霍夫变换联合决策树法对图像边缘提取的优化

边缘提取是数字图像处理、条码识别的关键,但是在边缘提取过程中,易受噪声侵染,导致精准度降低,并造成特征信息丢失和模糊边缘。基于此,提出了一种基于霍夫变换联合决策树的边缘提取模型。首先,对图像输入信号进行霍夫转换,降低信号噪声侵染率,缩短线段间隔距离。其次,对像素梯度、像素邻域进行差值分析,并赋予相应权重。最后,利用决策树法搜寻图像特征边缘信号,输出最终图像边缘结果。研究结果显示,霍夫变换联合决策树法能快速有效地提取图像边缘信息,噪声侵染率小于10%、提取准确率和完整率大于90%,且优于标准决策树法。因此,霍夫变换联合决策树能满足图像边缘提取要求,适合用于数字图像处理和融合。     

一种快速霍夫变换算法

霍夫变换是图像处理中的一种常用的检测算法，能够有效地在较大的噪声环境中提取图像中的特定信息。但标准的霍夫变换算法运算量大，处理速度慢，有较大的局限性。该文讨论了一种快速霍夫变换算法，该算法有效地降低了传统霍夫变换算法的时间复杂度，提高了计算效率和运算速度，对于提高图像处理的速度，增强图像处理的实时性有着显著的作用。     

一种基于直线模型的车道线识别算法研究*

为了更好地满足车道标志线识别算法的实时性和鲁棒性要求,提出了一种新的、有效的车道标志线识别算法。将图像灰度化后,采用中值滤波去除图像采集过程中引入的噪声,应用方向可调滤波器进行边缘提取,在提取过程中对原图像进行感兴趣区域划分并采用边缘分布函数法确定方向可调滤波器的初始方向角。提出使用基于梯度加权的霍夫变换对车道标志线进行识别,通过建立梯形感兴趣区域的方法实现对车道标志线的实时跟踪,并对多段实地采集的视频进行实验测试。结果表明:基于方向可调滤波器与梯度加权的霍夫变换相结合的车道标志线识别方法,简化了对车道标志线信息特征参量的估计;不仅大大缩减了算法的执行时间,而且使算法的鲁棒性得到很大的提高。     

基于窗口Hough变换与阈值分割的矩形识别算法

提出一种基于窗口霍夫变换与阈值分割自动识别图像中的矩形策略： 通过图像窗口霍夫变换,提取霍夫图像的峰值（对应原始图像的线段）,当四个峰值满足某些几何条件时,则检测出矩形;对图像进行阈值分割,将分割结果与霍夫变换的矩形做拟合修正.对不同成像背景和光照环境下图像的集成测试结果表明,本策略能够很好地抑制在多种自然光照不均和拍摄角度造成的干扰.且采用了缩略图计算,降低了逐像素运算的时间复杂度,可满足实时性要求.该技术可运用在实时准确裁剪银行票据目标等各个需要快速识别矩形的工程领域.     

检测井壁图像上平面地质特征的改进霍夫变换

为实现井壁图像上平面地质特征的自动提取,研究了图像中单周期正弦曲线的检测方法。提出一种改进的霍夫变换,该方法基于正弦曲线上的三个相关联点在二维累加器中进行投票,从而确定相位与基线深度;然后在一维累加器中投票,确定振幅。对模拟图像及井壁图像进行了处理,并与传统霍夫变换、快速霍夫变换进行了对比。结果表明,该方法不仅提高了检测速度,而且具有较高的准确率。     

基于小波变换的SAR图像斑点噪声降噪研究

SAR图像上周期性出现斑点噪声,影响图像的解译。小波变换具有多分辨分析特点。在分析SAR斑点噪声模型的基础上．利用小波变换方法对SAR图像斑点噪声进行抑制,同时给出噪声去除性能评价。实验结果表明,小波变换方法具有较好的斑点噪声去除性能。     

基于模糊随机广义霍夫变换的目标匹配

为了提高工业检测中图像匹配精度和速度,提出了一种用于二维目标匹配的新算法--模糊随机广义霍夫变换(FRGHT)。此算法结合了模糊推理系统(FIS)和随机广义霍夫变换(RGHT)。模糊推理系统引入模糊集合概念,计算待配准图像中边缘点对配准参数的投票,从而可以抑制噪声,解决扭曲问题,提高了匹配精度;随机抽取待配准图像中边缘点进行投票,实现了多对一的映射,从而减少了内存需求,提高计算速度。实验表明,该方法计算速度快,匹配精度高,不受噪声污染、扭曲、遮挡、混乱等情况的影响。     

基于频谱预处理与改进霍夫变换的离焦模糊盲复原算法

为了提高离焦模糊图像复原清晰度,提出一种基于频谱预处理与改进霍夫变换的 离焦模糊盲复原算法。首先改进模糊图像频谱预处理策略,降低了噪声对零点暗圆检测的影响。 然后改进霍夫变换圆检测算法,在降低算法复杂度的同时,增强了模糊半径估计的准确性。最 后利用混合特性正则化复原图像模型对模糊图像进行迭代复原,使复原图像的边缘细节更加清 晰。实验结果表明,提出的模糊半径估计方法较其他方法平均误差更小,改进的频谱预处理策 略更有利于零点暗圆检测,改进的霍夫变换圆检测算法模糊半径估计精度更高,所提算法对已 知相机失焦的小型无人机拍摄的离焦模糊图像具有更好的复原效果。针对离焦模糊图像复原, 通过理论分析和实验验证了改进的模糊半径估计方法的鲁棒性强,所提算法的复原效果较好。     

基于图像显著性区域的遥感图像机场检测

针对已有方法对图像逐像素进行分析的不足,将人眼的注意力选择计算模型引入到遥感图像的机场目标检测中,提出一种基于图像显著性区域的遥感图像中机场目标检测与识别的方法,以提高自动目标检测的效率.首先利用霍夫变换对遥感图像中是否存在机场目标进行初步筛选,然后利用改进后的基于图像的视觉显著性模型提取显著性区域,根据区域上的尺度不变特征变换特征并结合多层分类回归树完成机场目标的识别.实验结果表明,该方法比现有的其他机场检测方法具有速度快、识别率高、虚警率低的特点,同时对噪声有较强的鲁棒性.     

2D小波变换在图像消噪中的应用

基于小波变换具有的多分辨率特点,通过分析图像信号的局部特征,滤除掉含噪图像中的高频成分,达到降低噪声的目的。该文介绍2D小波分析对图像信号消噪的原理。经噪声图像仿真测试,小波变换中阈值法具有较好的消噪效果。     

基于投影算法的二维条码识别

文中以PDF417条码为例研究了二维条码的分割和识别算法，首先根据Hough变换定位出图像上的条码，并利用双线性插值将条码旋至水平，然后再在条码中定位单个码字符号的图像，最后利用投影算法识别出单个码字符号。文中提出的投影算法能有效地去除几种常见的图像噪音对条码识别的影响，提高了条码的识别率。实验结果充分表明此算法具有良好的性能，满足了实际使用的要求。     

一种面向密封条长度检测的模板匹配优化算法

针对现有的汽车密封条长度测量设备中使用模板匹配算法检测特征点位置时,密封条自身旋转导致匹配效果差的问题,提出一种基于Hough变换的自适应模板更新算法。该算法在传统模板匹配方法的基础上,通过设定阈值对模板匹配效果进行判断;对于匹配效果不好的图像进行Hough变换,结合特征点的几何特征进行识别;通过特征点的位置与尺寸信息,将其转化为新的模板用于下一次的模板匹配,实现模板的自适应更新。试验结果表明,该算法弥补了传统模板匹配法对图像旋转异常敏感的问题,提高了识别的稳定性,同时保证了检测效率满足现场的要求。     

基于模板匹配与Hough圆检测的仪表识别

随着自动化技术的不断发展,国内电力系统的自动化程度不断提高,无人变电站、无人配电房也逐渐普及。针对变电站中指针式圆形仪表的识别,提出了一种基于模板匹配与Hough圆检测的仪表识别方法。首先对图像进行预处理,将摄像头获取到的RGB彩色图像进行灰度化以及图像的局部直方图均衡化,将预先采集的仪表模板与待测图片进行两次模板匹配,获取仪表大致位置并对图像进行定位裁剪,通过Hough圆检测获取圆形表盘位置及其圆心坐标,将图像通过K-means方法二值化,再通过旋转虚拟直线法对指针进行拟合识别,通过角度与刻度的对应关系计算读数。利用Python和OpenCV视觉库实现算法,实验结果表明,该算法对于指针式圆形仪表识别效果显著,定位表盘位置准确,指针识别和角度计算有较高的精度。     

基于Hough变换的空间点位自动检测

在图像量测及物体精确定位中，Hough变换是一种应用非常广泛的图像边缘检测技术，该文在提取空间立方体上分布的规则格网线，进而确定其格网点空间坐标的研究中，针对传统Hough变换直线检测中易产生过连接线（点）、不易确定直线端点和长度以及定位精度低等问题，提出了一种适用于该类问题，基于Hough变换空间直线（点）位置自动检测的新算法。实验结果表明改进的Hough变换算法有效，空间交点坐标量测中误差达到子像素级。     

基于生物形状知识的人眼定位方法

准确地定位出人眼位置并分离出虹膜、眼睑等区域对虹膜识别、人脸识别等生物特征识别技术具有重要意义.但是,在非理想环境下,人眼图像分辨率通常较低,并且容易受到光照条件、睫毛、阴影等噪声影响,对人眼区域进行正确分割是一项非常具有挑战性的工作.因此,本文针对姿态幅度较小的无遮挡人眼图像分割存在的一些问题,利用Hough圆变换和形态学算法改进低分辨率下人眼的定位.该方法首先利用现有的人脸对齐方法分割出人眼感兴趣区域,采用双线性插值法对人眼图像进行预处理,去除镜面反射光斑;然后根据人眼图像中各区域的灰度分布规律,利用带约束的Hough圆检测算法定位出虹膜;之后结合全局动态阈值、局部自适应阈值及形态学算法分别定位出人眼上下眼睑,并利用最小二乘法拟合上下眼睑,最终分割出人眼虹膜、上下眼睑、巩膜等区域;最后在UBIRIS v1.0数据库及低分辨率人脸图像上对本文提出的算法进行测试.实验结果表明,本文提出的方法对实验室环境下高清虹膜图像及低分辨率人脸图像上的人眼定位均具有较强的鲁棒性.     

OMR图像倾斜矫正与分割

提出一种采用Hough变换进行OMR图像倾斜矫正的方法,该方法不必识别定位标记位置,具有很好的抗噪能力。为克服Hough变换计算量大的缺点,采用图像子抽样生成低辨率图像进行Hough变换,提高了算法效率。同时,提出一种快速游程段中心迭代算法分割图像,结合Hough变换,可快速准确地实现OMR图像的倾斜矫正与分割。     

An efficient 2D deformable objects detection and location algorithm

This paper presents a complete method for the automatic detection and location of two-dimensional objects even in the presence of noise, occlusion, cluttering and/or deformations. This method is based on shape information extracted from the edges gradient and only needs a template of the object to be located. A new Generalized Hough Transform is proposed to automatically locate rigid objects in the presence of noise, occlusion and/or cluttering. A Bayesian scheme uses this rigid objects location algorithm to obtain the deformation of the object. The whole method is invariant to rotation, scale, displacement and minor deformations. Several examples with real images are presented to show the validity of the method.     

基于U弦长曲率的抗旋转性广义Hough变换算法

针对广义Hough变换(GHT)算法匹配发生旋转图像中的目标形状时发生误匹配的问题,提出一种基于U弦长曲率的具有抗旋转性的广义Hough变换算法。首先,对模板形状采用边缘点的U弦长曲率和偏移向量等特征构建具有旋转不变性的修改的R-表;其次,以图像中边缘点的曲率作为索引,查找构建的R-表得到偏移向量等信息;最后,根据查得的信息计算图像中目标形状的可能的参考点位置进行投票。根据投票结果即可提取出图像中目标形状的位置。当图像中目标形状分别旋转0°、2°、4°、5°、6°时,提出的算法的匹配结果均在图像中目标形状位置具有非常明显的峰值。仿真结果表明,改进的广义Hough变换(I-GHT)算法具有良好的抗旋转性和抗噪性。     

基于肤色检测和Hough变换的彩色图像人眼定位

提出一种基于肤色检测和Hough变换两步快速定位人眼的方法。通过YCbCr肤色模型对图像肤色区域进行检测,同时进行Sobel边缘提取,然后用Hough变换的圆检测方法对二值化图像进行圆检测,从而确定双眼的精确位置。实验结果表明该算法受噪声和边缘间断影响小,具有较高的定位准确率。同时具有很好的容错性和健壮性。     

汽车偏离车道线的图像分析与视觉计算方法

针对汽车自主驾驶技术的车道检测和跑偏告警问题,提出了一种快速可靠的视觉计算方法。利用方向滤波算子对路面图像进行5×5模板运算,得到边缘图像;采用Otsu自动阈值算法对图像进行二值化处理,并根据车道在图像中的位置特性对边沿图像细化去点,减少后续处理运算量;在此基础上,根据车道几何特性引入约束条件,去除干扰点,并采用Hough 变换检测出车道线;依据针孔摄像机模型建立空间坐标系,用于计算汽车相对于车道线的偏转角和垂直距离,估计驶离车道的时间,为汽车自主驾驶中的安全预警及智能控制提供信息支撑。