隧道干擾槽壁面，水泥顆粒，標(biāo)準(zhǔn)施工線的存在，結(jié)合光的影響，對(duì)檢測(cè)電纜造成很大困難。于缺乏一般算法難以克服各種干擾，而邊界特征電纜，算法的集成和改進(jìn)提出了結(jié)合Hough的變換來確定多個(gè)電纜面積 - 功能。先，使用背景減法或確定感興趣區(qū)域和漸變梯度圖像，漸變特征和鄰域來進(jìn)行邊緣檢測(cè)，以給出一組邊界圖;最后，在圖4的整個(gè)范圍內(nèi)，從邊界提取變換的修改的霍夫。驗(yàn)表明，該算法可以適應(yīng)上下文和目標(biāo)的復(fù)雜變化，滿足實(shí)時(shí)傳感電纜的要求。鍵詞：極限位置，感興趣區(qū)域，多功能融合，礦用電纜Hough變換DOIDOI：10，11907 / rjdk.171934 CLC：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)產(chǎn)品編號(hào)：16727800（2017）011 019 304概述為了確保電纜隧道不被損壞，需要長(zhǎng)時(shí)間手動(dòng)進(jìn)行常規(guī)電纜表面檢查和電纜扎帶。
　　于人眼的疲勞和情緒的影響[1]，不是電纜的長(zhǎng)期損壞得到有效解決，自動(dòng)檢測(cè)的有效搜索和精密技術(shù)具有重要意義。段區(qū)域是檢測(cè)電纜，裂縫的存在，水泥顆粒，隧道壁表面作為標(biāo)準(zhǔn)線的構(gòu)造以及不均勻的亮度分布電纜表面的必要步驟，在均勻照明和陰影的同時(shí)，傳統(tǒng)的方法無法達(dá)到預(yù)期的效果。見的圖像分割[2]，以及基于區(qū)域[3]的方法，特定理論的邊緣閾值[45]。離邊緣對(duì)噪聲很敏感，噪聲應(yīng)用于較小的，不太復(fù)雜的基于圖像的[6]。常認(rèn)為灰度值本身的常規(guī)像素分割閾值對(duì)于噪聲的該因子[7]的空間特性不被認(rèn)為是非常敏感的。大目標(biāo)在[8]處沒有劃分高產(chǎn)量時(shí)，基于區(qū)域分離確定分割方法中的種子點(diǎn)。要分割特殊理論的基本問題是時(shí)間過長(zhǎng)，其部分圖像分割算法是一種節(jié)省時(shí)間的聯(lián)合趨勢(shì)[8]。年來，一些研究人員提出了改進(jìn)的算法。[9]，其中組合檢測(cè)目標(biāo)多目標(biāo)檢測(cè)直方圖算法進(jìn)行目標(biāo)檢測(cè)，檢測(cè)可以實(shí)現(xiàn)實(shí)時(shí)性要求，理想處理效果。是當(dāng)目標(biāo)和灰色的背景時(shí)，類似的紋理會(huì)受到過度分割。Akash [10]提出了一種算法，用于K-means和螢火蟲算法的組合，可以快速有效地分割復(fù)雜的多目標(biāo)圖像，但目標(biāo)識(shí)別的極限和噪聲影響不良。然電纜與墻面復(fù)雜，但電纜的層次和邊界壁較小，梯度較大，單場(chǎng)分布較大。

　　
　　于這些特征，預(yù)處理第一圖像以確定感興趣區(qū)域，然后穿過灰度合并，梯度場(chǎng)特征，每個(gè)標(biāo)記像素的假定輪廓像素。
　　定邊界的連續(xù)性，使用霍夫變換提取極限的噪聲的并聯(lián)電阻和分散性分布。于標(biāo)準(zhǔn)霍夫變換需要較長(zhǎng)時(shí)間，不能滿足視頻圖像實(shí)時(shí)檢測(cè)的要求，因此可以更好地改造霍夫算法。換Hough Hough變換是一種常見的不連續(xù)邊界檢測(cè)方法，其基本思想是圖像的空間和對(duì)偶參數(shù)空間的點(diǎn)。標(biāo)空間的XY圖像由點(diǎn)（xi，yi）滿足直線：yi = axi b（1）其中a，b分別表示原點(diǎn)處的斜率和縱坐標(biāo)。考圖1，公式（1）的參數(shù)化子類型可以表示為：ρ=xicosθ yisinθ，0≤θ≤π（2），可以在共線點(diǎn)圖像空間中看到圖1和2對(duì)應(yīng)于兩條線的點(diǎn)p處的參數(shù)空間。句話說，虛線的圖像共線空間參數(shù)空間對(duì)應(yīng)于交叉。于坐標(biāo)系的每個(gè)像素（x，y）XY，作為離散的，在ρθ平面量化為幾個(gè)小單元的范數(shù)霍夫參數(shù)變換空間是對(duì)應(yīng)于不同的p thetav的量化值的順序計(jì)算值，并且投票的相應(yīng)小量化細(xì)胞。票峰值空間檢測(cè)量化參數(shù)，相應(yīng)的峰值（ρ，θ）是線性方程加上共線圖像場(chǎng)參數(shù)的點(diǎn)數(shù)。除檢測(cè)到的峰值及其附近的一系列值，然后繼續(xù)檢測(cè)直到它檢測(cè)到直線以滿足所有要求為止。

　　
　　種強(qiáng)魯棒性算法，噪聲小，但計(jì)算，在極端情況下，計(jì)算復(fù)雜度為O（N3）。
　　1線性檢測(cè)算法對(duì)變換后的Hough圖像進(jìn)行預(yù)處理，考慮空間濾波，頻域?yàn)V波等雙面濾紙中的高斯濾波低通濾波方法。是一個(gè)線性平滑濾波器，根據(jù)高斯函數(shù)的判定值的形狀，正態(tài)分布非常有效地濾除噪聲，適當(dāng)選擇濾波器的截止頻率可以更好地D0。算法的結(jié)果和性能分析的效率，環(huán)境的延時(shí)體驗(yàn)：IntelCorei5，3.20GHz，512G內(nèi)存，Matlab R2012b軟件環(huán)境。旦電纜到提取邊界，電纜充電區(qū)域。擇的6個(gè)視頻幀包含所有類型的干擾，237和607將如圖所示進(jìn)行處理。法算法[9]和[10]提出的比較，圖4和圖5，6.實(shí)驗(yàn)結(jié)果表明，當(dāng)背景為灰色時(shí)，紋理類似于目標(biāo)或嘈雜區(qū)域，背投影直方圖方法和螢火蟲算法K-means算法以及目標(biāo)區(qū)域的組合不能沒有準(zhǔn)確定位，識(shí)別結(jié)果是粗糙的邊界，沒有擺脫陰影的影響，所提出的算法處理效果更加理想，可以準(zhǔn)確定位目標(biāo)區(qū)域和強(qiáng)大的抗噪能力。驗(yàn)證算法的老化時(shí)間性能，選擇第一個(gè)代表性視頻圖像分析6.51，159，237，652，在表1中進(jìn)行標(biāo)準(zhǔn)Hough變換和Hough變換，改善運(yùn)行時(shí)間，比較結(jié)果。線提取部分可見Hough的改進(jìn)增強(qiáng)，大大降低了轉(zhuǎn)換霍夫時(shí)間標(biāo)準(zhǔn)的標(biāo)準(zhǔn)。外，當(dāng)提取前端部分平均限制為24 ms時(shí)，提取總限制約為35~45 ms，采樣率為20 / s，并能滿足實(shí)際需要項(xiàng)目。
　　論這種針對(duì)復(fù)雜背景的獨(dú)特功能無法準(zhǔn)確檢測(cè)目標(biāo)區(qū)域的問題，一種多功能融合的方式，盡可能顯示端點(diǎn)的第一個(gè)目的，然后提取所需的限制。挖掘限制時(shí)，標(biāo)準(zhǔn)問題對(duì)于Hough變換消耗過多，我們提出了一個(gè)基于兩票Hough變換塊的公式來實(shí)現(xiàn)實(shí)時(shí)檢測(cè)要求。驗(yàn)結(jié)果表明，所提出的復(fù)雜壁底電纜檢測(cè)算法對(duì)一般算法的檢測(cè)結(jié)果有很大提高，以滿足實(shí)時(shí)檢測(cè)技術(shù)要求。
　　本文轉(zhuǎn)載自
　　電纜價(jià)格 http://