基于中心估计的椭圆检测

椭圆检测在图像理解中有重要的作用。为克服标准Hough变换对时空需求高的缺点,设计了一种改进算法。通过椭圆对称特性估计图像中可能存在的椭圆中心,利用长轴确定椭圆中心及夹角参数只需一维累积数组对椭圆短轴的投票,采用聚类分析技术将检测到的虚椭圆归类到对应的真实椭圆。对合成图像和实际图像的实验表明算法的正确和高效。     

基于中点提取的椭圆检测算法

针对Hough变换检测椭圆时存在运算速度慢、需要大量储存空间的问题,提出一种快速的随机椭圆检测算法。该算法随机采样2点并搜索第3点,再利用椭圆极径性质求出椭圆中心坐标,接着通过坐标变换得到简化的椭圆方程,解方程组求出椭圆剩下的参数。在证据收集确认候选椭圆时,只选取椭圆外切矩形内的边缘点,同时利用特殊的累积记录函数对候选椭圆参数进行进一步判别。实验结果表明,该算法具有检测速度快、精度高、抗椭圆部分缺失的能力强等优点。     

一种基于随机Hough变换的椭圆检测方法

在随机Hough变换基础之上,提出一种改进的椭圆检测方法,该方法降低了随机Hough变换的无效采样概率,对椭圆边缘的定位结果达到了亚像素级,并且能够准确判别出图像中的椭圆形标志,去除非椭圆形标志.通过实验得到较好的结果.     

改进的RHT算法在弹簧卡箍检测中的应用

针对弹簧卡箍零件缺陷检测的人工离线检测方法的一些缺陷,提出一种改进的随机Hough变换的智能检测方法。该方法以弹簧卡箍的几何特征作为分析对象,对RHT的随机采样作了3方面的改进,有效地减少了无效采样与无效累积。实验分析显示,改进的RHT用于弹簧卡箍的检测时,尺寸误差都在1个像素之内,并且检测时间只有改进前的RHT算法检测时间的27.05%,最少的只有4.62%。实验结果表明,改进的RHT算法能够更加准确快速地检测出弹簧卡箍的尺寸。     

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。     

应用于公交客流统计的机器视觉方法

为了提高公交客流高峰期时的客流检测准确率,提出了一种可以应用于嵌入式平台的基于机器视觉的客流检测方法。该方法以提取乘客的头部轮廓特征作为主要手段,采用针对非标准圆形,即类圆检测的改进型Hough变换,并针对Hough变换结果进行了结合模糊置信度的感知聚类,有效地去除虚假候选头部轮廓,从而实现视场中每个乘客的准确定位。现场实验结果表明,应用该方法进行公交客流统计,准确率可达85%以上。     

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.     

一种新的基于Hough变换的椭圆轮廓检测方法

Hough变换是一种检测曲线的有效方法,但使用传统的Hough变换来检测椭圆计算量过大。为此提出了一种新的基于Hough变换的椭圆轮廓检测方法,该方法利用椭圆中心是平面上所有点中距离椭圆轮廓上点最大距离最小的点这一几何性质,降低了Hough参数空间的维度,从而有效地降低了计算量。使用该方法可以快速地判断一个输入图形的轮廓是否为椭圆。     

基于改进随机Hough变换算法的开缝衬套圆度检测

圆度误差作为开缝衬套的形状误差之一,对开缝衬套冷挤压强化工艺的性能有重要影响,是开缝衬套几何精度的重要指标.探讨了一种基于图像测量技术的圆度误差测量方法.该方法通过对开缝衬套进行图像采集及图像预处理,提取出噪声较少的图像轮廓,然后利用改进的随机Hough变换,结合最小二乘圆法对开缝衬套进行圆度误差评定.实测表明,用该方法进行圆度误差的测量是可行的,并具有测量精度高、实用性强等特点.     

超声图像胎儿颅骨椭圆自动检测方法

为了对胎儿进行准确的头周测量和脑畸形诊断,需要自动准确地检测胎儿颅骨椭圆,为此提出了一种超声图像胎儿颅骨椭圆的自动检测方法.该方法首先使用K-均值算法将像素分为3类;然后取出亮物体,仅保留其中较大的连通分量;最后抽取骨架后再使用随机Hough变换(RHT)进行椭圆检测.该方法采用的预处理过程,使RHT需要考察的像素数极大地减少,从而提高了检测速度;另外,该方法还提出了一种新的RHT得分机制,由于该机制综合考虑了颅骨曲线在图像空问和参数空间的表现,从而提高了检测精度.     

基于椭圆检测的充电口识别

针对于新能源汽车的全自动充电技术,为了实现充电设备快速插接充电口的目的,提出了一种基于椭圆检测的充电口识别方法。该方法利用图像的预处理加强边缘,并结合Canny边缘检测得到边缘,将检测的边缘利用八邻域边缘跟踪筛选短弧,以边缘梯度的正负性以及边缘的凹凸性为基准将检测边缘分为4类椭圆弧边缘。在此基础上,根据一定的限制条件以及椭圆的参数方程,选取满足限制条件的三段椭圆弧进行拟合,得到一系列的备选椭圆,通过特征参数之间的关系以及目标椭圆之间的联系,筛选出所需要的能够识别充电口的椭圆。在基于Intel-Core的i7-6700HQ处理器以及Nvidia GTX 960M的显卡的计算机设备上,通过VS2017的实验平台在多个角度进行多次实验,均能得到充电口的目标椭圆。表明该方法能够对插接的充电口做出准确并且快速的识别,为新能源汽车的全自动充电提供很好的先决条件。     

一种新的对随机Hough变换改进的检测圆的方法

从数字图像中检测出圆在计算机视觉中具有很重要的地位。随机Hough变换是检测圆的一种有效变换,但在处理复杂图像时,由于随机采样会引入大量的无效采样和积累。文章中提出一种在Teh-ChuanChenandKuo-LiangChung[4]的改进算法基础上,对随机Hough变换改进的检测圆的方法。     

基于梯度的随机Hough快速圆检测方法

针对随机Hough变换(RHT)在复杂图像中检测圆时产生随机采样的大量无效累积,提出了一种改进的RHT用于圆检测,方法利用梯度方向信息来判定是否对采样到的三点进行参数累积,从而较好地解决了无效累积问题。实验表明改进后的算法比原算法计算速度快,占用的内存小,检测性能有较大提高。     

一种新的不基于Hough变换的随机椭圆检测算法

椭圆检测在模式识别领域中占据着非常重要的位置。常见的基于Hough变换的椭圆检测算法(如RHT算法)存在着占用大量存储空间及计算耗时等缺点。本文提出一种高效随机的椭圆检测算法(RED)。该算法不基于Hough变换,其原理是:首先从一幅图像中随机地挑选出6个点,并定义一个约束距离以确定在此图像中是否存在一个可能的椭圆;当可能椭圆确定之后,引入椭圆点收集过程以进一步确定可能椭圆是否是待检测的真实椭圆。通过对具有不同噪声的合成图像以及真实图像进行测试,结果表明RED算法在低噪声与适度噪声的情况下,速度明显快于RHT算法。     

基于随机Hough变换的人头检测

传统的人头检测方法多为基于人脸和头发的检测,误差较大。为此,提出一种基于随机Hough变换(RHT)的人头检测方法。根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。