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。     

基于数字图像处理的答题卡识别方法研究

论文提出了一种能够有效识别答题卡的方法,利用基于hough变换的直线检测技术检测图像的倾斜度,判断图像是否倾斜。对存在倾斜的图像进行旋转校正。最终实现答题卡答案的定位和检测。论文使用像素统计方法进行识别,其识别错误效率极低,能够准确识别答题卡的涂卡标记。     

基于数字图像处理的答题卡识别方法研究

论文提出了一种能够有效识别答题卡的方法,利用基于hough变换的直线检测技术检测图像的倾斜度,判断图像是否倾斜。对存在倾斜的图像进行旋转校正。最终实现答题卡答案的定位和检测。论文使用像素统计方法进行识别,其识别错误效率极低,能够准确识别答题卡的涂卡标记。     

基于改进Hough变换的车道线检测技术

为提高车道线识别的实时性和可靠性,提出了一种基于改进Hough变换的车道线检测方法;在图像预处理时对不同光照图像进行分类处理,得到二值化图像;利用极角约束Hough变换进行车道线初始定位;根据前一帧图像信息使用基于动态ROI的Hough变换进行车道跟踪;算法加入了车道线检测失效判别模块,以提高检测的可靠性;由于该方法减少了图像空间中被投票的目标点数,缩小Hough变换的投票空间,在一定程度上提高了车道检测的实时性和稳定性;实验结果表明,在结构化道路上,对于不同的路况,算法均具有较好的实时性和鲁棒性。     

结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。     

基于一种改进的Hough变换的输电线提取与识别

在野外拍摄得到的输电线图像中,输电导线具有明显的线性特征,因此可以直线为基础来研究导线提取与识别的算法。Hough变换是经典的变换域直线提取算法,针对输电线图像的特点以及从Hough变换改进的思路出发,运用形态学分析和搜索聚类的方法先去除输电导线二值边缘图像中的背景噪声,提取出导线上的像素点。经过预处理后,再运用阈值区间的自适应估算方法来计算Hough变换的参数阈值,从而识别出图像中的输电线。实验结果表明,该方法具有较好的提取效果,并且能准确的识别出输电线,计算简单速度较快。     

基于Hough变换的PDF417条码图像倾斜矫正

在对PDF417条码图像扫描输入的过程中,条码图像不可避免地发生倾斜,因此必需先对图像进行倾斜矫正,才能实现条码的准确识别.Hough变换具有抗噪声能力强的特点,是一种检测图像倾斜角度的重要方法.为了克服Hough变换计算量大的缺点,先通过行差运算提取图像水平边缘,然后只对提取的边缘进行两级Hough变换,实现倾斜角度的检测.本文采用基于直线拟合的方法实现倾斜图像的矫正.与传统的Hough变换以及其它的倾斜图像矫正方法相比,本文实现了准确性与快速性的很好结合.     

基于椭圆Hough变换的尿沉渣图像红细胞检测

传统的椭圆Hough变换存在运算速度慢,计算量大,占用储存空间大等缺点。针对尿沉渣镜检图像,首先对利用圆环Hough变换对全图中的红细胞进行粗定位,之后针对每个可能存在红细胞的小区域,利用一个改进的随机椭圆Hough变换对图像中的红细胞进行定位识别。该方法由于采用了低维Hough参数空间且合理减少了随机椭圆Hough变换中的采样次数,从而同时降低了算法的时间与空间开销,同时还具有良好的抗噪能力,提高了检测准确率。在真实图像上的实验结果证明了以上结论。     

指针式仪表读数的机器视觉智能识别方法

为快速准确地自动识别指针式仪表读数,采用机器视觉技术,结合减影法和Hough变换法对仪表读数进行智能识别.对指针式仪表图像进行图像二值化、形态学处理和边缘检测预处理;利用Hough变换检测仪表中的指针,计算得到指针方向和定位圆形,实现指针式仪表的智能识别.实验结果表明:读数识别的平均相对误差为0.91%,精度较高,能较好地识别指针式仪表读数.     

宽线段Hough变换及其在箭靶识别上的应用

Hough变换是用于检测图像中直线段的有力工具。论文提出的宽线段Hough变换针对传统Hough变换进行了改进,使之适用于多条宽线段同时存在的情况,并且解决了端点提取的问题。该方法应用于箭靶识别取得了很好的效果,实验表明对比传统方法具有较大优势。     

基于SIFT和Hough变换的人脸识别

针对光照、表情、遮挡、几何变化等情况下的人脸识别问题,提出一种基于尺度不变特征变换(SIFT)和增强Hough变换的人脸识别方法。利用SIFT的位置、尺度、方向和描述符4个信息,通过增强Hough变换消除错配,将候选匹配点和离散点距离进行加权累计获得高辨别力的匹配分。在AR人脸数据库上的测试结果表明,在只选取每人1幅图像作为模板的情况下,能够获得近99.6%的识别率。     

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。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。     

一种新的车道线快速识别算法

针对现有的的车道线识别算法在复杂环境下识别率低、鲁棒性和实时性较差的问题,提出了一种基于形态学多结构元素建模的车道线快速识别算法。该算法首先对车道图像进行感兴趣区域提取,通过Canny算子对感兴趣区域进行边缘检测,然后利用具有车道模型特征的多结构元素进行车道线提取、霍夫变换,以及峰值检测点参数的筛选,从而得到实际车道左右标识线的参数以重建原车道线。仿真实验表明,该算法能在多种复杂环境下快速、准确地识别出车道标识线,且鲁棒性高。     

对弈机器人的视觉图像处理和识别

基于视觉的对弈机器人在国内尚无先例,其视觉系统的实现是此研究的关键.提出了彩色空间变换,阈值分割、形态学骨架化及霍夫变换等图像处理技术对棋局中的棋子进行检测、定位和分割的方法.在棋子识别过程中,为克服棋子摆放方向的随意性,提取棋子旋转不变的径向像素点数特征;用BP神经网络进行识别,并采用贝叶斯正则化方法提高了网络的推广性.实验表明,该方法定位、分割棋子准确无误,识别率较高.     

基于单目视觉的车道线分离警告算法研究

车道线检测技术是自动驾驶领域的研究热点。通过对车道线图像基本特征的分析,研究了一种基于车道线识别的稳健方法。在初始检测部分,图像预处理中采用大津法来适应不同的光照条件,并根据车道线特征进行车道线初始检测。然后,用Hough变换检测车道线。在车道线跟踪部分,用Kalman滤波器预测参数,动态建立感兴趣区域,在此区域搜索车道线。并根据一定的失效判决模块,验证跟踪结果。最后,根据交通工具与车道线之间的距离来判决偏离情况。实验证明,该算法具有较高的实时性和稳健性。     

基于感兴趣区的虹膜定位算法

快速虹膜定位是实现虹膜自动识别系统的基础.利用小波变换后LL频带是图像内容的抽样缩略的性质,只对LL频带的图像进行虹膜定位,基于图像光斑特性选择定位感兴趣区域,用Hough变换定位虹膜内圆,单行梯度最大值方法定位虹膜外圆,然后按比例还原所有的参数值.试验结果表明这些参数与在原始图像中进行虹膜定位得到的参数一致,定位时间大大缩短,说明了该定位算法的有效性.