基于级联霍夫变换的车道线快速检测算法

车道线检测是智能辅助驾驶算法中的核心算法之一。为了解决基于传统霍夫变换的车道线检测算法检测效率低下等问题,提出一种基于级联霍夫变换的快速车道线检测算法。该算法首先对视频帧进行ROI选取、滤波、边缘检测、非极大值抑制等预处理,然后使用基于平行坐标系的映射将原始图像转换到参数空间,完成点到线、线到点的映射,接着再使用一次映射,最终实现点到点、线到线的映射,以此快速提取车道线消失点,并根据消失点位置扫描实际车道线,实现车道线的提取。该算法在点的映射过程中,坐标值始终是线性变换,克服了传统霍夫变换在映射过程时需对每一个点进行极坐标转换的缺点,计算更简单,运算效率更高。仿真实验表明,文中提出的改进算法比传统霍夫变换运算速度提高了31%,准确率提高了6.2%,检测效果有明显提高,可广泛应用于智能辅助驾驶中。     

一种基于Baker映射的二维混沌图像加密

目前,利用混沌映射对图像加密的理论?已经成熟,如果我们使用一维混沌映射来实现对象素点坐标的置乱,为了达到较好的置乱效果,混沌系统要经过无数次迭代,因此实现复杂、速度慢.对象素点坐标的变换实际上可以有更简洁有效的算法,即采用二维可逆混沌映射,本文在Baker映射的基础上提出了一种二维混沌图像的加密方法.该映射能避免了一维混沌序列中反复计算重复点的工作和坐标位置冲突的处理.对上述可逆混沌系统来说,周期的大小只和参数有关,而与初值无关,而且该系统具有大的密钥空间,对图像的置乱速度很快,是一种结构稳定的混沌系统.     

基于参考点的大规模本体扩散映射算法

目前针对大规模本体映射大多采用先分块,再在分得的小块间进行块内映射.但是,对大本体进行分块,以及对相关小块的映射操作会增加很大的开销.本文采用基于参考点的扩散映射算法,通过小模块快速获得参考点(在名称上相似的概念),利用访问局部性原理,通过比较参考点附近的邻居概念,逐渐向其邻居扩散映射.根据邻居概念的映射情况检查参考点是否为错误映射,且映射的邻居概念成为新的参考点.然后对新的参考点迭代进行扩散映射,直到所有概念都扩散完毕或者找不到新的参考点为止.显然,该方法把候选映射概念集始终限制在参考点附近,极大的减少了映射的时间复杂度.本文算法支持从目标本体到源本体的1:n映射;支持参考点的自动生成;带冲突避免的映射操作能同时提高映射效率和质量.     

约束改进的ICP点云配准方法

提高配准速度和精度是点云配准研究的重点。提出一种距离约束改进的迭代邻近点算法,针对邻近点法中找到的配准点,采用最近原则排除含相同点的点对;使用配准点重心作为参考点,结合点对距离约束排除误配准点对后进行点云配准;与使用点云重心作为参考点的方法和迭代邻近点算法进行了比较。实验结果表明,在配准速度和精度方面,提出的算法都有了提高,实现了点云的快速、准确配准。     

广义霍夫变换的改进

提出基于广义霍夫变换（Generalized Hough Transformation,GHT）的改进算法．与传统方法比较,新方法将参考点设在形状边界上,可以减少内存的需要,并且用于寻找峰值的速度也大大提高．理论上,改进后的算法对内存的需要是一个基于形状描述复杂度的函数,越是精确和高级的形状和特征描述,意味着节省的内存空间越大．最后,将改进的GHT应用于物体形状识别,取得一些实验性效果．     

一种广义霍夫变换的改进

本文提出了基于广义霍夫变换(GHT)的一种改进。通过将参考点设在形状边界上,新方法与传统方法比较,霍夫变换可以减少内存的需要。与此同时,用于寻找峰值的速度也大大提高了。从理论上说,改进后的算法对内存的需要是一个基于形状描述复杂度的函数。越是精确和高级的形状和特征描述,意味着更大的内存空间减少。最后,将改进的GHT用于物体形状识别,取得一些实验性效果。     

连续同色调背景下运动目标自适应跟踪

针对传统的Meanshift算法在连续的同色调背景干扰下无法准确、持续跟踪目标的问题,提出一种基于Kalman-optical flow(KOF)的改进Meanshift目标跟踪算法。首先,通过基于色调空间的光流检测对Meanshift窗口区域内的特征点进行建模,获得其图像坐标;然后,利用Kalman滤波的速度预估排除背景特征点,得到基于目标模型特征点的空间约束条件;最后,将得到的空间约束条件结合传统Meanshift算法中的色调约束条件,构建新的反投影直方图,并将新的反投影图作为Meanshift的概率密度图进行迭代,从而完成目标跟踪。实验表明,在连续的同色调背景区域的干扰下,该算法仍可以准确、持续地跟踪目标。     

基于多尺度特征提取的均值漂移目标跟踪算法

为在图像对比度较低、相似目标过多等情况下较好地实现目标跟踪,提出一种基于多尺度特征提取的均值漂移跟踪算法.前一帧目标区域的特征点经匹配得到后续帧目标区域的特征点,利用所得特征点集的中心坐标修正均值漂移搜索窗位置,以此为约束条件,减小均值漂移迭代产生的偏差.实验结果表明,该算法可以提高跟踪精度、鲁棒性及实时性.     

基于KCF跟踪算法的目标轨迹记录系统

为了确保跟踪算法能够实时跟踪上高速移动的目标并且记录目标的三维坐标.本系统使用了一种基于KCF（Kernelized Correlation Filters）的高速跟踪算法来保证系统能够跟踪到移动速度较快的目标.首先,使用KCF跟踪算法来跟踪目标;然后,利用ORB特征点检测来计算目标特征点从而找到多摄像机中对应的点,找到对应点之后利用多摄像机的三维重建原理计算出每一帧中目标物体的三维坐标点;最后,用多项式对每一帧运动轨迹的离散点进行拟合得到最终的运行轨迹.实验结果证明该算法能够有效跟踪目标,整个系统能够满足实际的需求.     

构造球面对称充满Julia集

为连续构造球面上具有多吸引周期轨道的充满Julia集图形,提出了一个关于构造任意投影面的半球面图形的算法.首先自动挑选可使动力系统迭代轨道的平均离散速度指标值L＜0的参数;其次,用建立在以球心为原点的坐标系下的迭代映射,通过坐标变换,跟踪与任意坐标系相应的投影面的上半球面上各点的迭代轨道,搜索出半球面上所有互不相同的吸引周期轨道,并建立轨道链表;进一步计算投影面的上半球面各点的迭代轨道到达吸引周期轨道所需要的迭代次数,根据迭代次数为球面上的相应点指定颜色并构造出半球面上的对称充满Julia集图形.研究结果表明,采用该算法可以大量生成对称的球面充满Julia集图形.     

基于物方几何约束提取建筑物垂直边缘

航空影像中，垂直边缘对建筑物提取具有重要意义。为快速准确地提取垂直边缘，依据航空摄影测量学的有关知识，利用摄影测量成像模型推导出垂直边缘灭点位置，并结合物方空间几何约束和图像空间边缘信息，采用一种自适应模糊Hough变换算法，实现了建筑物垂直边缘的自动提取。实验证明，该算法是行之有效的。     

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。     

Object tracking by energy maximization

We describe a robust algorithm for object tracking in long image sequences which extends the dynamic Hough transform to detect arbitrary shapes undergoing arbitrary affine motion. The proposed tracking algorithm processes the whole image sequence globally. First, the object boundary is represented in lookup-table form, and we then perform an operation that estimates the energy of the motion trajectory in the parameter space. We assign an extra term in our cost function to incorporate smoothness of changes due to rotation or scaling of the object. There is no need for training or initialization, and an efficient implementation can be achieved with coarse-to-fine dynamic programming and pruning. The method is shown to be robust under noise and occlusion and capable of tracking multiple objects.     

局部PCA参数约束的Hough多椭圆分层检测算法

针对随机Hough变换(RHT)在复杂图像中检测圆及椭圆时随机采样所造成的大量无效采样、无效累积以及运算时间长等问题,提出基于局部PCA感兴趣参数约束Hough多椭圆分层检测思路。首先利用边缘检测算子获得边缘信息并去除边缘交叉点,在边缘图像中标记并提取出满足一定长度的连续曲线段;其次利用线段PCA方向分析确定是否属于有效曲线段;然后,对所有感兴趣曲线段按照标记顺序依次利用椭圆拟合办法初步得到感兴趣椭圆粗略参数,根据拟合结果进而模糊约束Hough变换参数搜索范围,得到精确椭圆参数;最后利用检测结果更新图像空间,删除已经检测到的椭圆,依次进行,直到所有椭圆检测完毕。实验结果表明,该算法在计算、存储消耗上均大大减少。     

基于FPGA的实时Hough变换

为解决Hough变换实时性差的问题,提出一种基于现场可编程门阵列的实时Hough变换方法。采用分角度映射方法使Hough变换在空间上并行运算。设计一种基于流水线的计算结构,实现Hough空间参数计算与存储的时间并行性。通过双口RAM,在单个时钟内完成参数空间的一次投票操作,提出一种适合在FPGA中实现的快速寻找极值的二次搜索算法。与DSP进行效率对比实验,结果表明该方法效率较高,能满足实时性处理要求。     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

利用Hough变换的匹配对提纯

目的 针对传统的匹配对提纯算法存在容错性差、效率低等问题,提出了一种利用Hough变换的匹配对提纯算法。方法 假设正确的匹配对一致性地服从一个变换模型。首先,为两幅图像的变换关系选择一个合适的数学模型,利用Hough变换确定模型方程参数的解。然后检验原始匹配对,保留符合模型方程的匹配对,从而达到提纯的目的。结果 与传统的RANSAC(random sample consensus)等算法相比,本文算法具有更高的容错率、召回率与更优的运行效率,且是稳定的。实验结果表明,在误配率低于85%时算法能完全剔除误匹配,且误配率高达95%时依然有50%的可能性成功剔除误匹配。结论 把Hough变换引入到匹配对提纯的应用中,该算法在所选模型准确或近似准确的情况下能鲁棒地提纯匹配对。由于模型方程参数个数决定参数空间维数,维数高导致投票及搜索最大值点的时间、空间复杂度大,因此该算法适用于模型参数较少(不大于4)的情况。     

Discretization errors in the Hough transform

Straight line-segments in a two-dimensional image can be detected with the Hough transform by searching peaks in a parameter space. The influence on the Hough transform of the quantization of the parameter space, the quantization of the image and the width of the line-segment is investigated in this paper.

The Hough transform was improved by O'Gorman and Clowes by taking into account the gradient direction. The resulting scatter of the peaks can be reduced by using a weighting function in the transform. Examples of asbestos preparations are given.     

基于改进Hough变换的电梯轿厢内人数统计算法

考虑电梯轿厢内人数的电梯群控调度算法,可以在有限的时间内,找到更优解,对电梯的调度具有重要意义。针对目前基于视觉的人数统计算法正确率不够稳定,速度较慢的问题,提出了一种基于改进Hough变换检测人头轮廓的电梯轿厢内人数统计算法。该算法将标准Hough变换检测圆时的三维空间转换为一维空间,利用圆的几何特性遍历图像数据,通过一维Hough变换进行半径累积,并和阈值进行比较来确定人头轮廓的半径和圆心。结果表明,和用Hough变换检测人头轮廓的传统方法相比,该算法具有速度快,正确率高,抗噪性能好等优点。