视觉测量中椭圆特征亚像素提取方法的研究

椭圆是视觉测量中重要的基元特征。建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由随机Hough变换提取椭圆边缘像素点,最后采用基于最小二乘原理的椭圆拟合边缘提取方法,得到亚像素级被检测椭圆。对像面椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面椭圆亚像素提取算法具有较高的精度和稳定性。     

基于奇异值分解的橡胶密封圈表面缺陷检测方法

为解决橡胶密封圈表面缺陷人工检测效率低,缺陷提取困难等问题,提高橡胶密封圈缺陷在线检测速度及准确率,提出一种基于机器视觉的橡胶密封圈表面缺陷检测方法。该方法采用多相机多线程图像采集模式,采集橡胶密封圈的上下表面不同位置的局部图像;对图像自适应中值滤波后进行边缘增强,并使用高斯差分算子提取轮廓粗边缘,利用Zernike 矩获取亚像素边缘位置;针对边缘存在不连续点问题,使用Ceres库多项式拟合,估计断点位置,并更新所有边缘位置;根据边缘位置寻找出整张图像中橡胶密封圈表面图像区域,并将该环形兴趣区域映射到矩形区域中;将获得的图像进行奇异值分解（SVD）,并通过连通域分析,提取出图像中的奇异区域,即存在缺陷的位置。经实验验证,基于奇异值分解的橡胶圈表面缺陷检测方法鲁棒性好、效率高,可以快速准确地寻找出橡胶密封圈表面缺陷信息。     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

基于改进模板匹配及像素相加法的芯片极性二级检测方法

针对PCB板缺陷检测中的芯片极性检测问题,文中提出一种结合感兴趣区域提取,改进模板匹配以及像素相加法的芯片极性二级检测方法。该方法首先通过先验知识提取感兴趣区域,并提出改进模板匹配实现对芯片位置快速准确地定位,随后引入直方图匹配及中值滤波对芯片图像进行预处理,最后提出基于像素相加法的二级检测方法实现二值化芯片图像的极性判断。实验结果表明,文中提出的方法在芯片定位及极性检测方面都有更高的准确性。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

基于机器视觉的陶瓷砖表面缺陷快速检测方法的研究

为了提高陶瓷砖表面缺陷检测效率,提出了一种基于机器视觉的表面缺陷检测方法。采用了自适应中值滤波算法对表面图像进行预处理,利用形状匹配实现图像之间的对齐,采用Deriche亚像素分割算法实现了陶瓷砖边缘的精确分割,设计局部门限算法实现陶瓷砖表面缺陷图像的提取。实验结果表明：该方法可实现陶瓷砖表面缺陷的快速提取,效果较好。     

基于虚拟仪器的弹簧质量检测系统

针对传统弹簧检测方法的不足,开发了基于机器视觉的弹簧质量检测系统。该系统以LabVIEW为平台,结合线阵CCD采集弹簧展开图像进行图像处理和分析,实现了对弹簧表面缺陷的识别和尺寸测量。采用Zernike正交矩方法对弹簧图像进行边缘定位,得到亚像素级的弹簧长度、线径、节距值。试验表明,该系统检测速度快、精度高、可靠性更强。     

图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。     

车灯尺寸定位误差自动检测的新方法

本文提出一种新的车灯尺寸定位误差检测方法,利用图像边缘检测技术,提出轮廓跟踪的算法提取车灯图像的边缘,并采用曲线拟合算法进行分析,快速得到亚像素匹配点.实验结果表明,该方法能精确定位车灯图像边缘,提高了运算速度,优于传统的测量方法.     

基于数字图像的曲线磨床尺寸检测系统

传统的光学曲线磨床的加工尺寸主要是依靠光学投影法检测,这里提出了基于数字图像的方法,采用图像边缘检测、亚像素定位技术、边缘轮廓提取等图像处理技术,在美国NI公司的Labview平台下开发图像尺寸检测系统.     

基于预分割轮廓的CT图像亚体素表面检测方法

针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D Facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。     

亚像素精度的行星中心定位算法

为实现深空探测中对行星目标的光学自主导航,提出了亚像素精度的行星中心定位方法.首先,建立了导航相机和目标行星的坐标变换关系,结合光学成像理论分析了行星成像的边缘特性;提出使用行星图像有且仅有的一段半圆形边缘,通过圆拟合法实现行星的中心定位.然后,根据行星图像的边缘分布特征,改进了Canny算法以快速提取行星的真实边缘,并利用最大距离法提取半圆形边缘.最后,分析了传统高斯函数亚像素边缘检测算法的理论依据,基于成像理论提出了改进型高斯函数亚像素边缘检测算法,并通过圆拟合求得行星的亚像素中心.仿真和月亮实拍实验显示,改进型定位算法的精度达到了0.02和0.68 pixel,比传统插值算法约高0.03和0.21 pixel,在可靠性、定位精度、抗噪声等方面均满足深空探测的需要.     

基于非极大值抑制的圆目标亚像素中心定位

圆形目标在基于图像的测量系统中应用广泛,针对圆目标中心的高定位精度和快速提取的要求,提出了一种基于非极大值抑制的亚像素中心定位方法.该方法利用Sobel算子进行边缘检测,通过改进非极大值抑制方法获取连续细化的边缘,实现了像素级边缘定位,采用Zernike正交矩对边缘点进行亚像素级定位,并用最小二乘法进行二次拟合来获取精确的标志点的中心坐标.仿真图像和实测图像的实验结果验证了该方法的有效性和准确性,其定位精度可以达到0.02像素,通过测试算法的运行时间,证明该算法具有很好的实时性.     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

基于机器视觉的机械加工零件表面微缺陷检测方法

为提高微缺陷检测结果精度、提升机械加工零件外观质量，该文引进了机器视觉技术，以某机械生产制造单位为例，设计了一种针对零件表面微缺陷的全新检测方法。根据机器视觉技术的应用需求，搭建了集成工业相机、采集装置、照射光源等为一体的扫描装置，采集零件表面图像；对采集的原始图像进行均值滤波处理，去除图像中可能对缺陷区域的判别造成干扰的因素与噪声；采用阈值分割的方式，提取并划分机械加工零件表面的微缺陷区域；采用提取图像边缘算子的方法，计算零件表面原始图像与待检测图像之间的像素相关性，通过对零件表面微缺陷灰度性质点的匹配，完成检测方法的设计。通过对比实验证明：该方法不仅可以精准检测机械加工零件表面微缺陷，还可以检测到具体的缺陷类别。     

基于Sobel黑片图像亚像素边缘检测算法研究

本文提出一种基于Sobel黑片图像亚像素边缘检测算法。算法对传统Sobel算法进行了改进,并且和多项式插值法的改进的算法相结合。单像素边缘是通过对边缘梯度图像加上合理的权值和阈值的方法得到的,亚像素边缘定位通过多项式插值计算得到。该算法因为检测精度高而广泛的应用于黑片的在线检测。     

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法.基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测.仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快.     

基于机器视觉的硅钢板边浪平直度测量方法

针对硅钢生产过程中存在的边浪平直度难以检测问题,提出了一种基于机器视觉的硅钢板边浪平直度测量方法。在辅助光源照射下使用相机采集边浪图像信息,强化边浪的图像明暗特征,提高检测精度的同时实现非接触式测量。同时提出了一种基于轮廓检测的硅钢板边浪平直度算法,首先利用种子点生长法的思想对边浪区域进行轮廓定位;其次对图像进行 3 个尺度的高斯滤波,重建图像,增强轮廓细节;最后基于优化的 Canny 边缘检测方法对边浪实现自适应阈值轮廓提取,计算平直度,从而实现非接触式高精度边浪平直度测量。将平直度测量仪测量结果与该方法结果进行对比,结果表明,所提方法平直度测量误差不超过 0.05% 。     

视觉检测系统中亚像素边缘检测技术的对比研究

在视觉检测系统中,亚像素边缘检测的定位精度是其最终测量精度的关键,国内外很多学者对该问题进行了广泛的研究,提出了各种边缘检测的方法,但是各种方法的定位精度及抗噪声能力的优劣都自圆其说,难以验证.也有很多学者对各种算法进行了对比研究,但使用的评价图像与实际系统采集的图像相差甚远.本文根据视觉系统采集图像的原理生成理想图像,使用各种边缘检测算法对该图像进行亚像素边缘定位,以理想点坐标和实际采集的点坐标的均方差作为标准来比较各个算法的定位精度,并定量地加入噪声,分析各处算法的抗噪声能力以及计算时间.分析和讨论的结果为亚像素边缘定位技术的选取提供可靠依据.     

基于IMAQ的零件图像特征提取和识别

提出了基于IMAQ的提取零件图像特征的方法,该方法是使用边缘检测算子对零件图像进行边缘检测,然后把检测的图像分成若干个区域并统计各区域的边缘像素量,各区域中的相对边缘像素系数作为特征,利用神经网络实现识别。文中给出特征样本的实验结果,结果表明文中提出的方法能够有效地识别零件。