基于圆对称性和随机选点改进霍夫变换圆检测算法

为了解决使用传统Hough变换圆检测算法存在计算量大、运行效率低以及检测精度不高等问题,文章提出了一种基于圆对称性和随机选点改进Hough变换圆检测算法。首先,根据圆对称性特点,求解出圆心坐标;然后,将圆心坐标回代入圆方程,求解出半径。为了增强抗噪能力,随机选取圆周上一定数量的边缘点进行求解,统计半径值,选择频数最高的半径值作为最终结果。在MATLAB环境中开展圆检测仿真实验,结果表明,提出的方法可以有效地提高圆检测精度。     

基于改进Hough变换的指针式仪表自动识别方法研究

在对指针式仪表进行识别的过程中,Hough变换被广泛应用于检测指针的位置,但其存储空间大、计算时间长的缺点让识别的过程效率降低很多。针对传统Hough变换的缺点提出了一种改进的Hough变换,通过减小Hough变换的搜索范围来减小其存储空间和计算量,利用指针与表盘圆心之间的关系限定了Hough变换的累加量,从而大大减少了计算时间。将改进的Hough变换应用于指针式仪表的识别中,与传统的Hough变换识别速度进行了比较。实验结果表明:改进后的Hough变换可有效减少计算时间,提高识别效率。     

CCD原理在指示表识别中的应用

提出了一种基于CCD原理的指示表示值识别系统。使用图像差影法、阈值分割算法和最小二乘法进行圆心拟合,采用Hough变换法读取表盘刻度,快速识别出表盘指针所处位置。实验结果表明,该系统检定百分表时的不确定度小于人眼目测的不确定度,可以提高测量效率,实现了对指针式仪表示值的自动识别。     

基于Hough变换的纸病检测分析

褶子是纸病的一种,通常采用对纸病图像进行预处理、阈值分割等常规方法来检测褶子,但常规方法对不连续的褶子检测效果不是很明显,本研究提出了一种基于Hough变换的褶子检测方法.     

改进Hough变换在纸病检测系统中的应用

通过对褶皱纸病的分析研究,提出一种基于改进Hough变换的检测方法.利用边缘检测对纸病信息进行去噪和简单提取,采取Hough变换的方法将纸张从图像灰度空间转换到参数空间,从变换后的参数空间中提取纸病图像中的褶皱特征并进行识别.实验结果表明,此方法识别率高、计算速度快、检测效果好.     

一种基于改进的HOUGH变换的车轮检测方法

针对进出特定场所的车辆,本文提出了一种基于改进的Hough变换的车轮检测方法,该方法能够识别车辆的型号和特征参数。首先通过变为灰度图像、变为二值图像、形态学图像处理、Canny边缘检测等算法进行图像预处理,然后使用改进的Hough变换对车轮位置和大小进行检测。通过实验分析,本文提出的方法能够较为精确地检测出目标车辆的车轮位置和大小,并成功应用于某车辆识别系统。     

基于Hough变换的机织物组织点自动定位

为实现机织物的组织识别,先要完成组织点的定位和识别。为克服传统的组织点分割方法的局限性,提出采用Hough变换检测织物图像中的经纱和纬纱的倾斜角度,然后对织物图像中的像素点进行坐标变换。在变换后的图像中对像素点进行按行按列灰度累加,通过确定累加曲线中的谷点即可完成织物的经纬纱分割。对经纱和纬纱分割结果进行合并,可得到机织物组织点分割结果。实验结果表明,所提出的算法对存在纱线倾斜的不同织物均可实现组织点的成功定位。     

基于随机采样的随机Hough变换快速圆检测算法

圆形检测是图形检测中的重要问题之一,传统的Hough变换圆检测算法存在计算量大、准确率低等问题,为解决问题,提出一种基于随机采样的随机Hough变换快速圆检测算法。该算法首先随机采样圆上的两点,根据圆几何特性特点确定另一点在该两点线段的中垂直线上从而找到第三点,由这三点确定候选圆;再对候选圆上的点进行统计,判断候选圆的真假以得到真实圆。通过合成图像和实际图像的实验结果表明,相对于随机Hough变换算法,文章算法在检测速度上有显著性提高。     

利用图像分析和深度学习预测油菜籽中总酚含量

目的 建立了一种结合图像分析和深度学习的油菜籽中总酚含量的快速预测方法。方法 利用VGG19网络进行油菜籽图像籽粒特征的提取,通过多个卷积层来学习油菜籽图像的特征,并建立了回归模型用于预测油菜籽的总酚含量。共收集了100种油菜籽样本,将油菜籽样本按照3:1的比例划分为训练集和测试集,利用均方损失函数(MSELoss)和决定系数(r2)评估模型预测准确性。结果 测试集MSELoss=0.0085、r2=0.9914,表明该预测模型具有一定的准确性和实用性。结论 本研究提出了一种快速、准确的评估油菜籽总酚含量的方法,为油菜籽的总酚测定提供一种快速、准确的智能化检测方法。     

Hough变换在纤维细度仪中的应用

Hough变换在图像处理中提供了有效的检测直线的方法,它能把检测整体特性转化为检测局部特性,降低了检测的复杂度。本文利用Hough变换的优点,将此算法应用到了纤维细度仪中,给出了测量羊毛纤维直径的详细过程,并通过光栅测微尺验证了此算法的正确性。     

基于灰度图像的车道线识别系统研究

本文主要介绍基于灰度图像的车道线识别算法设计的过程。首先,对采集到的道路图像素材进行图像预处理,将原始的彩色图像通过灰度转换为灰度图;然后,进行图像平滑去噪、边缘锐化;最后,在预设的ROI区域检测车道边缘,对车道线进行识别和拟合。本设计利用自适应均值滤波、Otsu阈值分割和Hough变换直线提取实现道路边界识别过程,利用MATLAB软件进行仿真测试,通过GUI人机界面,导入道路图像实现各环节道路图像处理,最终实现车道线的识别和显示,实验结果验证了所用方法的可行性。     

基于FCM与小波变换的碳纤维木质复合材料图像分割研究

针对模糊C均值聚类(FCM)图像分割算法对图像的噪声敏感以及算法只利用了图像像素本身的特征并没有考虑像素的邻域信息等问题,将其与小波变换相结合应用到自制短切碳纤维木质复合材料的微观研究中。该改进FCM算法利用小波变换确定聚类中心与改进欧氏距离计算函数,再利用邻域像素的信息改进像素特征值,从而实现优化FCM的目标函数计算方式。通过实验分析与对比,该改进算法图像分割边缘清晰与抑制噪声能力强,同时算法在运行时间与迭代次数上均有所减少,具有一定准确性与可靠性。     

一种基于Hough变换的航迹起始方法

雷达常用的航迹起始方式有逻辑法,直观法等方式。文章采取一种基于Hough变换的航迹起始方式,将经典Hough变换与修正的Hough变换进行对比,分析性能。Hough变换法主要应用于图像中的直线检测。由于目标在起始时其运动轨迹基本为一条直线,因此可以使用Hough变换法进行起始。但由于经典Hough变换要求较长的扫描周期且运算量巨大,因此提出了在三个扫描周期内采用修正的Hough变换法进行航迹起始。此方法大大提升了目标航迹起始速度。     

快速Hough变换及其在机器人双目视觉系统中的应用

通过分析常用的Hough变换算法,开发了一种新的用于圆检测的快速Hough变换,与现有的Hough变换算法进行比较,新设计算法速度更快,该方法对圆形对象提取具有很好的效果。把此快速Hough变换应用在机器人双目视觉系统中,机器人可以成功的识别圆形物体,并实现对物体经行准确抓取。     

粒子群优化的改进Tsallis熵图像阈值分割

提出基于改进粒子群优化的二维Tsallis熵分解算法。首先将二维Tsallis熵算法降维分解为两个一维Tsallis熵,同时在目标函数中引入类内离散测度函数,最终以此目标函数作为改进后粒子群优化算法的寻优函数,完成图像的全局最优解阈值分割。实验结果表明,相对一维及二维Tsallis熵算法,改进算法在主观效果和区域间对比度评价指标上有较大改善,在铁路轨道异物图像的分割中满足实时性要求、抗噪效果更佳。     

基于改进分水岭算法的粘连大米图像分割

大米检测过程中大米图像籽粒粘连给后续大米检测、分析等处理带来较大困难,为此提出了一种有效的改进分水岭分割算法,先对二值图像采用不同的结构元素作极限腐蚀形成不同的距离图,再对这些距离图分别利用分水岭算法得到分水岭图像,最后提取真实分水岭得到最终分割图像,并与其它分水岭算法相比较。实验结果表明,该算法既能更有效地分割粘连颗粒,又能有效地抑制过分割现象。     

基于改进K-Means算法的蚕茧自动计数方法的研究

在自动缫的生丝生产过程中,生丝平均纤度会受到各种工艺条件的影响而发生变化,需要通过对绪下茧粒数进行检测来了解生丝平均纤度。基于形态学方法中的腐蚀膨胀法和K均值算法相结合的方法,改进了K均值聚类算法,解决了蚕茧图像中出现的多个蚕茧相互粘连的问题,实现了对粘连蚕茧图像的分割及蚕茧计数。结果表明:该方法能很好地解决图像反光及蚕茧图像粘连的问题,实现蚕茧图像的分割及正确计数,为绪下茧粒数自动检测技术的研究打下了基础。     

基于图像处理的稻米垩白自动检测研究

应用大津算法自动选取分割阈值,对稻米图像进行两次分割,分别得到籽粒和垩白区域的二值图像,再根据区域内部象素的连通性,将不同区域赋予不同的标记,计算出籽粒和垩白粒数,以及二者对应的面积(象素)。研究结果表明,该算法的自动检测结果与人工检测相关性大于90%,可用于稻米垩白粒率和垩白度的自动检测。     

基于改进的Hough变换的绝缘子检测方法

针对传统的输电线路绝缘子检测方法的不足,提出了一种基于改进的Hough变换的绝缘子检测方法,方法首先对航拍绝缘子图像进行预处理,包括彩色图像灰度化,图像增强和图像去噪,然后对预处理图像进行改进的Hough变换的绝缘子检测,最后检测出输电电路中的绝缘子串。文章提出的方法可以快速从复杂背景中识别绝缘子,具有较好的应用前景。     

基于改进Hough变换算法的圆形零件检测

采用改进Hough变换算法对圆形零件进行检测研究。通过基于最小误差对圆形零件图像边缘像素点70%~80%随机抽样,减少无关的数据累加性,通过聚类算法避免虚假圆心的出现,利用圆形度判断圆形零件是否合格,给出了算法流程。试验结果表明:改进Hough变换算法检测圆形零件的参数值最接近标准值,圆形零件圆形度的不确定度均值为0.0533,相比CNN、HT、RHT、PHT、SHT分别减少了35.55%,32.10%,26.48%,18.63%,8.26%,测量精度较高。