基于数学形态学的虹膜定位算法

针对现有的虹膜定位算法的局限性,提出了一种基于数学形态学的虹膜定位算法。内圆定位是利用二值图像形态学的方法提取瞳孔的圆心和半径。外圆的定位用形态学进行边缘提取与Hough变换相结合,确定外圆圆心及半径。实验证明了该算法的合理性和有效性。     

基于数学形态学的虹膜定位算法

针对现有的虹膜定位算法的局限性,提出了一种基于数学形态学的虹膜定位算法。内圆定位是利用二值图像形态学的方法提取瞳孔的圆心和半径。外圆的定位用形态学进行边缘提取与Hough变换相结合,确定外圆圆心及半径。实验证明了该算法的合理性和有效性。     

基于线特征的机场跑道定位算法

提出了一种基于线特征的机场跑道识别定位算法。首先,将方向小波变换用于目标的边缘检测,得到了定位准确、边缘连续、背景较为干净的机场边缘图;然后,利用标定了梯度方向的边缘点作为Hough变换的基本元素,将Hough变换的全局"投票"过程变为目标方向上的局部投票,并且将直线段的检测和定位过程融为一体,从而得到跑道的描述信息。实验结果验证了该算法的有效性和稳健性。     

几种虹膜定位算法的分析与比较

本文介绍了离散圆形动态轮廓线法、灰度阈值分割法、圆Hough变换和点Hough变换几种虹膜定位算法,并对各种算法进行了分析和比较。     

基于蚁群和Hough变换的虹膜定位算法

为了克服传统的虹膜定位算法准确率不高的缺点,提出了一种基于蚁群和Hough变换的虹膜定位算法.该算法首先利用梯度信息在虹膜边缘处的直观响应作为启发因素,引导蚁群搜索虹膜边缘.然后蚂蚁根据路径上的不断更新增大的信息素,搜索虹膜的内外边缘的像素点.最后通过Otsu阈值和Hough变换确定出虹膜内外边界.实验表明,该算法能够有效、快速地定位出虹膜的内外边界.     

一种虹膜定位算法

针对虹膜二值边缘图像提取的困难，提出利用虹膜图像的灰度边缘图像以及虹膜的几何特征进行虹膜定位的快速算法。首先根据虹膜图像的整体灰度分布信息特征，利用改进的Sobel算子提取虹膜的灰度边缘图像，然后利用圆的对称性质以及投票策略提取虹膜的中心，最后利用Hough变换的半径直方图投票提取虹膜内外径。实验结果证明，该算法提高了虹膜定位的速度，并且具有较强的抗干扰能力。     

虹膜内外边缘的快速定位算法

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能。论文提出一种基于Hough变换的虹膜定位算法,根据虹膜图像特点,先对其进行预处理,再用灰度投影法粗定瞳孔圆心;通过对虹膜内外边缘的“先采样后变换”,减少Hough变换的运算量;利用虹膜内外边缘之间的耦合关系,由内至外精确地确定出边缘。对300多幅虹膜样本的处理结果表明,此算法快速、精确、鲁棒。     

基于二维中垂线Hough变换的圆形印章定位算法

提出了一种在灰度图像上使用二维中垂线Hough变换定位圆形印章的方法。给出了印章定位算法的具体实现过程,并通过实验验证了定位效果。     

基于局部Hough变换的银行支票参考基线自动定位算法

直线自动检测有许多重要的应用,Hough变换是图象中直线检测的一个常用算法.但Hough变换的一个重要缺点是只能检测直线,而不能检测直线段.本文基于局部Hough变换,研究银行支票识别中,参考基线段的定位问题,给出了一种高效准确的参考基线定位算法.     

驾驶员疲劳驾驶中的眼睛定位创新算法

通过人眼图像来检测驾驶员疲劳驾驶是目前的主流方向,面部及眼睛定位是其中关键的环节。提出了一种新颖的精确定位眼睛的方法。该方法由两部分组成：第一部分,通过肤色聚类分割算法将人脸区域分割,对分割图进行几何过滤,对得到的候选人脸区域中的孔洞计算质心点找到可能的人眼对;第二部分,在检测到人脸区域和眼睛大致位置的基础上,结合提出的眼睛模型,采用新的Hough变换椭圆检测算法精确定位人眼的位置。实验证明所提出的算法是快速可靠的。     

一种基于坐标投影的虹膜定位算法

提出了一种简单易行的虹膜定位算法,该算法是在对虹膜粗略处理的基础上,对内边界的采用了向坐标轴投影的方法;对于外边界采用了寻找扫描线上信息量最小的点,并用相应的匹配模板进行匹配,以便去掉由于噪声的干扰而找到的错误点,从而确定外边界和中心;实验证明了该算法的合理性。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。     

A high speed algorithm for circular object location

This paper analyses how the Hough transform approach to circular object location could be speeded up by at least an order of magnitude — e.g. for certain low-cost automated inspection applications. Image sampling is found to be required and an effective but simply implemented strategy is devised which achieves speedup factors of up to 25 with real images. The algorithm is highly robust against shape defects and partial occlusions, and in addition robustness is easily monitored in practical situations.     

An efficient 2D deformable objects detection and location algorithm

This paper presents a complete method for the automatic detection and location of two-dimensional objects even in the presence of noise, occlusion, cluttering and/or deformations. This method is based on shape information extracted from the edges gradient and only needs a template of the object to be located. A new Generalized Hough Transform is proposed to automatically locate rigid objects in the presence of noise, occlusion and/or cluttering. A Bayesian scheme uses this rigid objects location algorithm to obtain the deformation of the object. The whole method is invariant to rotation, scale, displacement and minor deformations. Several examples with real images are presented to show the validity of the method.     

采用人工鱼群的改进广义Hough变换目标定位

目的：传统广义Hough变换可以在平移、旋转、缩放、局部遮挡等情况下,对任意目标进行定位,但是存在定位速度较慢、存储空间较大、累加器空间离散化等缺点。方法：因此提出了基于全局自适应人工鱼群的广义Hough变换算法,对目标进行更快地定位。根据目标形状的极坐标信息建立精简R表,去除梯度信息,降低计算复杂度,同时提高目标模型的鲁棒性。然后,根据精简R表计算待测目标模型函数值,作为人工鱼的适应度值,人工鱼群采用自适应的感知范围和步长,通过不断交互并协调行为,在连续的多维累加器空间中启发式地搜索最优目标模型参数,从而标定出目标的准确位置。结果：实验结果表明,该算法只需要常量级的存储空间开销,并且与广义Hough变换算法相比速度提高了90%以上,较大地减少了空间和时间开销,也提高了目标的定位精度。结论：本文提出了一种新的累加器空间搜索策略,能够更快速准确地定位目标,特别是在复杂背景下对复杂目标定位更为明显。     

基于快速广义Hough变换的倾斜车牌定位

提出一种倾斜车牌定位算法。算法使用快速广义Hough变换检测车牌倾斜角度,并检测出倾斜车牌在图像平面中的长宽比例和车牌位置,定位出倾斜车牌。仿真实验表明该算法能正确定位倾斜车牌。     

楼道消失点查找与跟踪的迭代算法

提出了一种新的消失点跟踪算法。具体地, 改进了梯度霍夫变换, 引入映射的参考点; 结合梯度方向信息进行映射, 提高了映射速度; 采用加权最小二乘法在参数空间拟合三角函数曲线, 直接计算消失点的坐标。通过迭代的方法更新参考点的坐标, 从而使算法精确查找到消失点的位置。实验证明, 此算法可以快速准确地查找到楼道环境的消失点, 并且迭代速度可以满足消失点的实时跟踪要求。     

基于HPF和Hough变换的人眼精确定位

眼睛定位是人脸识别的非常重要的一个环节,常采用基于Hough变换的方法,但这种方法计算量大、运算速度慢,对存储空间需求大。提出一种人眼快速定位的新方法。首先用混合投影法检测到眼睛瞳孔的大致位置,再利用基于圆的Hough变换快速定位出人眼,实验证明此方法大大提高了人眼定位的效率。     

随机Hough变换实现角点检测

为实现角点的有效检测,提高检测速度,提出一种基于随机 Hough变换的角点检测方法。利用随机 Hough变换求取出直线参数;根据角点在 Hough空间中的特征,利用反 Hough变换的反演原理对参数空间中的峰值进行反变换,定位图像空间中的直线交点;为避免虚假角点,将那些附近不包含任何边缘的交点删除,得到正确的角点。实验结果表明,该方法相对于 Harris算法和SUSAN具有更好的准确性、鲁棒性和稳定性,实时性也有一定提高。