基于矩的亚像素边缘检测算法的对比研究

基于矩的亚像素算法在众多亚像素算法中是最成熟有效的算法之一.本文对三种基于矩的亚像素算法进行了分析,并对灰度矩算法所出现的边缘判定问题进行了研究及改进.最后对三种矩算法进行了检测性能对比,为实际情况下亚像素边缘检测算法的选取提供了参考.     

基于正交Fourier-Mellin矩的改进亚像素边缘检测算法

提出一种改进的亚像素级边缘检测算法,该算法先用像素级边缘检测算子(Canny算子)定位所有可能的边缘点位置,再利用正交Fourier-Mellin矩(OFMM)算子的低径向阶与旋转不变特性在已有像素级边缘位置上进一步定位亚像素级边缘位置。实验表明,同等条件下该算法运算效率较高,不仅具有较高的检测精度(小于0.2 pixel),且算法耗时较短。     

基于亚像素边缘定位点查找表的检测算法

提出了一种新型的测量图像快速亚像素边缘检测方法。首先通过计算机模拟仿真,找出图像边缘处灰度落差与边缘点偏移之间的规律性,建立了一个由灰度落差得到边缘亚像素定位点的查找表;然后结合改进的Sobel检测算子和十字窗检测法将图像边缘检测精度达到像素级,并应用查找表实现了亚像素级的检测精度。实验表明:该方法不仅得到了较高的检测精度,定位精度为0.3pixels,而且可以大大地提高检测速度。     

基于Zernike正交矩的图像亚像素边缘检测算法改进

介绍了Zernike矩及基于Zernike矩的图像亚像素边缘检测原理, 针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足, 提出了一种改进算法. 推导了7×7 Zernike矩模板系数, 提出一种新的边缘判断依据. 改进的算法能较好检测图像边缘并实现了较高的边缘定位. 最后, 设计了3组不同的实验. 实验结果同Canny算子及Ghosal算法相比, 证明了改进算法的优越性.     

一种利用Roberts-Zernike矩的亚像素边缘检测方法

亚像素软件处理技术可以在一定程度上提高图像测量系统的精度,针对Zernike矩的亚像素边缘检测存在计算量大和边缘定位精度低等不足,提出了一种基于Roberts-Zernike矩的亚像素边缘检测方法,在提高精度的同时减少了运行时间。实验结果表明,该方法测量精度高、定位精确,具有良好的抗噪性能和处理效率。     

高分辨率PCB图像亚像素边缘检测算法

针对高分辨率工业印刷电路板PCB图像的直方图和边缘特征进行了统计分析,提出了一种基于直方图统计的双门限选择方法进行像素级边缘定位,然后根据亚像素原理把像素级边缘校正到亚像素精度的快速亚像素边缘检测算法。与插值、空间矩以及曲面拟合等传统亚像素边缘检测算法的对比实验结果表明,本文算法在检测精度上达到0.066个像素,满足检测精度的要求,并在计算速度上具有较大优势。     

基于改进Zernike方法实现圆形边缘亚像素检测

在图像测量中,图像边缘的精确定位与检测是影响测量精度的关键。为了实现快速、高精度的图像边缘定位与检测,提出了一种改进的Zernike方法,采用四个方向模版Sobel算子对图像初处理,利用被测物的几何信息,只使用零阶矩实现对边缘的亚像素定位。实验结果表明改进算法比原算法具有更高的精度,而运行的时间不到原算法的1/4。该算法具有良好的处理效率,能够满足一般具有几何特征图像边缘实时、亚像素精度定位与检测的要求,具有广阔的应用前景。     

亚像素边缘检测算法比较

针对光学测量中传统边缘检测算法的定位精度低、对噪声敏感等缺点,文章主要比较基于径向基函数插值的亚像素边缘检测算法、基于高斯曲线拟合的亚像素边缘检测算法、基于密度函数估算的亚边缘检测算法等几种边缘检测算法的定位精度,实验分析这几种算法存在的优缺点。     

基于气门油封的亚像素边缘检测

针对气门油封的尺寸检测问题, 本文提出了一种基于Zernike矩改进算法的亚像素边缘检测方法. 首先, 对比分析了高斯滤波和双边滤波的预处理效果, 结果表明双边滤波在滤波和保留边缘信息方面具有更好的表现. 然后, 采用Canny算子进行边缘粗定位, 并利用自适应的Zernike矩过度模型进行亚像素级定位. 最后, 采用最小二乘拟合圆法获取圆心坐标和半径. 经试验证明, 优化后算法的边缘定位平均误差更小, 精度更加准确.     

亚像素边缘检测算法在刀具参数检测中的应用

传统边缘检测算法定位精度低、效率低并且对噪声比较敏感,已经不能满足工业生产的需求.基于此,本文提出了基于拟合的亚像素边缘检测算法--五次多项式拟合亚像素边缘检测算法.该算法首先在待测边缘附近取一系列的点,求得这些点的灰度值,通过五次多项式曲线对灰度曲线进行拟合,求得五次多项式的二阶导数为零点即为亚像素位置.并对五次多项...     

一种新的漫射边缘亚像素检测算法

分析了漫射边缘的特征及其在亚像素边缘检测中存在的主要问题,针对目前亚像素边缘检测算法不适于漫射边缘的亚像素检测的问题,提出了一种新的针对漫射边缘的亚像素边缘检测算法.该算法充分利用了漫射边缘中的有效信息,在计算上具有通用性及简易性.同时,引入了高斯卷积平滑的预处理方法及Sobel算法对图像像素进行粗筛选,从而进一步提高了该算法的计算速度和精度.并且通过实验,验证了该算法的有效性及优越性,并分析了误差产生的原因.     

蚁群算法在图像边缘检测上的应用研究

将蚁群算法应用于图像边缘检测,提出了一种利用灰度梯度引导的蚁群搜索图像边缘的算法,其核心思想是利用图像的灰度梯度作为启发信息,并加入运动方向改变量,引导蚁群搜索边缘,迭代搜索可能的局部边缘曲线。通过对蚂蚁行走过路径上的信息素分布进行更新,使得分布在真实边缘上的信息素逐渐增大,从而使搜索逐渐向真实的边缘收敛,最后根据信息素的遗留结果提取的边缘曲线。此算法可有效抑制噪声干扰,最大限度的保留细节信息,以达到有效提取图像边缘的目的。同时在灰度提取及蚁群的选择上较已有相关算法有较大改进,并分析效果指出不足和进行相关的改进的方向。     

尺寸测量中的边缘检测算法研究

主要介绍了一种改进的边缘检测算法及相应计算模板和公式,并对算法的误差进行了分析。因为传统的边缘检测算法在理论上较成熟,但在实际应用时可操作性较差。所以针对零件图像测量的实际应用情况,使用基于Sobel算子的改进的方向算子,对灰度图像进行处理得到梯度图像。综合应用其他算法,实现了对目标边缘的准确检测。然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算,对目标边缘进行亚像素精确定位。在文章的最后,用实例说明了本算法的可行性。     

基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

基于微积分法的虹膜边缘检测技术的研究

当前社会,人们对于身份安全越来越重视,尤其是在一些高度保密或者涉及个人隐私方面的场合,一对一的身份识别显得尤为重要。而虹膜识别恰好具备高效、不易被仿造等特点,使其作为一项身份识别技术被推向了热潮。图像边缘检测一直是图像处理中的经典研究课题,也是至今仍没有得到圆满解决的一类问题。因此,探讨获取图像的边缘和轮廓的问题,是图像工程师们的重中之重。而虹膜识别技术中的边缘检测也如上所说是重要的一项技术,虹膜的内外边界可以近似地用圆来拟合。内圆表示虹膜与瞳孔的边界,外圆表示虹膜与巩膜的边界,但是这两个圆并不是同心圆。而如何更好、更准确地且不受外界干扰以及图像模糊情况下仍能较为有效地进行内外圆的边缘检测是研究的重点。文中就微积分法用于虹膜边缘检测方面展开了研究。     

基于边缘连续性的边缘检测算法

针对传统的边缘检测算法抗噪能力弱、弱小边缘难以检测以及边缘图像容易出现断层等问题,本文提出了一种新的边缘检测算法。该方法首先对边缘进行提取,然后进行边缘连接。边缘是图像灰度突变的反应,像素点的梯度以该像素点为对称中心,由对称位置灰度有明显变化的像素点的个数加权得到。对梯度较大的像素点计算其方向,通过像素点方向的连续性进行边缘提取。为了克服边缘图像出现断层的缺陷,利用蚁群算法进行边缘连接 。实验结果表明,该方法有较强的抗噪能力,尤其对椒盐噪声,且可以有效地检测出灰度变 化不明显的边缘。     

基于灰色加权绝对关联度的边缘检测算法

探讨了灰色关联度计算方法在边缘检测中的适用情况,提出并实现了基于灰色加权绝对关联度的灰度图边缘检测算法。实验结果表明在基于灰色系统理论的边缘检测过程中采用加权灰色绝对关联度其效果明显优于采用一般关联度,该算法为基于灰色系统理论的边缘检测的新思路做出了有益的发展和补充。