基于SUSAN和Hough变换的直线边缘亚像素定位方法

提出了一种基于SUSAN算法和Hough变换的直线边缘亚像素定位方法.在该方法中,给出了SUSAN算法模板选择的依据,同时定义了直线边缘响应函数并引入加权Hough变换.首先,利用直线边缘响应函数对直线边缘进行提取;然后对具有响应值的灰度点进行Hough变换并将该响应值作为权值记入参数空间累加器,得到粗定位;在粗定位的基础上对映射区进行局部细化,并对区域内点进行拟合,最终得到直线边缘精定位.实验证明:直线边缘定位精度可达0.3 pixels,同时为解析曲线亚像素定位提供了一种新的思路.     

基于改进Hough变换的直线图形快速提取算法

为能够有效解决实时直线图形提取问题,提出了一种基于多约束Hough变换(HT)的直线提取算法.该算法首先分析了数字图像中直线边缘的三种结构特征,提出采用基元结构表示目标边缘点,并在约束条件下计算基元结构的基元倾角.在此基础上,结合传统的HT的思想对基元结构进行极角约束HT,以获得最终的直线参数.实验结果表明,对合成图像和自然图像,该算法比梯度HT的运算速度分别提高约190倍和22倍.     

纸塑复合袋磁力压紧纠偏装置设计及优化

为解决纠偏传输时纸塑复合袋易产生褶皱的问题,设计了一种磁力压紧纠偏装置.首先,综合利用磁压紧皮带、传送带和磁铁位置调整装置等零部件,完成了纸塑复合袋磁力压紧纠偏装置的结构设计,并根据纸塑复合袋的受力分析,建立了动态磁力压紧纠偏数学模型.然后,对纸塑复合袋磁力压紧纠偏装置进行有限元建模,并根据纸塑复合袋纠偏过程设置边界条...     

纸塑复合袋磁力纠偏系统设计及多因素下形变影响分析

目的 针对纸塑复合袋在传输过程中褶皱、跑偏等问题,提出一种基于磁力压紧装置的纸塑复合袋纠偏系统.方法 首先根据磁力压紧纠偏原理设计一套纠偏系统;然后基于显式动力学有限元接触理论,对不同影响因素下纸塑复合袋的形变进行有限元仿真分析;最后搭建实验平台,并测量纸塑复合袋的形变,验证仿真结果.结果 在此计算工况下得到了较优方案,纸塑复合袋与皮带间的动摩擦因数为0.25,磁压力为7 N,皮带间的间距为476 mm.结论 实验平台得到的结果与仿真结果基本一致.根据实验结果改进的磁力纠偏系统能够应用于纸塑复合袋的纠偏,满足工业生产需求.     

基于Hough变换的车窗提取算法

在HOV乘客数检测系统中，对车窗的定位与提取，可以极大地减少计算量，提高系统的运算速度以及检测的准确度。针对图像中车窗边缘的图像特点，提出了一种基于相位编组法进行图像分块，在图像块内进行决速Hough变换的直线检测，并结合积分投影方法对车窗进行定位与提取。实验结果表明该算法具有较快的运算速度和较高的检测准确率。     

指针式仪表视频图像中指针精确提取算法的研究

<正>一、指针精确提取算法以往算法中大多用基于单幅二值化图像的Hough变换检测直线的方法来提取指针,在这里,笔者提出3种算法综合使用来精确提取圆盘仪表的指针的方法:方法一仍然是二值单幅图像上基于Hough变换的方法;方法二是灰度单幅图像上的基于极坐标中心投影的方法;方法三是针对动态仪表视频图像,利用最小二乘法处理在某一时刻获取的多个指针角度值。Hough变换方法作用在二值图像上,针对图像质     

基于图像抽样的快速虹膜定位算法

提出了一种基于图像抽样的快速虹膜定位算法.首先在抽样图像中搜索瞳孔内一点,并以该点为起点检测粗略的虹膜内边缘点,然后在原分辨力图像中利用梯度算子精确定位内边缘点从而实现内边缘定位;虹膜外边缘定位采用Canny算子和Hough变换实现,由于基于抽样图像进行边缘提取,忽略了虹膜纹理等细节边缘信息,减少了大量外边缘干扰,提高了算法实时性.实验结果表明该算法的定位准确率达到99.47%,定位速度为0.162s.与经典的虹膜定位算法相比,该算法的定位速度有了很大提高.     

Hough变换在温度计检测中的应用

一、引言直线检测是图像分析与模式识别的重要内容,Hough变换正是直线检测的一个有效而可靠的方法。在检测温度计示值稳定度时需要利用Hough变换提取刻度线位置和水银柱头的位置。Hough变换是P.V.Hough于1962年提出的一种形状匹配技术,具有很强的抗干扰能力和很高的鲁棒性,广泛应用于直线检测中。但是其巨大的存储空间和复杂的计算量降低了其算法的效率,本文结合实际,给出了利用Hough变换判断待检温度计是否合格的方法。     

基于薄板屈曲理论的纸塑复合袋最大皮带正压力研究

目的 通过分析纸塑复合袋成型工艺,针对纸塑复合袋生产中存在位置偏移和倾斜的缺陷,明确复合袋生产中需要纠偏的需求.方法 建立复合袋的有限元模型,以薄板屈曲理论为基础,运用Ansys Workbench中的屈曲分析工具对各种姿态下的纸塑复合袋进行仿真,求解皮带最大屈曲载荷,最后根据最大屈曲载荷等于复合袋所受的摩擦力这一条件,得到皮带所受的最大正压力.结果 当皮带间距为50 cm时,最大皮带正压力最大,即纸塑复合袋能够承受的摩擦力最大,纠偏时的轨迹与理论轨迹误差更小.结论 该计算结果准确,数据充足,满足纠偏中正压力的控制需求.     

1种提取包装上二维条码的新算法

针对包装上的二维条码,提出了1种快速提取算法.首先使用彩色过滤算法对背景进行过滤,然后利用二次梯度算法获取图像的分割阈值.对于条码的倾斜,使用Hough变换得到图像倾角,再利用二维旋转矩阵旋转图像.最后提出1种最佳的插值方法,以减少目标区域的毛刺以及空白点,确保旋转变换后的图像不失真.     

自适应聚类Hough变换及地震断层检测

针对现有基于Hough变换的地震断层检测方法只能检测单个断层,不能准确检测多个断层的不足,提出了一种基于自适应聚类Hough变换的地震断层检测方法。该方法首先对预处理后的地震相干图像进行边缘检测并对边缘图像进行Hough变换以检测出边缘图像中的线段,然后根据倾斜角和位置信息对线段进行自适应聚类以获得更完整的线段,最后根据初始地震图像对完整线段中的各点进行调整以获得准确、平滑的断层。为验证该方法的有效性,在实际地震图像上进行了对比实验。实验结果表明,该方法可正确检测地震图像中的多个断层,正确率达到90%以上,与现有方法相比,峰值信噪比提高了约10%。     

基于Hough变换和清零法的缸套内面网纹角检测

目的 发动机缸套内面网纹角直接影响到发动机的性能,为了高效准确地检测出内纹角,舍弃残次品,拟研究网纹夹角的检测方法。方法 采用邻域运算和自适应中值滤波对网纹图像进行图像增强,达到去除噪声和保留细节的双重效果;然后对其进行边缘分割处理,得到边界分明的边缘图像;再对其进行二值化,以减少Hough变化所用时间;最后提出一种基于Hough变换与清零法相结合的直线提取算法,并根据提取的直线特征计算网纹角。结果 实验结果表明,基于所提算法检测出来的夹角,对比传统方法和国外通用的仪器,平均检测误差降低为0.43%。结论 所提算法具有夹角误差小、准确度高、用时少等优点,能代替昂贵的进口仪器。所提算法在直线检测和包装条形码领域有较好的应用价值。     

基于Lie对称模型的包装推送机构参数辨识

目的 为解决包装机械动力学参数辨识缺乏精确解析的动态响应模型,提出一种应用Lie对称解析模型的包装推送机构参数辨识新方法.方法 首先,建立包装推送曲柄滑块机构的非线性动力学方程;其次,运用Lie对称积分法得到曲柄和滑块位移运动的解析数学模型,然后将其与递推最小二乘算法联合起来得到参数辨识的迭代公式.结果 实例计算表明烟包推送机构中动摩擦因数的辨识值为0.017,转盘质量辨识值为0.765 kg,解析模型值与实际值是一致的,参数辨识精度高.结论 提出的Lie对称解析法的参数辨识可为包装推送机构的模型控制和路径规划提供重要参考.     

纸塑复合袋表面缺陷图像的梯度投影差值筛选方法

目的 为了解决纸塑复合袋的缺陷图像筛选效率低、精度差等问题,提出一种基于梯度投影差值的纸塑复合袋表面缺陷图像筛选方法。方法 首先采集纸塑复合袋图像,并利用Sobel算子函数得到其梯度幅值图像,使用水平投影和垂直投影计算公式,计算获取的梯度幅值图像信息,得出图像水平和垂直方向的投影均值,采集缺陷图像中具有丰富梯度信息的特点,分析梯度投影均值的差值,根据图像信息计算出阈值,通过比较投影差值和阈值,完成图像的筛选。结果 针对此次采集的缺陷图像,当投影差值阈值设置在0.014 6~0.018 9内时,可以筛选出表面缺陷的图像。相较于差影法,该方法的筛选正确率提高了约10%,图片筛选时间加快了1.5 s。结论 文中提出的梯度投影差值方法与差影法相比,具有图像筛选正确率高、筛选速度快等优点,满足图像筛选在工业生产上的需求。     

霍夫变换耦合蚁群优化图像边缘提取算法

目的为解决图像边缘提取方法中由于噪声浸染导致边缘定位精确度降低、边缘信息丢失和虚假边缘等不足,提出基于霍夫变换(HT)耦合蚁群优化(ACO)图像边缘的提取方法。方法对输入图像进行霍夫变换,消除噪声和线段间隔对图像边缘的影响;计算图像像素梯度和像素圆形邻域统计均值的差值,构建二者之间的权重函数,并作为蚁群的信息素和启发信息;利用蚁群优化算法,引导蚁群搜索图像边缘,完成图像边缘提取。结果实验表明,与当前边缘提取技术相比,文中算法具有更高的提取精度与效率,可获取完整、细节丰富的边缘,有效地降低了噪声影响。结论所提算法具有较强的抗噪性能,能进一步改善边缘提取精度,能够较好地用于包装条码识别与图像处理领域。     

采用细胞神经网络快速校正生物芯片图像倾斜

倾斜校正是全自动生物芯片图像处理必不可少的环节。针对以往倾斜校正算法耗时过长,本文提出一种快速倾斜校正算法。算法首先用细胞神经网络（CNN）寻求各个样点的中心,然后进行Hough变换,再计算方差来寻求倾斜角,最后利用CNN灰度图像旋转模板进行倾斜校正。本算法利用了细胞神经网络并行处理的特性,并充分考虑了生物芯片图像的特点。理论分析与试验结果显示本文算法能够准确高速地完成倾斜校正。