基于高斯积分曲面拟合的亚像素边缘定位算法

针对现有亚像素边缘定位算法存在精度不高、计算复杂的问题,提出一种基于高斯积分曲面拟合的亚像素边缘定位算法。根据单边阶跃状边缘特征,构建边缘法截线的高斯积分模型,在确定边缘过渡带的基础上,将拟合曲面区域内的像素点信息转化为边缘曲线的活动坐标,并对转化后的像素点坐标与灰度值按照高斯积分模型进行拟合,准确定位图像的亚像素边缘。采用所述视觉测量系统,用量块直线边缘进行实验,并与传统高斯曲面拟合亚像素边缘定位算法比较,证明基于高斯积分曲面拟合的亚像素边缘定位算法具有较高的定位精度,一等量块的直线度误差在1μm以内,计算速度提高一倍。采用该算法确定亚像素边缘时,可通过修正高斯积分模型的均值,有效补偿光源强度造成的误差。本算法可以应用于齿轮等高精度机械零件的测量。     

高精度光斑中心定位算法

光斑中心定位是光学测量中的关键技术之一,检测算法的精度和速度直接影响了测量的精度及速度,传统的检测算法如灰度质心法、Hough变换法等在检测精度或速度上存在不足。鉴于此,提出了一种高精度光斑中心定位算法,该算法不仅能定位光斑中心还能拟合出圆半径。用计算机生成的光斑和实验生成的光斑对该算法进行验证,并与其他传统算法进行比较,结果表明,该算法的误差小于0.5像素且比其他经典算法更精确。     

旋转测量状态下光斑中心定位方法

目前,对管道内腔为自由曲面的截面轮廓进行高精度测量是行业难题。拟将多个不同测量范围的激光位移传感器放置于管道内腔中,采用旋转的方式对内腔进行测量,将得到的测量数据进行归一化处理后获得被测管道内腔截面轮廓形状。分析测量过程中激光光斑的变化情况,针对光斑图像的多峰、散斑、平顶与形状变化等现象,提出了一种基于传统灰度重心法进行粗定位的距离倒数加权多项式插值亚像素光斑中心定位方法。采用中值滤波对光斑图像进行预处理,通过自适应阈值分割法从环境背景光强中分离出光斑中心定位区域。通过MATLAB仿真与灰度重心法、加权灰度重心法与高斯拟合法传统光斑中心定位方法相比,结果表明,光斑中心定位精度达到0.01 pixel,在激光光斑中心定位精度和稳定性方面有一定的改善,明显优于传统的光斑中心定位算法。     

基于亚像素边缘的椭圆中心检测方法研究

在椭圆边缘粗定位的基础上,根据椭圆粗定位信息及图像边缘梯度方向附近点的灰度分布特征,进行高斯拟合获取精确的亚像素边缘点,对亚像素边缘点进行最小二乘拟合,得到精确的椭圆中心位置。实验证明,该算法对椭圆中心定位精度和稳定性有较大提高,并有很好的实时性。     

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。     

基于双曲正切的亚像素边缘检测方法及评价

精确定位图像边缘是保证视觉测量精度的基础。根据物体图像边缘的灰度分布特点,本文提出一种亚像素边缘检测方法,采用双曲正切函数对图像边缘的灰度分布进行拟合,通过最小二乘法得到边缘的亚像素位置。对提出的边缘检测方法的精度进行了评价,以高精度棋盘格的尺寸测量误差作为准则,采用实际边缘并结合摄像机标定技术,考虑了镜头畸变和透视失真等因素。试验表明,提出的双曲正切法检测亚像素边缘相比空间矩法和梯度插值法具有更高的精度,同时能够满足机械工业中的实时测量需求。     

光切法形貌测量中光条中心的亚像素提取

为了在光切法三维形貌测量中快速准确提取光条的中心位置,保证测量精度,研究了一种光条中心的亚像素提取方法。将图像的灰度视为关于坐标的二维函数,在CCD拍摄的激光光条图像中求取灰度的偏导数和梯度,图像中每一点的梯度代表此点的灰度变化方向,将此方向简化为光条上的点的法线方向。对梯度的大小设定阈值并结合该点的灰度信息,提取图像灰度变化最激烈的部分,即光条饱和带的像素位置。对光条饱和带的每个像素,按照不重复计算的原则在梯度方向上和规定邻域内求灰度中心,得到精确到亚像素级的光条中心位置。此方法将光条曲线的法线方向简化为灰度的梯度方向,省去了求海赛矩阵以确定法向的步骤。实验证明,同等条件下,该方法的计算耗时为常规亚像素提取方法的10%。利用该算法进行实际测量,在200mm×200mm测量范围下,误差(3σ)为0.057mm,满足了测量对精确性和实时性的要求。     

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.     

基于机器视觉的铆接孔几何参数测量

为解决传统方法测量铆接孔几何参数效率低、准确性差等问题,提出基于机器视觉的铆接孔几何参数测量方法。该方法使用CCD相机采集孔的特征信息,通过灰度处理、双边滤波及直方图均衡化,降低颜色、噪声对图像的影响,使用粒子群算法优化Otsu双阈值分割提取感兴趣区域。使用Zernike矩亚像素边缘检测代替传统边缘检测算法,提高边缘检测精度,再通过形态学处理弥补像素损失。采用改进随机Hough变换(Improved Randomized Hough Transform, IRHT)提取特征,实现孔的中心坐标和半径测量,利用像素当量标定,将像素测量值转化为物理尺寸。经实验验证,该方法测量两孔间距误差小于2%,测量半径为2mm的铆接孔误差小于4%,优于质心法、圆拟合等传统测量方法。     

基于边缘几何特征的高性能模板匹配算法

基于灰度相关的模板匹配算法在很多情况下难以得到准确的匹配结果,提出一种基于边缘几何特征的高精度模板匹配算法.利用曲面拟合方法获得边缘的梯度方向和亚像素坐标作为匹配信息,采用图像金字塔的搜索策略对算法加速,最后利用最小二乘平差理论得到亚像素级的定位精度和精确的旋转角度信息.实验表明,对于目标旋转、均匀或非均匀变化的光照、部分遮挡的情况下可以得到良好的匹配结果,而且在保证高精度的同时算法可以满足实时性要求,重复定位精度优于商业化软化包MIL8.0的GMF算法.     

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。     

基于邻域特性分析的小模数齿轮亚像素图像边缘检测

针对高分辨率小模数齿轮图像中边缘灰度梯度呈双峰或多峰分布的问题,提出一种基于邻域特性分析的小模数齿轮图像亚像素边缘检测算法。算法以邻域窗口的灰度均方差积表示边缘强度、灰度重心所在的方向表示灰度变化的方向;通过阈值化、非极大值抑制和边缘细化等获取初始边缘;在初始边缘的基础上将求取的灰度变化方向划分为八个区域,构建一维灰度矩模型解算亚像素边缘位置。为验证算法的有效性,分别以模拟图像与实际图像为对象进行亚像素边缘检测实验,根据齿轮边缘特性以最小二乘拟合法评价算法对齿轮图像的检测效果。实验结果表明,该算法具有曝光敏感度优、绝对定位精度高、重复性好的优点。     

正交分光成像系统实时多光斑亚像素定位研究

正交分光成像系统在高频动态坐标测量中具有独特优势。针对其在高频测量条件下数据量大,光斑坐标难以实时提取的问题,提出了一种基于现场可编程门阵列(FPGA)的实时多光斑峰值位置亚像素定位算法。首先设计与光斑光强分布相近的模板,通过模板匹配解决了原始图像中因噪声导致的峰值抖动问题;其次对匹配后的图像进行阈值比较并生成窗口信号,对窗内像素进行高斯拟合,拟合中心作为光斑峰值亚像素坐标。计算中充分利用FPGA并行处理的特点,采用流水线设计实现了硬件加速。实验表明,该算法可实现对多光斑位置的实时提取,光斑重复定位极差小于0.1像素,标准差为0.014像素,分辨力达亚像素级别。     

视觉测量中亚像元图像特征定位算法

提出一种利用Facet模型进行图像特征高精度定位的新方法。通过构造一组二维的正交多项式基底,能快速拟合Facet模型的曲面参数方程来表示图像灰度分布,再沿曲面上最大梯度方向的二阶导数的零交叉高精度定位图像角点和边缘特征。该方法采用拟合方法代替插值方法,能减少对噪声的敏感,可提高曲面小片构成的灵活性与边缘检测的精度及计算效率。通过对多幅不同真实图像进行试验验证,结果证明该方法稳定可靠、精度较高,能在视觉测量中有效地提高测量精度。     

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.     

LED显示屏相机采集影像渐晕的修正

为了克服相机影像渐晕在LED显示屏逐点一致化校正过程中带来的不均匀性缺陷,从相机影像发生渐晕时的灰度分布规律出发,提出了一种基于图像平滑滤波算法的修正方法。介绍了CCD对LED显示屏进行数据采集和成像的原理;在分析其成像稳定性的基础上,描述了空域平滑滤波的原理,并选取模板对CCD采集得到的LED像素亮度空间分布做邻域平均平滑处理,得到了代表相机影像渐晕分布的曲面。最后,介绍了利用该曲面实现影像复原的算法。实验结果表明:经过对相机影像渐晕修正以后,可以使LED显示屏的显示均匀性偏差由12.9%缩小到0.73%,克服了修正前LED显示屏"中心暗、四周亮"的缺陷,达到了理想的校正效果。     

激光CCD二维自准直仪中圆目标中心精确定位算法

提出一种新的激光CCD二维自准直仪中圆目标中心精确定位算法。该算法采用变结构元多尺度广义数学形态学滤波算法滤除图像噪声,由Zernike矩定位算法得出目标轮廓的亚像素位置,用最小二乘拟合法精确获取圆目标的中心位置,并进行了实验。结果表明:该算法稳定性好,定位精度高,应用该算法后自准直仪的测量分辨力提高了10倍,在±2'测量范围内测量不确定度优于0.3″,有效地提高了自准直仪的测量分辨力和测量精度。     

改进Zernike矩的运动靶标高精度定位算法

针对目前运动靶标中心定位检测精度低、实时性差的难题,提出一种改进Zernike矩的亚像素边缘定位算法.该算法将Zernike算法和迭代法相结合,首先采用传统的Zernike算法计算图像的阶跃灰度矩阵,在阶跃灰度矩阵的基础上采用迭代法计算得到最佳灰度阶跃阈值作为边缘判据;最后从矩模板和灰度边缘模型两个角度对误差进行了分析和补偿.以靶标中心定位为实验研究对象,采用改进Zernike矩算法对靶标进行亚像素边缘定位,然后利用最小二乘法拟合圆心坐标,最后通过坐标变换得到靶标的空间位置,测试结果表明:该算法能够准确对运动靶标中心进行定位,算法的检测精度优于传统算法,同时最佳阈值的自动选取相比于人工手动调试具有更高的效率.     

一种适用于高精度视觉测量的边缘检测方法

为了减少或消除随机噪声对机器视觉测量系统的影响,提高测量系统的测量精度,利用图像的灰度曲面特性和边缘曲线特性,开发了包括各向异性双边滤波、基于Facet模型的亚像素边缘提取和边缘曲线拟合的三级逼近图像边缘检测算法。实验证明,这种方法的重复定位精度优于0.1像素。对标准量块的多次测量证明,使用该算法构建的视觉测量系统测量精度可以达到微米级。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。