宋晨菲， 张 彤

(桂林电子科技大学 机电工程学院，广西 桂林 541004)

物体检测是机器视觉技术在工业领域的重点研究方向，广泛应用于工件检测、电子元器件检测，目的是从一幅图像中根据模板图检测目标是否存在并确定目标的准确位置。基于灰度的物体检测方法计算量过大，且易受光照环境的影响，不适用于实时应用。模板匹配的方式对不同物体存在旋转、缩放、遮挡等问题时适应性不好[1]。霍夫变换是一种基于二值图像检测直线或圆的全局性检测方法。广义霍夫变换(generalized Hough transform，简称GHT)算法[2]是霍夫变换算法的改进，用于从图像中检测出任意轮廓边界的物体，在图像目标识别应用中备受关注。在待检测图像中若物体存在尺度变化、旋转变换或噪声点时，算法的计算时间和内存将极大增加，这是广义霍夫变换在物体检测研究及应用中遇到的主要困难。为此，人们研究改进的GHT算法。Fung等[3]提出了随机广义霍夫变换(random GHT，简称RGHT)算法，减少了霍夫空间的投票数目，降低了时间复杂度，但该算法的检测精度在目标物体发生缩放变换或图像存在噪声时受到很大影响。胡方明等[4]将随机广义霍夫变换和模糊推理系统融合，提出模糊随机广义霍夫变(fuzzy random GHT，简称FRGHT)算法，但当被检测物体不规则边缘占比过大且有旋转变换时，算法的时间效率明显降低。雷芳等[5]采用多层图像金字塔思想对图像进行由粗到精的匹配。王彦等[6]根据设定的阈值，记录目标物体相关位置并通过GPU加速来检测多目标图像，但图像中存在较多噪声时精度明显降低。……