一种基于改进层次聚类的Hough空间峰值检测方法

运用Hough变换对序列图像中的弱小点目标运动轨迹进行直线检测时,常规的Hough变换参数空间峰值检测方法难以区分相近的目标运动轨迹。为满足多目标有效跟踪的应用需求,文章根据目标Hough变换参数空间的狭长型特点,结合改进的层次聚类方法,给出一种基于层次聚类的Hough变换参数空间峰值检测方法。通过实验分析,验证了文章所提方法的有效性。     

减法聚类的Hough变换航迹起始算法

针对低信噪比、低信杂比目标检测时Hough变换累积矩阵存在的峰值簇拥现象,提出了一种基于减法聚类的Hough变换航迹起始算法.该方法首先采用Hough变换初步筛选出参数空间上大于投票阈值的投票值,然后采用减法聚类对获取的参数进行二次处理.实验表明该方法不但能够明显改善局部峰值簇拥现象,而且对杂波干扰具有更好的鲁棒性,特别适用于复杂环境中的目标检测.     

分布式异类传感器网Hough变换航迹起始算法

为解决异类传感器网异步采样条件下的航迹起始问题,提出分布式异类传感器网Hough变换航迹起始算法.该算法利用多传感器多采样周期测量建立候选目标集,用极大似然法估计候选目标的状态;采用Hough变换建立参数空间直方图,并对参数空间直方图聚类实现航迹探测;建立目标初始方位角直方图和目标速度直方图,分别对两个直方图聚类实现目标探测;找出与目标相关的测量,利用这些测量估计目标的状态.仿真结果表明,该算法能有效实现航迹起始.     

Hough变换在几何特征检测中的应用

介绍了Hough变换原理,研究了Hough变换的点线对偶特性,分析了应用Hough变换检测平行线段的角度及平行线段之间距离的原理,提出了应用Hough变换检测三角形、菱形孔径及椭圆长短轴长度的方法.计算机模拟检测结果表明,Hough变换在由直线段组成的目标检测方面具有独特的性能,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.这一研究结果可广泛应用于纤维、孔径等自动测量中.     

利用混合方法确定彩色基准族中心

在基于视觉的免标定扩充现实中，需要识别场景中的彩色基准族。利用动态聚类法、Hough变换以及基准的几何特性，在HSV空间对彩色基准族中心进行准确识别。解决了Hough变换中参数空间量化困难的问题。实验表明，此算法具有很好的鲁棒性。     

基于区域生长Hough变换的卫星帆板检测方法研究

针对空间绳系机器人在轨捕获任务中,对非合作目标卫星帆板支架线条提取时出现的直线段重复交叉检测、运行速度慢等问题,提出一种区域生长Hough变换算法。该算法利用区域生长算法对种子节点周围的邻域进行拓展,通过对生长区域内的点进行Hough变换检测,逐步缩小新的拓展点的搜索范围,从而降低计算量。同时,利用角度范围限定和动态聚类的方法解决了Hough变换中检测直线过多和直线交点检测的问题。实验表明,该算法计算速度较快,计算精度较高,能够解决Hough变换中同一直线多次检测的问题,可以满足空间绳系机器人在轨抓捕任务的要求。     

基于随机共振的微弱高频CW信号检测技术研究

针对强噪声背景下基于时频分析的高频CW信号检测算法性能严重下降,提出一种基于非线性双稳随机共振的微弱CW信号检测方法。该方法将CW信号调制到低频端,借助随机共振模型进行滤波,再进行WVD变换与Hough变换,从而将CW信号的检测问题转换为参数空间 (ρ,θ)的峰值检测问题。实验结果表明,该方法能够在强噪声背景下有效提取CW信号,可用于指导高频CW电报自动接收设备的研制。     

基于约束抽样Hough变换的圆轮廓快速检测技术

针对Hough变换进行圆轮廓测量存在的问题,提出了一种新的Hough变换圆轮廓检测方法．该方法综合利用图像本身灰度信息和梯度信息,对图像空间的抽样进行约束与优化,减小参数的累加数目,得出图像空间中属于目标的轮廓点;并根据目标本身的性质进一步搜索,去除伪轮廓点;采用了“多对一”映射与并行算法来提高检测速度．实验结果证明应用本方法对于对比度低、有噪声污染的图像同样可以检测出真实轮廓,定位不确定度〈0．15像素,运算速度是传统随机Hough变换的2倍．     

基于Hough变换的SAR图像舰船尾迹检测方法

该文提出了一种基于Hough变换与K均值聚类检测舰船尾迹的算法。该方法通过归一化Hough变换求出原图像尾迹所在直线的平均能量值,由于原图中的尾迹往往并不规则,导致能量最大值并不是整条直线的最佳统计代表值,其周围会有一些能量次大的点出现,且形成一个由若干能量点组成的点集。该文引进了K均值聚类方法,将这些点集归类,归类后的每一类的类心能很好的代表一条尾迹,实验结果表明方法是有效的。     

基于子航迹Hough变换的模糊航迹关联

针对多局部节点的航迹关联问题,提出一种基于子航迹Hough变换的模糊航迹关联方法.将融合中心相邻时刻的同源局部状态估计定义为子航迹,利用Hough变换将同一时段的所有子航迹映射为参数空间中一组点集,以最大熵模糊聚类实现子航迹-系统航迹关联.实验结果表明,在多局部节点情况下,该算法能实现子航迹-系统航迹关联,减少系统航迹的平均更新时间,满足系统的实时处理要求,与传统的航迹关联算法相比,具有较快的关联处理速度.     

使用蚁群优化和凝聚层次的混合聚类

为了获得全局最优的高质量层次聚类结果,针对智能蚁群优化算法改进凝聚层次聚类算法,以获得高质量的层次聚类结果,提出一种新的基于蚁群优化和凝聚层次聚类的混合聚类方法.该方法使用改进的凝聚层次聚类算法和新的目标函数生成聚类的系统树图,利用内部指标评估解决方案,用智能蚁群优化算法支持的信息素反馈和信息素挥发机制控制蚁群在解决方案空间中的搜索.由于使用了元启发式优化,加快了搜索过程,避免了局部最优.在加州大学欧文分校多个数据集上的实验结果表明,新方法具备一定的可行性.     

指针式仪表自动识别装置的设计

针对指针式仪表人眼读数效率低,不能转化成数字信号输入计算机,提出一种基于Hough变换的指针式仪表自动判读方法.该方法运用图像减影技术,通过调节图像分辨率实现指针的检出,再利用Hough变换做峰值检测、线检测和链接,通过转换偏转角度的基线位置,确定出仪表指针的读数.实验表明,该方法能快速有效地完成指针式仪表的自动判读,且最大不确定度明显优于人眼的识别,具有较高的精度.     

利用特征空间主分量分解实现自适应小目标检测算法

为了实现非平稳复杂背景干扰下的红外小目标检测,在特征选择阶段同时考虑了目标的强度、分布梯度以及与背景之间的阶越特性,并提取对比度、临域标准差以及多孔小波变换高频分量的模值三维特征予以描述.将目标检测过程视为特征空间中的两类分类问题,通过主分量分解获取背景的统计聚类参数,将目标像素特征向量视为背景特征聚类之外的异常点,并...     

基于视觉注意机制和Hough变换融合的遥感影像油罐提取

Hough变换用于遥感影像地物提取时具有较高的精度,但其算法非常复杂,效率较低。为提高Hough变换处理效率,提出了一种融合视觉注意机制和Hough变换遥感影像提取算法,并以油罐提取为例验证其有效性。首先提取影像的视觉显著性特征图,获取油罐目标显著性区域;然后对显著性区域进行Hough变换检测,得到油罐目标。实验结果证明,该方法能大幅减少Hough变换的计算量,提高效率的同时,提取精度也较高。     

基于特征空间聚类结构信息的遥感影像边缘增强方法

为解决边缘增强效果依赖于模板选择的问题,提出了一种新的彩色图像边缘增强方法,该方法以高空间分辨率遥感影像在红、绿、蓝三波段构成的三维特征空间中的聚类中心数目、位置以及分布模式信息为基础,在不同聚类层次上通过缩短同一聚类中各点到其集聚中心的距离,扩大类间距,减小类内差异,实现增强不同尺度目标区域边缘,抑制背景区域和平滑噪声的目标。实验结果证明,该方法能明显增强多波段遥感影像的边缘信息。     

基于Hough变换的票据图像倾斜校正

针对票据图像,考虑框线变换后参数空间分布,提出了一个改进的基于Hough变换的票据图像倾斜检测与校正方法。通过对图像进行平移变换,选择图像中心作为原点,使得框线变换后的参数空间,呈现对称的蝶形,从而更容易检测出峰值点,得到精确的票据图像倾斜角度。实验结果验证了提出方法的有效性,与传统方法相比,检测的倾斜角度更加精确,具有更强的抗噪声能力。     

Hough变换在人头识别中的应用

Hough变换能识别各种形状的目标,而且有对不完整边缘具有鲁棒性的优点.本文详细论述了Hough变换识别圆形目标的原理,并将其应用于人头识别.首先对原图像利用Canny算子进行边缘提取,然后利用Hough变换找人头的中心,大量实践证明了Hough变换识别人头的良好效果.     

基于马氏距离的近邻传播聚类算法

为改善近邻传播聚类算法对高维数据的聚类效果,引入马氏距离替换原算法中的欧氏距离,并借助正则化总散度矩阵的奇异值分解实现数据变换预处理,进而在在降维后的变换子空间中对数据集进行聚类。针对Iris、User、Soybean和Vehicle四个数据集,选取适当正则化参数,经仿真实验可见,改进算法的聚类精度在整体上有所提高。     

空间聚类技术研究综述

空间数据挖掘是一种获取空间数据所蕴含知识的方法和技术.空间聚类是空间数据挖掘的重要研究内容,有着广泛的应用领域.介绍了空间聚类算法的分类和性能要求、空间聚类过程和方法.空间聚类算法主要有基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及其它形式的空间聚类算法.     

一种改进的社区探测方法

社区探测是图和网络领域非常关键的技术之一,其中聚类方法扮演了重要的角色。针对层次聚类算法较高的时间复杂度,在信息理论框架下提出一种改进的社区探测方法 p IBD。p IBD把单部网络变换成二部图网络,预测k值,并基于信息瓶颈理论进行划分式聚类。实验结果表明,p IBD方法可以获得较已有层次聚类方法更高的准确率。