快速随机Hough变换多直线检测算法

直线检测是计算机视觉和模式识别领域内的一项重要任务.针对现有随机Hough变换直线检测算法的无效采样量大、计算速度慢等缺点,在随机采样过程中提出了一种新的采样策略.我们先根据所有边缘点梯度方向的统计分布特征确定潜在直线的主方向,再通过设定的阈值消除K个分组边缘点集中对直线检测毫无贡献的点集.这样,不仅约束了随机Hough变换的采样范围,也减少了在随机采样过程中大量的无效采样,还使得算法速度得到提高、存储减少.最后通过仿真从检测单条和多条直线两方面出发对本文算法性能进行了分析.实验结果表明:算法能在实际噪声图像中快速提取出所有目标直线,对离散误差、局部断裂等缺陷不敏感,直线检测准确率也得到提高.     

基于字符上下边缘的车牌校正方法

提出了一种基于车牌字符上下边缘的车牌倾斜校正方法.先将定位图像二值化,求出连通域,保留属于车牌字符的连通域;再根据字符连通域上边缘点集和下边缘点集分别拟合出上边缘直线和下边缘直线;若两直线斜率相差较小,则水平倾斜度可根据任一斜率算出;否则,分别按上边缘直线斜率和下边缘直线斜率在坐标轴上的投影,取投影少的斜率计算倾斜度;最后根据倾斜度进行旋转校正.实验结果表明,对车牌边缘线缺失、倾斜度大等不敏感,通过该方法校正后有效提高了字符分割和字符识别的正确率.     

硬度图像角点检测算法

硬度检测图像中存在大量杂质与噪声,目标区域的边缘模糊且形状复杂,传统角点检测算法无法检测出目标区域的角点,也很难应用直线拟合或直线检测算法实现角点的精确定位。针对硬度检测中面临的复杂环境下角点检测任务,提出一种新的基于旋转灰度变化的角点检测算法。与传统的角点检测算法相比,该方法对噪声和杂质具有更好的鲁棒性,能够在背景复杂、边缘模糊的情况下准确检测出目标区域的角点位置,具有更好的适用性。在硬度图像上与传角点检测算法及直线求交确定角点方法的对比实验表明了算法的有效性。     

基于边缘跟踪的直线特征检测算法

针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.     

车牌提取方法研究

提出了一种基于模糊边缘检测和纹理特征的牌照提取方法。首先由投影法确定车牌候选区域，然后由12个边缘模板计算每个候选区域中边缘两侧的平均灰度差，并作出灰度梯度的二维直方图。据此确定每个候选区域模糊边缘检测中广义渡越点的值。然后根据车牌区域特点来提取牌照。经测试，该算法简单快速、定位准确，为后继字符分割和识别做了较好的预处理工作。     

一种改进的缺损圆检测定位方法

分析了传统Hough变换、随机Hough变换在检测圆及缺损圆时存在的问题,在总结了经典的Hough算法和其他研究人员提出的其它改进算法后,利用圆的几何特征,先检测出缺损圆的一个圆心坐标参数,然后根据推导出的半径检测公式对图像中的点到与圆心具有一个相同坐标参数的边缘点(即过圆心与X轴或者Y轴平行的直线与圆的交点)的距离与该点和边缘点的水平或者垂直坐标差值的关系统计半径大小,进而确定该缺损圆的所有参数。实验及分析验证了该方法降低了Hough变换的维度,比传统的Hough变换在检测缺损圆的边缘以及定位的问题上性能有较大的提高。     

基于直线逼近的图形角点检测技术研究

拐点是数字图像中的一个重要信息载体,本文针对具有类直线边界的图像提出一种新的拐点检测算法。该算法并非通过在连续空间内选择支撑区域计算每个点的特征值来选择角点,而是在针对特定图形特征,首先通过Freeman链码提取图像边缘;然后通过图像支撑点和连接点的概念过滤掉一些明显不为拐点的像素;最后用直线逐段来代替图像边缘曲线,而替代直线的端点则构成了图像的拐点。     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

基于梯度的自适应边缘检测算法研究

对常见的边缘检测算法进行改进,基于梯度提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边界点像素灰度值的差异,分析模版中的9个像素,计算出像素的梯度幅度和梯度方向;按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

边缘检测梯度法的小波实现

图像的边缘表现为图像上的不连续性,边缘检测就是检测图像上的不连续点或陡变点,本文根据Ｍａｌｌａｔ多尺度边缘检测原理,提出了一种图像的边缘检测的新算法,与Ｍａｌｌａｔ的多尺度边缘检测算法相比,这个算法具有计算量小的优点,文中给出了应用这个算法对图像进行边缘提取的实例。