基于改进Hough变换的偏心口检测

分析了Hough变换在圆检测应用中存在的问题,针对液体罐装桶盖的加注口为偏心圆形的情况,提出了一种基于两点梯度信息的改进的Hough变换算法.经检测实例验证,该算法计算速度快,占用内存少,检测精度高.     

基于改进Hough变换的公路车道线快速检测算法

针对机器视觉导航中道路引导线检测方法复杂、实时性不能满足使用要求的问题提出了基于改进Hough变换的公路车道线快速检测算法:根据车道线与路面颜色的不同判断车道线位置计算出车道线的方向候补点群,根据车辆所处车道的情况对方向候补点群进行聚类,以每一类的中点为基准点使用基于一点的改进Hough变换算法计算出车道线的斜率。实验结果表明,一幅图片的处理时间约85 ms,处理结果与实际情况吻合。算法能够检测出高速公路上所有车道线的斜率,为道路引导线的实时检测提供了一种新思路。     

基于RHT的多圆检测改进算法

针对多圆检测问题,提出了一种基于RHT的改进算法PHT3（3-point Hough transformation）。对整幅图像特征点按连续性进行点集归类,同时计算有效点的梯度方向信息;按照一定的取点规则在同一点集中取3点,得到候选圆的圆心参数;依据所求圆心参数以及梯度信息判定选取3点的有效性,以降低Hough变换的无效累积。针对常规确定圆半径精度有限的缺陷,提出利用点集并结合候选半径的均方差来获得亚像素半径,同时解决了同心圆半径的检测问题。与RHT算法进行对比检测,结果表明：PHT3算法检测时间为RHT算法检测的1/6,且无效累积更小,同时保留了Hough变换对局部信息缺损不敏感和对随机噪声鲁棒性强的特点。     

基于改进的Hough变换的圆检测

在进行圆形目标检测时,通常采用基于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.为此,提出了改进的Hough变换用于圆形目标检测,该方法在圆形目标定位时具有快速、稳定、准确的特点,可以满足实时性要求.在基于啤酒瓶生产线的实际数据集上验证了该算法的有效性.     

重叠苹果果实的分离识别方法

针对苹果采摘机器人重叠果实识别误差较大的问题,设计了一种分离识别方法。首先在苹果图像分割获取其二值果实区域的基础上,基于横、纵投影图实现重叠形态果实的判别,而后基于边缘曲线通过SUSAN算法检测果实轮廓上的角点,再通过迭代腐蚀和瓶颈准则挑选重叠果实的分离点,并采用Bresenham算法连接分离点实现重叠果实的分离。提取分离果实边缘曲线的有效轮廓后,通过改进的随机Hough算法拟合果实圆心及半径。最后选择15幅重叠果实区域二值图像,通过不同角点检测计算结果的比较,验证了SUSAN算法相比于其他角点检测方法更为有效;通过改进的随机Hough算法识别11幅图像中的21个果实,其圆心相对误差平均值、半径相对误差平均值和相对偏差平均值分别为6.90%、4.12%和6.07%,比传统Hough算法分别低4.03、2.75、1.14个百分点,说明改进的随机Hough算法得到的拟合圆更接近实际苹果果实区域。     

基于图像处理的番茄识别方法

针对重叠番茄识别的特点和要求,提出一种新的田间环境下重叠番茄的识别方法。该算法融合了最小二乘法曲线拟合以及Hough变换,首先获取重叠番茄的轮廓曲线,并进行凹点检测,实现了轮廓曲线的分段;再利用最小二乘法对轮廓曲线进行分段拟合,得到重叠情况下的多个目标圆;再利用Hough变换方法对轮廓曲线进行变换识别,获取Hough变换识别的结果;最后利用最小二乘法得到的分段拟合结果修正Hough变换的结果。算法既保留了Hough变换获得的目标整体性,又保证了最小二乘法分段拟合的精确性。通过试验证明,算法识别的平均误差为5.1%。     

复叶中小叶主叶脉及其生长角的提取

复叶中小叶的生长角度可作为特征参数识别复叶植物。首先利用改进的Sobel算子和中值滤波提取复叶叶轴和小叶的主叶脉,进而利用Hough变换线性检测获取复叶叶轴和小叶主叶脉的直线,利用所检测的直线计算得到小叶的生长角度。此外,对基于Hough变换线性检测的适用性进行探讨,发现Hough变换线性检测可以很好地适用于小叶主叶脉呈直线的复叶;但对于小叶主叶脉呈现弯曲状时,Hough变换线性检测时会出现明显的缺陷,需要采用外接矩形方法提取小叶的生长角度。提取结果表明,所采用的算法可以有效地提取复叶中小叶的生长角度。     

基于HT的多条直线检测的特点及其算法改进

依据霍夫（Hough）变换原理,给出了多条直线检测的算法,分析了基于霍夫变换（HT）检测多条直线的特点,即直线—峰值对应性,检测直线不确定性（针对斜率大于0的情况）,累加器A的值与待测直线段长度的关系,带噪声多条准直线的参数空间峰值特征,倾角为90°的直线段参数空间峰值特征,并有针对性的提出了改进方法。提出了依据峰值自动搜索填充范围的算法,实现了峰值的搜索,并通过马铃薯作物的行检测验证了该方法的有效性。     

改进的模糊C均值聚类算法和霍夫变换在榛子仁缺陷检测中的应用

以榛子仁为检测样本,采用模糊C均值聚类(FCM)算法进行图像分割;利用飞蛾扑火(MFO)算法改进其目标函数;利用函数对个体样本边缘提取,标记边缘拐点位置,计算拐点个数;对边缘图像进行霍夫(Hough)变换的椭圆曲线拟合,标记并输出饱满籽粒个数;依据试验数据,分析应用改进的模糊C均值聚类算法和霍夫变换对榛子仁缺陷检测的效果.结果表明:改进的模糊C均值聚类算法和霍夫变换,可以准确有效地对饱满、干瘪、霉斑、虫蛀、腐烂的5种榛子仁中的缺陷籽粒进行识别检测,提高榛子仁加工过程中的分拣效率.     

基于图像处理技术的小麦形态检测方法研究

形态特征是作物的肢体语言,对形态特征的研究在育种工作、生长状态分析、病害判断等方面都有着重要的意义。文章通过对图像分割和骨架提取算法进行优化改进提取出小麦植株骨架,采用最小矩形法计算小麦株高、用像素查找法计算叶长、用Hough变换计算叶基角和开张角,检测精度均达到90%以上,从而实现了面向农学小麦育种和管理专家的高效检测系统。     

Modelling agronomic images for weed detection and comparison of crop/weed discrimination algorithm performance

A new method for weed detection based on modelling agronomic images taken from a virtual camera placed in a virtual field is proposed. The aim was to measure and compare the effectiveness of the developed algorithms. Two sets of images with and without perspective effects were simulated. For images with no perspective, based on Gabor filtering and on the Hough transform, the performance of two crop/inter-row weed discrimination algorithms were tested and compared. The method based on the Hough transform is, in any case, better than the one based on Gabor filtering. For images with perspective effects only, an algorithm based on the Hough transform was tested and an extension to real images is discussed. These tests were done by a comparison between the weed infestation rate detected by these algorithms and the true one. This evaluation was completed with a crop/weed pixel classification and it demonstrated that the algorithm based on a Hough transform gave the best results (up to 90%).     

一种面向中医目诊的虹膜定位算法

虹膜诊断对于中医与民族医学的目诊理论具有重要的补充和借鉴作用,有必要深入研究虹膜及其图像特征与疾病、体质、中医辨证的证候要素等因素间的对应关系。本文以基于中医目诊的虹膜特征分析为出发点,以虹膜仪采集图像为对象,研究并提出了一种基于中医目诊的虹膜定位算法。该算法首先采用基于灰度阈值估计的方法得到瞳孔中心大致位置,再基于相似参数组的合并改进霍夫变换算法,得到虹膜内边界的定位结果,解决虹膜仪图像的瞳孔收缩、边界发生部分形变的问题。然后采用K均值聚类估计虹膜区域的大致范围,并以此构造初始轮廓,利用主动轮廓模型得到虹膜的外边界,从而避免由于图像畸变而引起霍夫变换失效的问题。     

基于梯度幅度和Hough 变换的林木根系GPR 目标检测

探地雷达图像中识别林木根系的重要依据是双曲线回波特征。通过分析精确检测到的林木根系探地雷达图 像中的双曲线,提出了目标曲线检测的改进方法。该方法包括2 个方面的内容:1)基于探地雷达图像具有子波频 率信息的特殊性,提出了一种基于梯度幅度的感兴趣区域(ROI)提取方法,为了使梯度幅度图中双曲线特征更为突 出,对普通梯度法进行了微分取值方式的优化,实现了双曲线的快速提取;2)对提取出来的ROI 进行Hough 变换以 检测双曲线,通过位置信息与幅度信息综合投票提高原始Hough 变换的精确度,去除背景杂波等虚假目标,从而实 现目标双曲线的精确提取。      

车牌字符提取中的矫正和切割算法研究

针对车牌字符提取中的图片矫正和切割关键部分，提出了一种基于Hough变换的车牌字符倾斜角度的自动检测矫正算法．在此基础上提出了一种基于边缘分析的二值化算法的投影判断法．对字符目标的灰度和纹理分布进行优化提取．经实地测试检验，字符切割的正确率提高了15％．     

基于改进随机Hough变换的椭圆形农产品大小分级

针对椭圆形农产品的分级问题,采用最近邻分类算法和随机Hough变换理论,对哈密瓜这类椭圆形农产品的大小分级方法进行研究。结果表明:1)哈密瓜边缘轮廓近似椭圆形,所测出的长短轴半径,可以作为椭圆形哈密瓜大小分级的新标准;2)通过试验测定,对于白色背景的哈密瓜,最近邻分类算法可以提取出较为完整的边缘轮廓;3)随机Hough变换可以在边缘轮廓不完整且有随机噪声干扰的情况下,检测出任意曲率的哈密瓜边缘轮廓的近似椭圆;4)与椭圆形哈密瓜的半径的真实值相比,本改进算法识别值的相对误差小于6%;5)当哈密瓜处在不同倾斜状态时,如0°、45°、90°、135°,本改进算法仍可以准确测得其长短轴半径。本改进算法还可以推广到其他椭圆形和类椭圆形农产品的大小分级中。     

自然光照条件下苹果识别方法对比研究

针对自然光照条件下果园苹果识别效果不佳的问题,从苹果的颜色分割和形状提取2方面进行对比研究,提出一种自然光照条件下的苹果识别方法。利用错检率、漏检率和处理速度3个量化指标综合对比分析颜色阈值、SVM和BPNN 3种苹果颜色分割方法的处理效果。比较6种边缘检测算法对苹果区域图像的边缘检测效果,并使用Hough圆检测算法对苹果形状进行提取,以获得苹果的圆心和半径。试验结果表明:由BPNN的苹果颜色分割方法以及结合Log和Hough的苹果形状提取方法所构建的果实识别算法具有较高的鲁棒性和准确性,能有效克服果实遮挡、重叠和颜色变异等问题,果实平均识别率可达91.6%。     

Lab色彩模型下梯度Hough圆变换的成熟草莓识别

自然生长状态下的草莓,果实密集,形状多变,枝叶遮挡率较高,使用机器采摘对成熟草莓的图像识别具有一定的难度。针对这个问题,提出了Lab色彩模型下采用梯度Hough圆变换的成熟草莓识别方法。以自然生长状态下的草莓图像为研究对象,在Lab色彩模型空间里对图像分割及阈值化并采用梯度Hough圆变换等方法,识别成熟草莓并计算出草莓中心。试验结果表明,对随机选取的100张草莓图片,该方法识别成熟草莓的相对偏差为1.07%,对枝叶遮挡、成熟草莓相互遮挡等情况,具有较好的识别效果。与传统的Hough变换相比,这一方法节省了运行内存,提高了时间效率,能够满足机器采摘对成熟草莓识别率与定位的要求。