基于改进的概率Hough变换的直线检测优化算法

来源 :光学学报 | 被引量 : 45次 | 上传用户:Mondy_xu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对概率Hough变换耗费大量内存以及直线端点搜索容易受到网状聚集点干扰的缺陷,提出一种基于概率的局部Hough变换优化算法。将边界分为有序和无序两类,前者通过随机抽取采样点并结合其相邻点进行直线搜索,后者采用在随机抽取点周围建立感兴趣区域并进行局部Hough变换,检测到直线后进行全局搜索并实时修正直线斜率,对因网状聚集点产生的错误直线采用间隔计数和限制总间隔长度的方法进行排除。使用500张图片进行实验验证,算法耗时均低于概率Hough变换耗时的1/3,且对网状聚集边界点的直线错检具有较高抵抗性,检
其他文献
运用分步傅里叶变换法对适用于超短艾里脉冲的高阶耦合非线性薛定谔方程进行了求解,利用Matlab软件对超短艾里脉冲在单模光纤中传输时相互作用的演化过程进行了数值模拟。结
小波在空域和频域上均具有良好的局域化性能,适合于非平稳信号分析。在传统的小波变换轮廓术中,对基小波进行尺度伸缩,即调整子小波的中心频率,去匹配局部条纹,以获取对应的相位信息。但仅在局部位置对Morlet小波进行尺度伸缩不能最佳地提取局部相位信息。详细分析了振荡波形随高斯窗宽变化的复Morlet小波在条纹分析中的特点,提出了一种改进的小波处理方法。将所提方法的相位重建结果与基于代价函数的小波方法的相
针对传统的单幅图像去雾算法容易受到雾图先验知识制约及颜色失真等问题,提出了一种基于深度学习的多尺度卷积神经网络(CNN)单幅图像去雾方法,即通过学习雾天图像与大气透射
研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,
基于Wollaston棱镜角剪切和Savart偏光镜横向剪切组合的可调光程的差分偏振干涉成像光谱系统,不仅可同时获取目标正交偏振分量的干涉图和二维空间图,而且可以通过调整Savart
近年来,EPnP算法作为一种相机位姿估计的解析算法,因其较低的计算复杂度而得到广泛的关注,但该算法对图像噪声的稳健性不强。提出了一种基于EPnP算法的迭代算法,即IEPnP算法。IEPnP算法保留了EPnP算法的主要思想,构造了4个虚拟控制点,利用弱透视投影模型获得相机的初始位姿,计算出虚拟控制点在相机坐标系下的坐标,然后通过高斯-牛顿法对虚拟控制点在相机坐标系下的坐标进行优化求解,最终通过解决绝
在数字散斑相关测量方法中,可靠的变形初值估计是获得亚像素精度的关键。利用标志点匹配技术,提出了一种新的变形参数初值估计法。该方法在散斑上粘贴反射系数极高的圆形标志点,为消除散斑背景对标志点提取的影响,提出一种改进的尺度不变特征转换算法,将极值点检测约束在显著的边缘区域,从而大大减少冗余特征点的提取,最后通过单应性变换得到全场变形,进而使得感兴趣区域中各像素点快速完成初值估计。制作散斑板子进行实验验
根据液体透镜稀疏孔径成像的特点,提出一种辐射状多子镜阵列结构;给出稀疏孔径成像的简化模型,通过多子镜结构的光瞳函数,得出调制传递函数的解析表达式;给出此多子镜阵列结构的具体分布形式,采用无量纲方法对结构参数进行约化;讨论2种辐射状多子镜阵列的结构情况,计算填充因子、冗余度、调制传递函数和其他特性参数;讨论参数扫描所表现的物理现象,并对比这2种阵列的结构特征和成像特性;对辐射状多子镜阵列结构和复合环