志并进行初步定位。该步骤通过图像边缘检测,提取并跟踪各轮廓边界。针对人工标志存在的沙尘附着、光照不均、以及阴影遮挡等问题,提出一种基于火星环境的自适应边缘检测方法。采用最小二乘椭圆拟合方法对每一个轮廓边界进行椭圆拟合,将拟合所得的椭圆参数作为标志的初步定位结果。第二步是对各人工标志进行精确定位。根据初步定位的椭圆参数进行图像分割。考虑标志中心为两条直线的交点,故采用Hough变换对各分割出的图像块进行直线检测,并对交点进行重定位,从而得到人工标志的精确位置。对好奇号火星车的标志图像进行了试验,结果表明:提出的方法能够检测存在较大变形的人工标志,对标志中心的定位精度稳定在1个像素以内。该对沙尘附着、光照以及阴影遮挡具有一定的鲁棒性,基本满足火星探测中人工标志定位的精度和鲁棒性要求。     

基于Hough变换的水下管道检测方法

由于海底管道背景复杂,简单的检测算法不能给出理想的检测结果;复杂的检测算法又不能满足实时作业要求。为了克服上述问题,实时而又准确地检测水下管道,通过分析水下图像的特点以及传统Hough变换对于管道直线信息提取的局限性,有针对性地提出了对Hough变换方法的2步改进,包括前期处理改善像素点的分布以减少参与Hough变换的无效像素点的数目,和Hough变换过程中的峰值点逆向清零以保证管道边界检测的唯一性。在仿真环境和水池环境下分别对改进的方法和未改进的方法进行了对比实验,结果表明前者可以有效地提高管道检测的实时性和精确性。     

结构化道路中车道线的单目视觉检测方法

车道线实时检测是智能车辆视觉导航系统中的重要研究内容.提出了一种基于单目视觉的车道线实时检测方法.首先用Canny边缘检测方法对给定图像进行边缘检测.然后提出一种基于方向优先级的车道线搜索方法,分别对左右车道独立完成搜索,在增强车道线特征的同时削弱其他边缘特征.接下来用霍夫变换计算每条线段的直线度,过滤具有复杂纹理的边缘.最后利用图像的亮度信息及其变换识别出车道线.对提出方法进行了实验验证,结果显示提出方法定位准确,在PIII 933 MHz的CPU上的处理速度平均达每秒13帧,能够满足车辆驾驶的安全性和实时性要求.     

一种基于逆透视变换的车道线检测方法

该文基于逆透视变换技术提出了一种车道线检测方法。将道路图像映射为逆透视图,用二维高斯滤波器对图像进行滤波,然后进行阈值处理;用Hough变换提取车道线的线条曲线,利用三阶Bezier样条曲线拟合算法进行直线拟合,获得车道线的检测结果。实验表明,该方法在图像较清晰的情况下,检测近距离的车道线获得了较好的效果,适用于平坦路面下的白色和黄色等车道线检测。     

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。     

Underwater cable detection in the images using edge classification based on texture information

In this paper, a new approach is proposed for detection of an underwater cable, which makes an Autonomous Underwater Vehicle (AUV) capable for automatic tracking. In this approach instead of traditional image segmentation, first, edges of the images are extracted. Then they are classified using Multilayer Perceptron (MLP) neural network and Support Vector Machine (SVM) using texture information. Then the edge points belonged to the background information are removed and the remaining ones are used for the next processes. Finally, the filtered edges are repaired by morphological operators and are fed into the Hough transform for cable detection. Some texture information methods are used for feature extraction but the results confirm that the 2D Fourier transform in combination with MLP network is the best method for edge classification in this environment. Hough transform, is used in two strategies, which in the first one, the whole information of the edges in the image, are used for line detection, and in the second approach because of curve like shape of the cable, a center part of the image, is used for line detection. In the experiments, many different scenes was used for testing the cable detection algorithm, which first method, resulted to good accuracy but the second one, provided better recognition rate for the cable detection task.     

快速响应码图像的全方位识别

首先分析快速响应码位置探测图形的模式，提出一种基于一维特征模板匹配的快速定位方法，并实现图像方位归一化，然后对条码边界进行Hough变换得到边界直线和顶点位置，再利用条码的几何特征做控制点变换和双线性插值变换，进行几何失真校正和大小归一，形成只包含条码的图像，最后采用Sobel边缘检测以及傅里叶反模糊滤波方法识别条码模块，得到可以解码的比特流信息，实验表明这些算法有效消除了图像中无关信息干扰和几何失真对识别的影响，实现了条码图像的全方位快速识别。     

基于改进的Hough变换图像分割方法

在图像处理和计算机视觉中,Hough变换是一种应用非常广泛的图像边缘检测技术,针对传统Hough变换算法所需的存储容量大、计算量大、速度慢、效率低,不能确定曲线端点及长度的问题,提出了一种改进的Hough变换方法,它根据Hough变换思想的逆变换,采用对参数空间逐步细分的方法,逐步排除不包含直线的区域,能够有效地减少存储容量,提高运行效率,并能有效地求出曲线轮廓的端点及长度.该方法已成功运用于车牌自动识别系统的车牌分割中.