导读:本文包含了霍夫变换论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:霍夫,道路网,图像,边缘,颜色,目标,虹膜。
霍夫变换论文文献综述
王元宝,郝燕[1]（2019）在《基于霍夫变换的球状TEM图像的识别方法》一文中研究指出介绍霍夫变换原理以及球状图像的检测过程,利用Matlab软件设计程序识别球状TEM图像,通过实例说明,利用霍夫变换找圆算法可以实现对TEM图像中圆形粒子大小以及位置进行识别。(本文来源于《化学教育(中英文)》期刊2019年22期）
张礼,魏宇星,张建林,徐智勇[2]（2019）在《基于Harris角点与广义霍夫变换的扩展目标稳定跟踪算法》一文中研究指出针对基于广义霍夫变换类的扩展目标跟踪算法在跟踪时要求提取出准确的边缘轮廓,及冗余的边缘点导致算法的速度下降等问题,提出一种结合Harris角点与广义霍夫变换的扩展目标跟踪算法。首先,在当前帧提取目标的Harris角点并计算每个角点的梯度角;然后,建立当前帧跟踪点与Harris角点的R-table表,R-table表建立了跟踪点与角点的空间位置关系;最后,在下一帧来临时,通过提取的Harris角点与上一帧建立R-table表就可以计算出该帧的跟踪点坐标。实验结果表明,提出的算法在速度上能够达到10fps,比前者快了一个数量级且能够一定程度适应目标在运动过程中出现的尺度和旋转等变化。(本文来源于《国外电子测量技术》期刊2019年09期）
辛超,刘扬[3]（2019）在《基于概率霍夫变换的车道线识别算法》一文中研究指出为满足在高精细导航电子地图中进行车道线绘制的需求,本文提出一种基于概率霍夫变换的车道线识别算法。算法在图像预处理部分使用一种基于转换颜色空间的方法提取车道线像素,之后利用自适应阈值的Canny边缘检测算法和概率霍夫变换算法实现车道线识别。试验结果表明,本文算法的运算速度维持在2秒/帧;识别正确率与Matlab经典Hough算法相比提升9%左右,漏检率也有所降低。同时拍摄质量较差图像的针对性试验结果,也证实了本文算法能有效降低天气和光照等因素对车道线识别造成的影响。(本文来源于《测绘通报》期刊2019年S2期）
汪涛,成孝刚,李德志,吕泓君,李海波[4]（2019）在《基于霍夫变换与角点检测的叶脉特征提取算法》一文中研究指出叶脉特征提取对植物的基因研究具有重大价值,叶脉的特征体现了叶片的各种信息。而叶脉的角度信息直接反映了叶脉生长的方向和叶片顶端、底端的生长形态。因此,为了克服现有算法的局限性,提出一种基于霍夫变换和角点检测的叶脉特征提取算法。该算法首先通过霍夫变换搜索主叶脉,通过筛选得到主叶脉大致所在直线,继而得到叶片顶端、底端坐标;然后通过角点检测的方法搜索主叶脉与次叶脉的交点,再以获得的交点为起点,以区域增长法搜索叶片,以进一步提取主叶脉和次叶脉的坐标等参量,同时测得角度特征,包括主叶脉与边界夹角和主次叶脉夹角。利用瑞典白杨树叶(12 000片)对该算法进行验证,结果表明该算法在主次叶脉提取及其角度检测方面效果良好。(本文来源于《计算机技术与发展》期刊2019年11期）
张汝祥,陈德林,季江伟,张伟昕,杨力[5]（2019）在《基于圆对称性和随机选点改进霍夫变换圆检测算法》一文中研究指出为了解决使用传统Hough变换圆检测算法存在计算量大、运行效率低以及检测精度不高等问题,文章提出了一种基于圆对称性和随机选点改进Hough变换圆检测算法。首先,根据圆对称性特点,求解出圆心坐标;然后,将圆心坐标回代入圆方程,求解出半径。为了增强抗噪能力,随机选取圆周上一定数量的边缘点进行求解,统计半径值,选择频数最高的半径值作为最终结果。在MATLAB环境中开展圆检测仿真实验,结果表明,提出的方法可以有效地提高圆检测精度。(本文来源于《科技创新与应用》期刊2019年14期）
黄宇豪,李晓丽[6]（2019）在《基于霍夫变换提取鱼眼镜头图像轮廓的算法及实现》一文中研究指出相比传统镜头,鱼眼镜头具有更大的视角,且由于其特殊的光学结构,拍摄的图像具有较大的畸变,而图像校正依赖于鱼眼镜头成像区域圆心和半径。提出了一种基于霍夫变换提取鱼眼镜头图像轮廓的算法。实验表明,相比传统轮廓提取算法,鱼眼镜头极大地缩短了轮廓提取所需要的时间,对成像区域外出现光晕、区域边缘存在黑色像素等特殊情况具备良好的检测性能,实时性高,具备实际应用价值。(本文来源于《科技与创新》期刊2019年08期）
姜成恒,王剑峰,王传旭[7]（2019）在《基于霍夫变换的数字水印算法在电子印章中的应用》一文中研究指出研究了以电子印章为载体的数字水印信息嵌入及提取技术,可应用于合同和官方文档的认证和防伪。提出了一种基于霍夫变换的印章数字水印算法,利用霍夫变换检测到待嵌水印的圆形印章圆环区域,对圆环区域进行编码,将数字水印信息进行二进制转换后,嵌入到印章中;对彩色打印输出的嵌入数字水印的印章经图像扫描并进行水印检测获得嵌入的数字水印信息,从而实现了在电子印章中的水印信息嵌入和提取。实验结果证明该算法能够适应电子印章的部分遮挡及不同类型的打印机的打印效果,具有良好的鲁棒性。(本文来源于《青岛科技大学学报(自然科学版)》期刊2019年02期）
李姗姗[8]（2019）在《复杂场景下基于霍夫变换的目标检测方法研究》一文中研究指出目标检测是计算机视觉领域中最基本、经典的研究问题之一,其检测的核心任务是对于获取到的视频或者图像,利用某种检测策略,给出图像或视频中特定目标的位置和大小尺寸。尽管目标检测在计算机视觉领域已获得丰硕的研究成果,但在不同的复杂应用场景中,检测的目标一般会受遮挡、姿态、视角、光照变化、非刚性形变等因素的影响而造成较大的外观变化,最终导致目标检测的性能下降。随着智能监控、自动驾驶、图像检索等实际应用需求的日益增长,如何在各种复杂应用场景中实现目标检测变得越来越重要和迫切。本文工作以霍夫变换算法为基础,依据不同复杂场景下待检测的目标图像的特点,用霍夫变换结合不同图像表达方式,构建满足不同复杂场景下的目标检测模型,实现鲁棒的目标检测。主要贡献总结如下:(1)基于霍夫变换算法,提出霍夫变换与简单几何变换结合实现围棋比赛图像棋盘目标检测任务。由于目前的霍夫变换算法检测棋盘存在局限性,比如围棋比赛后期大量棋子遮挡棋盘格,导致棋盘格检测性能下降。本文考虑围棋比赛场景的特殊性,可利用时序性。通常围棋比赛场景中,棋盘与摄像头的位置固定不变,霍夫变换适用于检测围棋比赛初期图像的棋盘格。首先利用霍夫变换算法检测开局的围棋图像的棋盘格,定位棋盘格的四个角点位置。基于上述条件,认为在整个比赛过程中,棋盘格的四个角点位置固定不变。利用比赛初期的棋盘格的四个角点位置,代替比赛过程中获取的每次棋子移动的围棋图像的棋盘格的四个角点位置。(2)本文提出了简单几何变换模型。对(1)中获取的棋盘格的四个角点坐标,利用本文提出的简单几何变换模型准确地检测出棋盘中19行19列的棋盘线与361个角点位置。实验表明,该方法对棋盘的多视角,棋子遮挡棋盘线等问题具有很好的检测结果。(3)将霍夫变换圆检测应用于棋子检测上。仅仅利用颜色空间会导致棋子检测结果的不稳定性。本文提出霍夫变换检测圆与颜色空间相结合的方法实现棋子检测。先利用霍夫变换检测圆来定位棋子的位置,再对颜色空间进行K-Means聚类来检测棋子的类别,是白棋,黑棋还是空子。该方法对于光照不均匀的围棋比赛图像具有很好的鲁棒性。(4)以加权霍夫投票目标检测框架为基础,提出了基于改进的加权霍夫投票检测框架,用于多视角车辆检测任务。首先,提出一种基于卷积神经网络CNN(Convolutional Neural Network)高层特征的局部图像块描述子,然后,利用霍夫森林对本文提出的局部图像块进行聚类生成视觉单词,最后,对多视角的目标进行不同视角下的有区别的加权投票,确定目标中心。实验结果表明,基于CNN的局部图像描述子具有更强大的图像特征和目标表达方法,本文提出的方法与加权霍夫投票的多视角车辆检测结果相比具有更好的检测性能。(本文来源于《安徽大学》期刊2019-03-01）
田子林,陈家新[9]（2019）在《基于最小二乘法与霍夫变换的虹膜定位算法》一文中研究指出为解决定位虹膜内外边缘时因轮廓信息不足会出现的定位不准确或者失败问题,提出一种采用霍夫变换与最小二乘法相结合的定位算法。首先使用形态学开操作减少图像中孤立的小点,并利用自适应阈值算法二值化图像;然后使用形态学闭操作补充小缝隙平滑图像边缘,再利用Canny算法提取图像边缘信息;最后根据内边缘与外边缘的差异性分别使用霍夫变换和最小二乘法定位虹膜内外边缘。经实验对比分析,该方法与传统算法相比,能更快速、准确地定位虹膜。(本文来源于《电子技术应用》期刊2019年02期）
崔晓杰,王家耀,巩现勇,武芳[10]（2018）在《基于改进霍夫变换的环形交叉口识别方法》一文中研究指出空间分布模式识别对地图综合、地图匹配等具有重要意义。环形交叉口是道路微观环形模式的典型代表。本文以改进的霍夫变换检测矢量圆环为基础,提出一种环形交叉口的几何识别方法。该方法将环形交叉口的识别分为环路识别和支路识别两部分,首先通过圆环识别、均匀度优化及相似度优化3个子过程识别环路,然后再通过连通性判别、支路分类和组合支路补充3个步骤提取支路。选取英国某区域道路网数据进行测试,结果表明,本文方法能够有效识别道路网中的环形交叉口,且召回率和准确率均高于对比方法。(本文来源于《测绘学报》期刊2018年12期）
霍夫变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对基于广义霍夫变换类的扩展目标跟踪算法在跟踪时要求提取出准确的边缘轮廓,及冗余的边缘点导致算法的速度下降等问题,提出一种结合Harris角点与广义霍夫变换的扩展目标跟踪算法。首先,在当前帧提取目标的Harris角点并计算每个角点的梯度角;然后,建立当前帧跟踪点与Harris角点的R-table表,R-table表建立了跟踪点与角点的空间位置关系;最后,在下一帧来临时,通过提取的Harris角点与上一帧建立R-table表就可以计算出该帧的跟踪点坐标。实验结果表明,提出的算法在速度上能够达到10fps,比前者快了一个数量级且能够一定程度适应目标在运动过程中出现的尺度和旋转等变化。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
霍夫变换论文参考文献
[1].王元宝,郝燕.基于霍夫变换的球状TEM图像的识别方法[J].化学教育(中英文).2019
[2].张礼,魏宇星,张建林,徐智勇.基于Harris角点与广义霍夫变换的扩展目标稳定跟踪算法[J].国外电子测量技术.2019
[3].辛超,刘扬.基于概率霍夫变换的车道线识别算法[J].测绘通报.2019
[4].汪涛,成孝刚,李德志,吕泓君,李海波.基于霍夫变换与角点检测的叶脉特征提取算法[J].计算机技术与发展.2019
[5].张汝祥,陈德林,季江伟,张伟昕,杨力.基于圆对称性和随机选点改进霍夫变换圆检测算法[J].科技创新与应用.2019
[6].黄宇豪,李晓丽.基于霍夫变换提取鱼眼镜头图像轮廓的算法及实现[J].科技与创新.2019
[7].姜成恒,王剑峰,王传旭.基于霍夫变换的数字水印算法在电子印章中的应用[J].青岛科技大学学报(自然科学版).2019
[8].李姗姗.复杂场景下基于霍夫变换的目标检测方法研究[D].安徽大学.2019
[9].田子林,陈家新.基于最小二乘法与霍夫变换的虹膜定位算法[J].电子技术应用.2019
[10].崔晓杰,王家耀,巩现勇,武芳.基于改进霍夫变换的环形交叉口识别方法[J].测绘学报.2018
论文知识图
