複雜場景中高維曲線的Hough變換檢測方法研究

《複雜場景中高維曲線的Hough變換檢測方法研究》是依託湖南大學，由郭斯羽擔任項目負責人的面上項目。

基本介紹

• 中文名：複雜場景中高維曲線的Hough變換檢測方法研究
• 項目類別：面上項目
• 項目負責人：郭斯羽
• 依託單位：湖南大學

中文摘要

Hough變換（HT）作為參數化曲線或模型檢測方法，因其強魯棒性和不依賴啟發式信息的特點套用廣泛。在複雜現實場景中，HT容易產生大量虛假結果，對高維曲線的檢測性能也有待提高。本項目腳牛符射主要研究：1.選擇適當圖像特徵，如梯度、紋理、視覺顯著性等，對HT投票過程加權以有效抑制虛假峰值，並找到有效加權特徵的快速提取方法；2.探索Hough空間分布的分析方法，獲取與HT檢測性能有關的空間分布特性，並據此實現HT參數的機盼汽器學習；3.基於己碑祖加權和隨機化等技術，尋找具有高時空性能和高檢測率的一般性高維曲線HT檢測方法，探索HT在高維曲線檢測任務中的適用性限度；4.尋找所提HT檢測方法的基於神經網路的硬體高效實現，並在兩個具體問題上進行套用研究。研究成果可豐富HT相關理論，對理解人類視覺系統的相關感知過程提供有益的啟發，並能克服HT的若干現有缺陷，拓寬其套用範圍，提升其套用前景。

結題摘要

Hough變換是一種套用廣泛的曲線檢測方法，但在複雜現實場景中，它容易產生大量虛假結果。對參與Hough變換投票的邊緣點進行加權，是一種有效的抑制虛假結果的途徑。本項目研究了多種Hough變換加權方法，提出了由多尺度下邊緣點處梯度方向的一致性所衡量的邊緣穩定性指標，並利用該指標進行加權；提出了類LBP運算元的多尺度鄰域最大同號圓精察蒸弧的朝向和弧度特徵，並利用平均弧度和平均朝向來進行加權；提出了利用顏色顯著性特徵的加權方法，可利用彩色信息對邊緣點進行加權。實驗驗證了上述加權方法的有效性。由於Hough變換算法常具有多個可調參數，因此本項目基於對Hough空間中峰值的分布的研究，提出了兩種Hough變換算法參數的粒子群尋優方法。第一種方法使用有監督學習方式，根據訓練集中標定的真實鑽遷員體曲線，確定Hough空間中對應參數點附近鄰域的能量比重，以之作為適應度函式完成粒子群最佳化；第二種方法直接以Hough空間中峰值分布的標準差作為適應度函式，並以之指導粒子群算法，對所處理的圖片進行參數的自適應調整。在套用研究對若干具體套用問題進行了拓展研究，提出了高效的二值圖像處理方法和骨架提取方法。項目所提出的方法，豐富了Hough變換曲線檢測領域的研究，對於Hough變換在複雜場景中的套用，以及Hough變換參數調整等實際套用中的難點提供了新的促斷歸思路和工具，將有助夜廈射於進一步提高Hough變換在更廣泛的套用領域中的適用性。