一种新的快速Hough变换圆检测方法

Hough变换圆检测(HTCD)存在计算量大和占用内存空间大的缺点,严重影响了该方法的计算效率。提出了一种新的快速Hough变换圆检测(FHTCD)的新方法。首先通过下采样,得到缩小的图像;进行Hough变换圆检测,得到粗尺度的检测结果。将结果恢复到原始尺度,在其放宽的误差范围内建立新的参量空间;再次进行Hough变换,可以得到圆检测精确值。新的方法通过压缩和适度控制参量空间,大大减少了冗余信息带来的计算量,提高了检测效率。实验证明,新的方法计算所需的时间最多不到HTCD方法的1/15;在强抗干扰条件下,其检测速度优于随机圆检测方法,有较好的检测精度,能满足实时处理的要求。     

基于改进随机Hough变换的混合圆/椭圆快速检测方法

针对随机Hough变换(RHT)在复杂图像中检测圆时随机采样所造成的大量无效采样和无效累积问题,提出了一种新的基于连续曲线段的RHT(CRHT)混合圆/椭圆检测方法,它首先利用连续的边缘曲线段来优先决定随机采样点的数据,再利用不准确的梯度方向信息来决定是按照圆还是椭圆对采样到的几个点进行参数累积,一方面它较好地解决了标准RHT检测中无效采样概率大、无效积累时间多的问题,另一方面也解决了圆与椭圆的混合检测问题.实验结果表明本文的算法具有较高的计算速度,检测性能比RHT算法有较大提高.     

基于图像处理的风力发电叶片速度的检测

风力发电的大规模建设,并网技术不断深入,风力发电呈现面广点多的特点,依靠原始的方式已经不能满足监控系统的发展需要.通过图像处理技术可以及时发现、处理事故,有助于提高风力发电自动化的安全性和可靠性,并以风力发电的叶片为研究对象,阐述了叶片进行数字图像处理和图像识别的实现过程和设计流程,采用VC++6.0编写了图像采集处理...     

列车轮对踏面检测系统设计及算法研究

文章提出了一种利用激光传感器对轮对踏面几何参数进行在线测量的方法,对系统的误差分析、整体方案设计、算法设计等方面展开研究,同时对测量结果按照所研究的算法进行处理,得到了相应的曲线图和关键几何参数值,验证了所设计的系统方案与算法的可行性与合理性。     

基于重要性采样的随机Hough变换圆检测算法

提出了一种新的基于重要性采样的随机Hough变换圆检测算法,利用基于圆的几何特性的边界点搜索策略提高采样效率,通过指定重要性采样技术中的目标分布,计算采样参数权重,使得圆识别更加容易和精确;利用基于聚类技术的峰值检测方法,实现多个圆的同时检测。通过将本文提出的新算法与现有的其他两种算法进行实验对比,表明该新算法在检测精度、检测速度、识别可靠性、抗噪能力等方面都有显著性提高。     

一种基于Hough变换的直角角点检测算法

直角角点检测在广泛的图像处理与机器视觉应用领域中具有重要性.提出了一个新的直角角点检测方法.原始图像经边缘检测后得到二值化边缘,将直角角点检测问题分解为一系列的模板匹配问题.应用了Hough变换来高效地解决模板匹配的问题,并在Hough变换中结合了边缘方向信息以减少检测出的虚假直角角点数量.在一个实际的图像数据库上进行了提出的方法与其他数种角点检测算法的对比实验.实验结果表明,与其他方法相比,提出的方法具有最高的直角角点检出率,而其整体性能(包括运行时间、检出率、虚假角点检测率)也具有优势.     

Hough变换在纸病检测中的应用

hough变换是直线检测中常用的方法,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,但常规方法对褶子检测效果不是很明显,本文将Hough变换应用于纸病图像中的褶子检测。     

基于改进Hough变换和BP网络的指针仪表识别

指针仪表示数的视觉识别,对于提高电气、机械、汽车等工业领域的生产效率具有重要意义。采用Hough变换方法完成指针直线特征的识别,进而在表盘圆形特征的识别过程中对Hough变换方法进行了改进,通过减少累加像素数目结合灰度中心法来提高原性特征定位的效率和精度。在字符识别阶段,构建了一个三层次的BP神经网络。实验结果表明,该方法对于Hough变换的改进措施达到了预期效果,BP神经网络也实现了字符特征的准确识别。     

基于图像处理的麻花钻角度定位设计

在机械加工行业中,钻孔是一步十分常见的重要工序,而麻花钻是钻孔的直接部件。在实际钻孔过程中,麻花钻的磨损非常严重,所以钻头需要频繁反复的修磨。但是现有的麻花钻修磨设备和传统的麻花钻修磨方法存在着诸多缺陷,如修磨效率低、修磨质量不高等。为了解决上述问题,提出了一种新的基于图像处理的麻花钻角度自动定位方案,并根据生产实践对方案进行了测试。经理论分析和实际处理,该方案能有效完成麻花钻角度定位,实现麻花钻全自动修磨。     

基于ROEWA与Hough变换的SAR图像边缘检测

指数加权平均比率(ROEWA)算子是SAR图像常用多边缘检测算子之一,但该算子只能检测图像的边缘强度,无法得到边缘的方向。为此利用Hough变换优秀的抗噪性能和方向选择性,提出了一种基于Hough变换的SAR图像边缘方向计算方法。首先使用ROEWA算子对SAR图像进行边缘检测,然后在传统非极值抑制定位方法的基础上,进一步细化边缘,最后利用Hough变换对细化后图像计算边缘方向。SAR图像对比实验结果表明,该方法能够更准确地计算边缘位置与边缘方向,为SAR图像线性目标检测提供了一条有效途径。     

基于二值图像邻域加权的直线Hough变换

实际图像中普遍存在的纹理性区域,常常会由于所产生的大量特征点而形成Hough空间中的虚假峰值。为了抑制纹理性区域特征点造成的虚假峰值,提出了一种直接基于二值图像的邻域在线离线比加权方法,该方法通过考察投票特征点的邻域内在线与离线特征点的数量,来显著降低纹理性区域特征点的投票权重,从而使得Hough空间中真实直线对应峰值的显著性得到相对提升;提出了一种利用加权邻域内局部投票的该加权方法的高效实现,能够避免多次遍历邻域,减少运行时间。在实验图像库上的结果表明了新加权方法的有效性,反映了局部投票带来的运行速度的提高。     

一种基于Curvelet变换的指纹图像增强方法

Curvelet变换具有各向异性和多方向性等良好特性,是表示分段平滑曲线边缘的最优基。为了确保指纹特征提取算法的鲁棒性,需要对原始含噪指纹图像进行预处理以增强纹线的清晰度,增加脊线和谷线的对比度,减少伪信息。本文提出了一种基于Curvelet变换的指纹图像增强方法,该方法对Curvelet变换后的低频系数实现线性灰度拉伸,以增强其对比度,而高频系数采用阈值去噪。仿真实验表明,该方法优于常用的空间域直方图均衡化和小波域图像增强法,具有良好的视觉效果。     

一种基于小波变换的夜视图像去噪和融合方法

微光夜视图像使用的像增强器会导致电子噪声和低照度的产生,2种因素会导致图像不清晰,细节不足.该文分析了2种影响因素的产生原理,针对其采用改进的小波变换去噪算法和融合算法进行处理以提高图像分辨率.实验结果表明:经过去噪和融合的微光夜视图像获得了更高的图像分辨率,保留了更多的图像细节.     

Hilbert-Huang变换在列车踏面故障识别中的应用

列车轮对踏面故障危害极大,且由于列车运行环境恶劣,存在电机整流装置等车载设备产生的强烈电磁干扰,以及测量系统和各单元电路之问的公共接地阻抗产生的严重干扰等诸多不利因素,因而传统信号处理方法难以准确识别踏面故障。本文提出了利用Hilbert—Huang变换对实测振动信号进行分析处理,进而提取踏面故障特征信息的方法。实例表明,该方法具有较高的分辨率和较强的抗干扰能力,能准确识别踏面故障,且算法简单、计算量小,可满足踏面的实时在线检测要求。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。