一种随机多椭圆检测的快速算法

针对多椭圆检测问题提出了一种快速随机检测算法。该算法利用在图像中随机采样到的一个边缘点和局部搜索到的两个边缘点以及这三个点的邻域信息确定候选椭圆,再将候选椭圆变换为对应圆,通过确认真圆来确认真椭圆。在确定候选椭圆时,最大限度地减少随机采样点数﹑剔除更多的非椭圆点,降低了无效采样,减少了无效计算。数值实验结果表明：该算法具有良好的鲁棒性,其检测速度比同类算法快。     

基于统计聚类随机椭圆检测方法

本文提出一种基于统计聚类的随机椭圆检测方法。利用椭圆的几何性质和形状大小限定采样区域避免无效采样，获得候选椭圆时．检验边缘点集中位于候选椭圆上的点，通过统计候选椭圆上的点与其外切矩形上的点的个数的比值来验证候选椭圆的真伪。该方法与传统的Hough变换的参数空间累积验证相出，其计算简单，速度快，不需要为可能产生的虚假椭圆分配内存空间．更无需进行参数单元集的搜索，并能够快速的去除已验证的真实椭圆上的边缘点集，进一步减少了无效采样的产生。     

基于随机采样一致性算法的平面匹配方法

针对传统的平面图像标定点匹配算法计算量大、准确性不高等问题,提出一种基于随机采样一致性(RANSAC)算法的快速高精度的平面图像标定点匹配方法。该方法首先基于双圆锥曲线模型,借助于椭圆边缘点附近的梯度信息求取椭圆的切线,由切线集合拟合出椭圆参数,并利用这些参数计算出椭圆圆心,即图像上的标志点;然后用RANSAC随机采样算法对标定板上的点和图像上的点进行匹配。实验验证该方法实现起来简单并且有较高的准确率。     

局部PCA参数约束的Hough多椭圆分层检测算法

针对随机Hough变换(RHT)在复杂图像中检测圆及椭圆时随机采样所造成的大量无效采样、无效累积以及运算时间长等问题,提出基于局部PCA感兴趣参数约束Hough多椭圆分层检测思路。首先利用边缘检测算子获得边缘信息并去除边缘交叉点,在边缘图像中标记并提取出满足一定长度的连续曲线段;其次利用线段PCA方向分析确定是否属于有效曲线段;然后,对所有感兴趣曲线段按照标记顺序依次利用椭圆拟合办法初步得到感兴趣椭圆粗略参数,根据拟合结果进而模糊约束Hough变换参数搜索范围,得到精确椭圆参数;最后利用检测结果更新图像空间,删除已经检测到的椭圆,依次进行,直到所有椭圆检测完毕。实验结果表明,该算法在计算、存储消耗上均大大减少。     

面向惯性约束聚变实验靶图像的快速椭圆检测

目的：针对惯性约束核聚变实验中靶图像轮廓模糊、亮度不均匀等问题,并从提高图像处理实时性角度出发,提出了一种高可靠性和高精度的快速椭圆检测方法。方法：首先利用椭圆边缘点在它与圆心相连方向上具有较大灰度变化率这一特点,以预估中心点为极点建立极坐标系,通过从极点出发的射线上灰度变化率极值点搜索实现椭圆边缘点检测,极值点搜索在图像局部范围进行保证边缘点检测的有效性和实时性;其次利用基于RANSAC的自适应椭圆参数提取算法得到最终椭圆参数,该方法利用椭圆参数空间聚类分析选取最优椭圆参数,从而实现了一致样本集的自适应选择,保证了椭圆参数拟合精度的同时提高了算法的适应性和鲁棒性。结果：采用本文算法检测一幅图像的平均时间约为110ms,与常用椭圆检测方法相比检测速度有显著提高。结论：对比实验表明,本文提出的椭圆检测方法与其他方法相比具有更高的精度、更快的实时性和更强的鲁棒性。     

基于边界曲线弧分割的多椭圆检测

不同于传统的Hough变换算法,提出一种基于边界弧分割的椭圆检测方法。首先将边界从交点处分割成弧段,将得到弧段划分为长弧和短弧两组并按长度降序排序,然后从两组中找出属于某个椭圆的若干弧段,利用最小二乘法拟合得到候选椭圆并验证是否为真正椭圆。实验表明该算法能快速检测出图中椭圆,运行时间远小于采用随机Hough变换算法,在具有噪声、椭圆残缺的情况下仍能有较好的检测结果。     

一种基于RANSAC 框架的椭球提取算法

面向点云数据,提出一种椭球的检测和提取算法。该算法采用随机采样一 致性（RANSAC）框架,通过多次随机采样点云模型,建立多个能够生成椭球体的最小点集, 对每个最小点集计算椭球参数,经过验证后建立椭球候选集合,利用分数函数评价各候选, 筛选出最佳提取椭球。实验结果表明：对于人工合成和扫描仪获取的点云数据,该算法稳定 可靠,可有效地提取出正确的椭球。     

基于采样约束的随机Hough变换圆检测算法

为减少图像中的圆检测时间并提高圆检测精度,提出一种随机Hough变换圆检测算法。以随机采样的一点作为圆直径的一个端点,用约束候选圆直径范围的方法确定候选圆,再将候选圆n等分,对每个方向进行证据积累以判断是否为真圆,通过聚类算法剔除错误样本点,对真圆进行最小二乘拟合以得到更准确的圆参数,解决由于随机采样三点而造成的大量无效采样累积问题。实验结果表明,与RHT算法、ARHT算法和BRHT算法相比,该算法的检测速度更快、检测精度更高。     

基于局部搜索的多椭圆随机检测算法

随机采样2个图像点后再分别在这2点相关的3条线段上搜索1个图像点。利用采样的2个图像点和搜索的3个图像点决定侯选椭圆。当采样和搜索图像点时,通过识别和剔除孤立、半连续噪声和不在同一个真椭圆上的图像点,显著地减少了无效采样及无效计算。在确认真椭圆时,文中方法将椭圆变换成对应圆,通过确认真圆来确认真椭圆并直接控制椭圆的检测精度。数值实验结果表明:该文算法在检测多个椭圆时的检测效率和鲁棒性等方面都具有良好的性能。     

一种基于随机Hough变换的椭圆检测算法研究

提出了一种有效的基于随机Hough变换的椭圆检测算法(RED).该算法首先在图像中随机选择三个边缘点,并分别以这三个点为中心选取相同大小的窗口.利用最小二乘法对这三个窗口中的所有边缘点进行椭圆拟合,然后在图像中随机选取第四个边缘点,以判断图像中是否存在一个可能的椭圆.在找到一个可能的椭圆后,通过证据收集以进一步验证这个可能的椭圆是否真实存在.仿真实验和实际图像的实验表明本文算法比其它的算法具有速度快和精度高的优点.     

基于立体视觉的平面圆参数高精度测量算法*

针对目前平面圆的圆心和半径测量方法存在的不足,提出一种基于立体视觉的平面圆参数高精度测量方法。该方法首先根据边缘分组算法和二次曲线椭圆拟合判别算法提取双目图像中的椭圆特征;其次利用分段立体匹配算法获取平面圆特征上部分点的三维坐标;最后通过三维平面拟合、坐标转换、平面圆拟合以及坐标反变换获取平面圆的圆心和半径参数。实验结果表明,该方法有效地减小了平面圆透视投影引起的畸变误差,提高了平面圆参数的测量精度。     

YCbCr颜色模式下基于L-M算法优化的火焰识别方法

传统火灾探测技术存在许多缺陷.提出了一种基于图像的火焰识别方法.首先将图像由RGB模式转换为YCbCr模式,以Cb,Cr为轴建立坐标系并绘出火焰样本的Cb,Cr值.用一个椭圆将绘出的坐标点包括起来,并创建椭圆方程和二维正态分布函数,使正态分布函数在椭圆外部的值为零,并用L-M算法对正态分布函数中的参数进行优化.对火焰的识别转换为判断正态分布函数在像素对应的Cb,Cr处的值是否大于零.该方法具有很好的实时性和识别效果.     

持续有界扰动系统的嵌套不变椭圆集鲁棒控制

为了抑制外部持续有界扰动和模型不确定性对系统稳定性控制的影响,通过不变集理论,采用嵌套不变椭圆集鲁棒控制算法实现系统的快速稳定控制。控制算法分为离线算法和在线算法两部分。离线时根据公式得到一维状态变量序列,通过线性矩阵不等式方法优化得到嵌套不变椭圆集。在线时,根据系统状态变量在嵌套不变椭圆集的位置,构建新的不变椭圆集并计算得到系统的控制律。给出新的不变椭圆集满足系统控制要求的理论证明。通过与不变单椭圆集控制算法进行仿真比较,结果验证了上述算法的有效性,为持续有界扰动下模型不确定性系统的稳定控制,提供一种有效的控制方法。     

结合PCA与HEIV的椭圆目标检测算法

提出结合主元变换与异方差变量含误差模型的椭圆识别与定位方法。根据椭圆长轴对应于椭圆主元方向的特点,利用主元变换法将目标边缘数据变换到主元坐标系,给出新的椭圆轮廓度误差评定方法,将变换后数据点集的椭圆轮廓度误差作为椭圆识别的依据,采用基于异方差变量含误差模型的拟合算法获取椭圆的中心坐标。该方法将任意椭圆转化为标准型椭圆,简化了识别过程,考虑到椭圆数据点的异方差特性,提高了椭圆的定位精度,在噪声方差为0.05情况下,定位精度小于0.04 pixel。     

运动物体的头戴式视线追踪控制系统设计

设计了一种基于嵌入式的头戴式视线追踪控制系统.它将实际运动物体作为控制对象,以人眼为控制源,采用图像处理算法和坐标映射模型,实现视线追踪技术.通过质心检测和椭圆拟合算法的比较与优化,系统定位瞳孔中心的角度误差精确到1.4°以内,再利用最小二乘法进行视线空间坐标变换,最终控制运动对象移动到注视点.实验结果表明,人眼距离被控对象2 m内时,被控对象的定点误差在5 cm内,系统响应时间在0.3 s内,满足用户日常操作要求.     

基于误差椭圆的车型识别算法

针对车辆分类需求,提出一种基于误差椭圆的车型识别算法。利用背景差法去除车辆图像的不相关背景,从而分离出目标车辆,并对其进行识别和轮廓提取,通过平移、旋转和缩放车辆的轮廓边界,获得一个不相关的二维方差阵,将其与已知模板方差阵进行比较,以实现车辆分类。实验结果表明,该算法能获得较好的分类结果,满足实时性要求。     

凸优化与A*算法结合的路径避障算法

为提高足式移动机器人的避障能力和路径规划效率,提出一种凸优化与A*算法结合的路径避障算法.首先,基于半定规划的迭代区域膨胀方法IRI-SDP(iterative regional inflation by semi-definite programming),通过交替使用两种凸优化算法快速计算出地面环境中无障碍凸多边形及其最大面积内切椭圆,用于移动机器人的局部避障和任务动作规划;然后,结合经典的A*算法,建立机器人局部和世界坐标系、机器人质心轨迹转换模型、碰撞模型和启发式代价函数,在全局环境中寻找最优成本最小的路径;最后,通过仿真实验验证该算法的有效性.     

基于曲线拟合的Placido图像中心提取方法

中心提取是Placido图像特征提取的关键环节,提出了一种基于曲线拟合的中心定位方法。利用Hough变换定位图像的像素级中心,建立图像的极坐标系;在极坐标轴方向,通过亮环灰度变化曲线的导数特征检测亮环中心线;将亮环中心线进行曲线拟合,确定亮环中心位置。中心提取精度达到亚像素级,利用标准球验证算法精度,屈光度误差小于0.25D。与常规算法进行对比,分析结果表明,曲线拟合法在准确性和稳定性上更优,为绘制精确的角膜地形图提供了保证。     

基于最大内切圆的椭圆孔组检测

针对当前一些椭圆孔组工件检测成本高、时效低等问题,提出了一种基于最大内切圆的椭圆孔组检测方法。首先对椭圆孔组图像进行去噪、二值化和边缘检测等预处理;再根据椭圆的几何性质,结合椭圆中心估计方法和最值距离选取方法,求出椭圆最大内切圆,从而确定椭圆的中心坐标、长短轴长和倾斜角。实验数据表明,该方法能对椭圆孔组进行快速精确检测,在估计出椭圆中心的基础上能快速截取有效椭圆弧,大幅减少无效采样;与基于中心估计Hough椭圆检测算法和基于最小二乘改进椭圆检测算法相比,具有耗时短、精度高等优点,可有效应用于椭圆孔组工件的自动化检测。