基于随机Hough变换的人头检测

传统的人头检测方法多为基于人脸和头发的检测,误差较大。为此,提出一种基于随机Hough变换(RHT)的人头检测方法。根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。     

一维概率Hough变换的实时鲁棒多圆检测方法

针对现有圆检测算法以像素为投票主体在二维或三维空间进行参数累积,运算复杂度高,难以达到复杂自然场景中的实时检测要求的问题,提出一种以线段为投票主体并基于一维概率Hough变换的实时圆检测算法.首先基于梯度方向对Canny边缘像素实施逐段分割,从中选取满足一定曲率条件的线段作为种子,对每个种子沿半径进行一维概率Hough累积;然后根据峰值大小和位置提取有效圆及其初始半径;最后利用圆的直接最小二乘拟合进一步定位圆半径和圆心.对复杂的自然场景图像进行实验的结果表明,通过选取合适的分割阈值,该算法在确保圆检测可靠性的前提下在速度上显著优于现有算法.     

机器人视觉的电梯轿厢门状态识别系统

针对视频监控中人工监督的低效率、传感器在轿厢内安装困难等问题,结合电梯轿厢内场景的特征,设计了一套基于 ARM的电梯轿厢门智能识别监控系统.门状态智能识别系统以三星的 Exynos4412为控制中心,搭载 Linux系统驱动视频采集模块,通过基于计算机视觉的门状态识别算法实现轿厢内门开关状态的识别.电梯轿厢门状态智能识别系统是以数字图像处理为基础,为满足轿厢内监控设备的小型化、安装便利等需求,本文采用前端识别技术.在嵌入式Linux系统上实现图像采集、图像预处理,采用基于 Hough线变换算法来实现开关门状态监测.实验表明,该系统能对轿厢门状态进行准确识别,在检测识别和安防领域具有很好的应用前景.     

基于视觉的电梯辅助调度系统设计

针对电梯的无效调度行为设计了一套基于摄像头视觉、ARM微处理器、ZigBee无线传输的辅助电梯调度系统装置,通过摄像头采集数字图像信息,运用数字图像处理技术,实现了候梯厅和轿厢内人数统计检测,轿厢内物品检测以及轿厢内空间满载检测,编制数据通信包与电梯控制中心通信,实现了辅助电梯系统进行优化调度。     

一种随机Hough 变换检测圆的优化方法

随机Hough变换是常用的图像测圆方法,当图像数据杂乱时,随机Hough变换的结果不理想且检测实时性差.针对激光扫描检测直缝焊管焊缝噘嘴问题,提出了一种优化的随机Hough变换检测圆方法.首先计算激光扫描所得轮廓离散点的曲率值,然后采用K均值聚类法从轮廓图像中分离出圆弧数据点,最后使用随机Hough算法检测圆.实验表明,本文方法可以准确而快速地计算出焊管径向横截面二维轮廓圆的圆心和半径,可以满足工业实际应用需求.     

基于连通区域标记算法的圆检测算法的研究

针对传统Hough变换进行圆检测,计算量过大、检测同心圆精度不高、自动化程度低等缺点,提出一种基于连通区域标记算法的圆检测算法。该算法首先通过连通区域标记算法对图像进行处理得到一个圆,解决了传统Hough变换计算量过大的问题,再根据圆的特性确定其圆心及半径,从而避免了检测同心圆精度不高的问题。最后,分别取圆心的8邻域像素为圆心做圆,找到最优圆并将其与检测得出的圆进行比较来确定最终的圆,以达到自动化的目的。实验结果表明,提出的算法可以正确地检测出圆并具有很高的检测精度同时比Hough变换计算量小、自动化程度较高。     

Hough变换和轮廓匹配相结合的瞳孔精确检测算法

针对红外眼部视频中瞳孔直径检测精度不够高的问题,提出了一种将Hough圆变换和轮廓匹配相结合的瞳孔检测算法(Hough-Contour)。对每帧图像,首先进行灰度化并滤波去噪;然后提取边缘并利用修改后的Hough梯度法检测出初始圆作为瞳孔参数;最后在滤波后的灰度图上的瞳孔附近用位置和半径在一定范围可变的圆形轮廓去匹配瞳孔,从而计算出瞳孔中心坐标和直径。在Hough变换阶段,将Hough梯度法中的对候选圆心按累加值降序排序这一步骤改为寻找最大值,以降低该操作以及后续计算半径的时耗。通过实验寻找到圆心累加数组最大值的阈值,使其能自动排除闭眼帧且不会导致漏检。在轮廓匹配阶段,实验发现如果圆形轮廓的移动范围和半径伸缩范围取值为初始圆半径的十分之一,点对数取值为40,则可将瞳孔的精确匹配率从OpenCV圆变换检测算法的约10%提高至99.8%。对算法的时间性能作了测试,在实验所用的低端电脑上处理一帧需要60 ms,在高端电脑上可以对红外瞳孔视频做到实时检测。     

基于弦中点Hough变换的同心圆检测方法

给出了一种基于Hough变换的同心圆检测方法,其核心思想是降低经典Hough变换圆检测中的Hough累积维数,将经典Hough变换圆检测时的三维参量统计,转变成基于弦中点的圆心和半径的参量统计。根据圆上所有点的内切圆必经过圆中心的事实,提取黑白边缘图像来建立二维数组累加器,依照像素点分布扫描边缘图像,累加器计数,计算出圆心位置,对每个圆心进行半径累积,确定同心圆半径集。与经典的Hough变换检测方法相比,该方法降低了计算复杂度。     

基于Hough变换的汽车零件中圆形检测的改进算法

针对汽车零件中的圆检测实际需求,在分析了基本Hough变换和随机Hough变换进行圆检测的技术特征基础上,对基本Hough变换进行算法改进。采用Sobel算子提取图像边缘,利用圆参数范围已知的先验知识确定感兴趣区域和圆半径的检索范围,使得计算量大大减少,从而实现圆心坐标和半径的快速检测,满足工业生产实时性的要求。     

基于Hough变换利用对称点检测圆

分析了传统Hough变换检测圆中一对多的映射关系导致性能下降的问题,总结了经典的Hough算法和其他研究人员提出的其它改进算法后,提出了采用圆的几何特征,利用圆周上两个对称点的中心为圆心,先检测出圆的圆心,然后检测半径的方法来检测圆.实验及分析证实该方法降低了Hough变换的转换的维度,比传统的Hough变换性能有较大的提高.     

Iris center location using Hough transform with two-dimensional parameter space

An algorithm of approximate location of iris center in image is presented. It is based on Hough transformation for circles. Problem is set in a way to detect only iris center position without evaluating its size. Such formulation allows to reduce the dimension of parameter space compared to commonly used approaches that detect center position and radius simultaneously. Apart, omitting radius estimation gives an opportunity to use points of both pupil and iris circles in Hough transform, increasing the stability of method especially for images with poor pupil contour quality. The algorithm was tested for more than 95000 iris images from public domain databases.     

基于反馈Hough变换的管道点云检测和识别

管道是流程工厂的主体，其几何形状表现为圆柱体或圆台。针对现有管道检测识别方法对噪声较为敏感、检测精度不高、检测结果难以验证等问题，本文提出一种具有轴向反馈修正的三维霍夫变换方法。首先，根据八叉树划分点云空间，计算点云法向量并生成圆柱体或圆台高斯映射图，利用三维霍夫变换法估计初始轴向；然后，基于初始轴向计算圆柱体横截面或圆台投影轮廓，并建立轴向优化目标函数，通过迭代优化获得最终的轴向；最后通过霍夫变换法拟合圆柱体或圆台轴心位置并计算半径值。实验结果表明，该方法可有效提高管道轴向、半径等参数的估算准确度，同时，本文提出的优化目标函数也为检测结果提供了一种新的评价方法。     

Hough变换及其在几何特征检测中的应用

介绍Hough变换原理,分析应用Hough变换检测直线的原理,并对Hough变换进行推广,用于检测圆的圆心、半径。Hough变换在几何特征检测中有着独特的性能,它将检测目标从目标空间转换到参数空间,避免了在目标空间检测时的目标分类、目标编码等复杂运算,使得被测参数的测量变得简单易行。     

一种新的基于Hough变换的椭圆轮廓检测方法

Hough变换是一种检测曲线的有效方法,但使用传统的Hough变换来检测椭圆计算量过大。为此提出了一种新的基于Hough变换的椭圆轮廓检测方法,该方法利用椭圆中心是平面上所有点中距离椭圆轮廓上点最大距离最小的点这一几何性质,降低了Hough参数空间的维度,从而有效地降低了计算量。使用该方法可以快速地判断一个输入图形的轮廓是否为椭圆。     

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。     

Hough变换在表面污渍检测中的应用

针对具体芯片图像的形状特征,提出了基于改进Hough变换的几何配准算法.该算法利用边缘点的梯度方向信息,以及通过圆上任意一点并沿着该点法线方向的直线必定经过该圆的圆心这一几何性质,将三维Hough变换空间简化为二维空间,较好地解决了传统广义Hough变换运算时间长、存储空间大的问题.实验表明,可以有效地对两幅图像进行配准,从而检测出芯片表面的污渍.     

基于Hough变换的图象检测对偶点法

提出了图形边界对偶点的概念,证明了对对称图形对偶点的存在性及其关于平移、缩放和旋转组合变换的不变性;结合Hough变换,建立了一种快速的图象检测方法,详细给出圆和椭圆检测的对偶点算法,并补充了文献[1]中公式的不足,实验结果表明,该对偶点法除保留了Hough变换法的容错性和鲁棒性外,还具有很快的计算速度,而且可以灵活地应用于解决一些较难的图象检测问题。