基于Hough变换的植物叶脉检测新方法

针对植物叶脉的特点,提出了利用灰度拉伸、Hough变换与边缘生长、图像腐蚀与膨胀进行植物叶脉检测的新方法。在该方法中,Hough变换检测植物叶脉图像的同时也较好的消除了图像噪声,该方法应用到植物叶脉检测中效果较好。     

基于启发式概率Hough变换的道路边缘检测方法

针对非结构化道路的边界检测实时性和鲁棒性的难点,提出了加权Canny边缘检测方法和面向加权Canny边缘图像的启发式概率Hough变换方法;并根据非结构化道路边界不规则的特点和智能车辆路径规划的实际需求,提出了道路边界的双折线模型.与传统的方法相比,不同道路环境下的道路边界检测实验证明了所提算法的有效性和实时性.     

基于Hough变换的圆检测方法

总结了圆检测的几种常用方法,如经典HT、随机HT和广义HT.结合几种方法的优缺点,提出了一种基于经典HT的改进Hough变换圆检测方法.该方法先对图像进行预处理,如灰度化、去噪滤波、边缘检测以及运用数学形态学等,然后进行Hough变换.其主要思想是用多维数组来代替经典的循环过程.把Hough变换应用到织物防水性能自动测试的真实图像中,通过对经典Hough变换与改进后的Hough变换的比较,可以看出检测速度有所提高,检测精度也达到了令人满意的程度.     

基于聚类与链码技术的交通标志检测

交通标志的有效检测是交通标志识别系统中的关键步骤;提出一种基于颜色和形状的交通标志检测新方法,首先由最小欧式距离的聚类分析方法以及特征量与聚类中心的向量积提取夹角正弦方法,构造两级颜色特征分类器并通过训练实现优化分割,然后对滤波后图像边界跟踪,利用新的链码方法实现区域的拐角点提取,最后由几何特征判定区域的形状进行定位,实现交通标志的检测;实验结果表明,该方法在不同气候条件下的平均检测率达92.96%,优于同类方法且具有较高的鲁棒性。     

一类正弦曲线的Hough变换快速检测方法

对一类定周期正弦曲线的检测问题进行了研究。提出了一种两步实现的快速检测方法:首先采用投票机制确定正弦曲线的基线位置,然后采用二维Hough变换提取该位置所对应的正弦曲线的幅度和初相位参数。给出了对模拟图像测试的结果,且与传统的Hough变换算法作了对比。结果表明,该文方法大大降低了检测过程中时间和存储空间的开销,提高了检测速度和效率。     

基于改进Hough变换的圆形物体检测

圆形(包括弧线)检测是数字图像处理过程中的经典问题之一,有着广泛的应用背景。基本的Hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域,选取累积最多的参数。在现实生活中,由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解,因此,图像在应用Hough变换后,很难找到单一的峰值,这也就造成了检测的难度。在Hough变换的原理基础上利用圆的几何特征提出了改进算法。理论和实验证明能获得较好的检测结果。     

基于改进的Hough变换和K-mean聚类的RANSAC车道线检测方法

针对车道线检测中特征点匹配方法存在实时性不高和精度低的问题,本文首先提出了基于消失点改进的Hough变换提取特征线,剔除了干扰线,提高的计算量;然后对特征数据集采用 K-means 聚类和RANSAC拟合算法,首先利用 K-means 聚类对改进的Hough变换提取的特征点进行预处理,剔除了孤立的特征点,接着匹配Catmull-Rom 样条曲线进行RANSAC拟合,相当于二次优化,实现了车道线的快速和精确配准。通过实验表明,该算法不仅提高了车道线识别的精确度,而且具有很好的鲁棒性。     

基于Hough变换的椭圆检测方法

椭圆检测在图像、图形识别与计算机视觉领域中有着重要的应用,而基于Hough变换的椭圆检测是其中常见的方法之一。本文对基于Hough变换的椭圆检测算法进行了综述,其中包括利用三点确定椭圆的提取方法、基于弦中心Hough变换的提取算法和基于椭圆几何对称性算法等,着重对不同方法的原理、实现和优缺点进行了讨论。     

基于Hough变换检测直线的研究

Hough变换是图像处理中的一种常用的检测算法,能够有效地在较大的噪声环境中提取图像中的特定信息。本文主要介绍了标准Hough变换算法以及为了降低标准Hough变换算法的时间复杂度而提出的快速Hough变换算法。     

基于形状信息的三角形交通标志检测方法

提出一种基于快速辐射对称性和Hough变换的三角形交通标志检测方法。利用快速辐射对称性检测三角形的内心,在内心处设置一个窗口对窗口内图像作Hough变换,在图像的Hough域中检测三角形交通标志。实验结果表明,该算法能有效弥补现有同类算法的缺陷,具有较高的检测效率。     

基于随机Hough变换的深度图像分割

提出了基于随机Hough变换的深度图像分割算法,该算法采用随机Hough变换在深度图像中寻找平面,具有对噪声不敏感的优点．通过对一常用深度图像数据库(ABW图像库)的分割实验,并将实验结果同4种经典的深度图像分割算法在同一数据库中的分割结果作了比较分析,表明该算法对噪声不敏感,分割性能优于4种经典算法。     

网格和密度聚类方法在人头检测中的应用

根据人头特征,提出了一种基于网格和密度的聚类算法。该算法将图像分成网格,然后逐行计算网格的密度,碰到符合密度要求的网格时,算法转为纵向计算网格的密度,记录下纵向符合密度要求的网格数量,以此判断是否存在人头以及计算人头的参数。该算法结合了网格聚类的低时空复杂度和密度聚类的良好抗噪性的特点。实验证明该算法速度比Hough变换快两个数量级,而且所需存储空间小。     

基于边缘检测的邮件地址标签图像分割方法

为了提高邮件分拣的效率,邮政分拣中心投入使用了自动分拣设备。尽管OCR系统对印刷体字符的识别已经达到了很高的准确率,但是邮件地址标签的准确定位问题仍然是分拣系统设计中的难点。一般情况下邮件尺寸不一、地址标签位置不固定、标签表面经常有污损,这使得地址标签的定位变得非常复杂。在经典图像处理理论和大量实践的基础上,提出了一种基于边缘检测的图像分割方法——行扫描灰度渐变法。该方法在邮件自动分拣的图像预处理环节中取得了良好的效果,经实践证明是一种可行的图像分割方法。     

基于智能手机的人行横道红绿灯自动识别

鉴于目前绝大部分人行横道红绿灯没有配合声音提示,利用带摄像头的智能手机,通过人行横道红绿灯的自动识别技术将大大提高盲人过马路的安全系数。提出一个融合级联Adaboost与颜色过滤的人行横道红绿灯自动识别算法。该方法首先利用AdaBoost算法对红绿灯位置进行检测;然后在HSI色彩模型的色调子空间进行颜色分析的基础上进行红绿灯的过滤与分类。用采集的418幅实际复杂场景下的图像数据进行实验,结果表明该方法能达到较好的检测效果。     

基于改进Hough变换的信号灯视觉识别系统

提出一种基于改进Hough变换的铁路调车信号灯识别算法.算法利用信号灯图案的几何性质简化了计算,可以应用快速变化的实时图像序列.对现场获取的图像序列的处理验证本算法的有效性.     

鲁棒的车辆行道线提取方法

提出了一种新的行道线提取方法。该方法利用均值滤波对道路图像进行亮度估计,把均值滤波后的图像和原图像进行差分从而突出白色的行道线区域,并且采用多阈值方案,对得到的差图像进行二值化。对得到的包含行道线的二值图像进行干扰去除和细化处理,并运用基于加权的Hough变换求得多条候选行道线,基于空间约束从所得的候选行道线中挑选出合适的直线对作为左右行道线。实验结果表明,该算法在复杂路况的情况下能够快速准确地提取出行道线,从而实现对驾车者偏离车道的报警。     

足球场地标志线的自动提取

介绍一种从足球比赛录像中自动提取禁区线和球门线的方法．作为足球比赛场景三维重建和视频解说系统的一部分,提取的结果可用于摄像机定标和球场的重建．使用数学形态学、Hough变换、最小二乘法等多种方法,可以从复杂的足球比赛录像中自动提取出所有禁区线和球门线的直线参数．实验结果表明,文中方法对类似背景的直线提取非常有效,可满足摄像机定标和球场重建的需要．     

运用Hough 变换提高直线检测效率

针对hough变换检测直线段中的运算速度慢、占用内存多的问题,提出一种改进的检测直线段的方法。首先,对图像进行减半采样处理,采用从大概到精确的检测策略,减小运算量;其次采用soble算子进行边缘检测;最后,在经典的hough变换的方法上增加了边缘梯度幅度进行限制,减小了坐标转换的次数,并将断开的同一直线上的线段连接起来。