三维机器视觉测量系统图像边缘提取算法研究

在三维机器视觉测量系统中,二维数字图像边缘提取是进行三维坐标计算的必要前提。对几种常用边缘检测算子的边缘提取效果进行了比较;提出了一种基于Priwitt算子的改进边缘提取算法;给出了三维机器视觉测量系统中激光线图像与零件特征边缘图像交点的求解方法,为三维机器视觉测量系统的三维坐标计算奠定了基础。     

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.     

微小型结构件显微图像边缘的自动识别

在前一阶段的研究工作中,针对微小型结构件的显微图像边缘提取,作者提出了一种基于工艺匹配的显微图像边缘提取算法（Micro Processing Technology Matching based Micro Image Edge Detection, MPTM-MIED）。使用MPTM-MIED提取图像边缘之前,需要手工从零件显微图像中选取边缘过渡区域,这一操作将极大影响微小型零件的检测速度,从而使MPTM-MIED不能应用在实时自动检测中。针对MPTM-MIED的这一不足,本文利用BP神经网络技术重新设计并实现了MPTM-MIED,提出了一种新的自动提取显微图像边缘的方法（An Automated Micro Image Edge Detection Method,AMIED）。为了验证该方法的有效性,本文还利用AMIED对4种工艺微小型结构件显微图像的边缘进行了提取,并对线切割工艺零件的尺寸进行了测量。边缘提取的分析结果表明：AMIED提取出的显微图像边缘与MPTM-MIED提取出的基本一致;与常用的边缘检测算法相比,AMIED提取出的显微图像的边缘线形连接程度较好。测量尺寸的分析结果表明：MPTM-MIED和AMIED测量的尺寸基本相同,与Canny测量的相比,更接近万能工具显微镜测得的尺寸。     

基于机器视觉的维氏硬度测量

设计了基于机器视觉的维氏硬度测量系统,提出了一种维氏硬度测量算法。基于位置聚类的方法,对压痕边界的边缘点进行有效提取与归类;先后两次基于最小二乘法对压痕边缘拟合,首先通过边缘拟合确定边缘直线的粗略位置,然后根据一次拟合方程剔除干扰点,再次拟合获得精准的边缘直线;为了有效的提高维氏硬度测量的精度,先对刻度线图像进行校正,获得了垂直于水平位置的刻度线图像后,再获取实际像素宽度。实践表明,该算法稳定性好、精度高,很好的满足了工业应用要求。     

图像分割技术在多光刀三维测量系统中的应用

在多光刀准全场三维轮廓测量系统中。从受噪声影响的多光刀图像中准确提取出光刀中心是提高测量精度的关键。由于采用重心法进行光刀中心提取容易受到噪声的影响。提出先使用基于过渡区的阈值分割得到光刀图像的粗边缘。然后利用细化技术和去噪处理得到准确的光刀边缘。最后用重心法计算光刀中心。实验证明该方法抗干扰性能较好。提取出的光刀中心精度可以达到亚像素级。     

基于机器视觉的圆形零件尺寸参数测量

针对圆形零件尺寸传统测量方法存在测量效率低、一致性差及同心度参数不易测量的问题,设计一种基于机器视觉的圆形零件特征参数测量系统.采用阈值分割法对灰度图像进行阈值分割以提取特征目标,利用数学形态学方法对二值图像进行腐蚀、膨胀操作,避免纤细、重叠的噪声干扰;通过最小二乘法对内、外圆弧轮廓点进行拟合,得到圆心和半径参数,通过...     

用于目标测距的单目视觉测量方法

为了克服对应点匹配和单个特征点提取误差对测量结果的影响,本文在基于图像处理的基础上,提出了一种基于特征点的单目视觉测距方法.首先利用小孔成像原理,得出成像点与目标点的映射关系,建立小孔成像模型.然后通过对目标图像的分析,得出目标物与目标图像的面积映射关系,建立视觉测量的直线测距模型;通过图像处理,提取目标图像的特征点,...     

全景海域图像中的圆形海天线提取

针对全景海域图像背景复杂且海天线呈近似圆形的特点,提出了一种基于分形维数和改进Hough圆变换的全景海天线提取算法。该算法首先通过地毯覆盖法计算海域全景图像的分形维数,并据此提取出全景采集装置等设备在全景图像中的成像,消除其对海天线检测的不良影响。针对经典的梯度Hough圆变换算法提取全景海天线时无法给出唯一正确解的问题,提出了一种改进的Hough圆变换算法来有效提取全景海天线。对400幅不同情况下采集的全景海域图像进行了实验。结果表明,提出的算法在理想情况、海天线部分缺失、低对比度和海天线大范围断裂等多种情况下均可以有效提取出全景圆形海天线,检测准确率达95.75%,适用性和鲁棒性良好。     

斜拉桥拉索径向畸变CCD图像的边缘检测与图像提取

径向畸变是CCD成像系统中的一种常见现象.提出了一种对斜拉桥拉索径向畸变CCD图像进行边缘检测和图像提取的算法.首先,在图像的预处理阶段,对原始图像进行灰度化和滤波处理.其次,运用边缘检测、边界跟踪及Hough变换获得了拉索轮廓的连续边界.最后,利用原始的灰度图像和基于拉索轮廓的掩模板,获得了无背景的拉索表面图像.该算法在斜拉桥拉索表面伤痕检测中得到应用,结果表明该算法对径向畸变的CCD图像能有效地进行边缘检测和图像提取.     

基于序列局部图像的尺寸高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究基于序列局部图像的视觉测量方法。首先分析机械零件图像边缘的过渡分布特征,提出边缘像素补偿法,消除实际边缘不能精确定位对测量精度的影响。然后以直线边缘距离测量为原型,提出基于序列局部图像尺寸特征的测量方法：对零件进行微小区域成像,生成在空间上连续的序列局部图像;应用相关系数法和双线性插值法获得相邻序列图像的亚像素级尺寸特征线,从而得到各局部图像的尺寸特征;对这些尺寸进行求和与补偿,得到零件的总体尺寸。实验表明,对常规尺寸零件的单幅图像运用边缘像素补偿法,相对测量误差在0.008%以内;对大尺寸零件应用序列图像测量法,相对测量误差在0.01%以内,具有误差积累小的优点,可用于机械零件的精密自动化测量。     

重轨图像增强与边缘提取的关键技术

针对重轨图像两个边缘像素特征不一致,传统边缘算子检测法难以精确提取边缘的问题,提出了一种新的边缘提取方法.该方法利用灰度强对比度拉伸算法对重轨表面和背景进行差异化拉伸增强边缘信息,削弱背景信息.运用最大方差比算法选取增强后图像的最佳阈值实现二值化.最后,运用递归连通域标识法定位边缘像素坐标,完成图像分割.对随机选取的30幅图像进行分析表明:处理后的图像边缘灰度特征明显增强,有效地抑制了表面纹理及虚假边缘.重轨表面像素宽度波动减少到-0.64％～0.34％.离散预处理算法通过遍历寄存器全局数组,减少分割时间至10.165 s.该方法在抗干扰性、准确性及时效性等方面优于传统边缘算子检测法,适用于在线工业检测系统.     

The use of local entropy measures in edge detection for cytological image analysis

Accurate edge detection is a fundamental problem in the areas of image processing and pattern recognition/classification. The lack of effective edge detection methods has slowed the application of image processing to many areas, in particular diagnostic cytology, and is a major factor in the lack of acceptance of image processing in service orientated pathology. In this paper, we present a two-step procedure which detects edges. Since most images are corrupted by noise and often contain artefacts, the first step is to clean up the image. Our approach is to use a median filter to reduce noise and background artefacts. The second operation is to locate image pixels which are ‘information rich’ by using local statistics. This step locates the regions of the image most likely to contain edges. The application of a threshold can then pin-point those pixels forming the edge of structures of interest. The procedure has been tested on routine cytologic specimens.     

应用颜色聚类图像块的多舰船显著性检测

由于多舰船目标显著性检测过程容易将边界像素作为背景处理,本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域像素是否具有颜色相似性,并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着,对获得的图像块进行扩展,使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度;对边缘像素进行背景索引标记,计算图像块中像素的显著性强度,采用阈值分割方法获得目标显著性区域。最后,基于颜色聚类的图像块存在部分重叠的特点,利用权值对存在叠加的显著性图像进行融合,从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试,并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示:提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上,准确率达到92%以上,综合评价指标Fβ≥0.7;无论考虑单个指标还是整体指标,本文算法均优于其他对比算法。     

一种基于梯度和零交叉点的图像边缘检测新方法

本文提出了一种基于一阶导数局部极大值和二阶导数零交叉点的图像边缘检测方法。许多传统的边缘检测方法，尤其是一些基于二阶导数零交叉点的方法，对于信号中的噪声比较敏感使得边缘信息不能完全准确地检测出来，而本方法可以较好地解决这些问题。本文提出的算法是先计算出像素一阶导数的局部极大值以及二阶导数对应的零交叉点，将两者进行比较，删除那些二阶导数是零交叉点但一阶导数不是局部极大值的像素点，最后把剩下像素连接起来，即是图像边缘。实验研究结果表明该方法具有良好的边缘检测效果和鲁棒性。     

Efficient work measurement system of manufacturing cells using speech recognition and digital image processing technology

Work measurement methods previously proposed require considerable time and effort by time study analysts because they have to measure the required time through direct observations. In this study, however, we propose a method which efficiently measures the standard times without involving human analysts by using speech recognition and digital image processing techniques. First, we implement a prototype system which can acquire the status of manufacturing cells through a speech recognition system. Second, using image processing, we suggest a method which consists of two main steps: motion representation and cycle segmentation. In the motion representation step, we first detect the motion of any object distinct from its background by differencing two consecutive images separated by a constant time interval. The images thus obtained then pass through an edge detector filter. Finally, the mean values of coordinates of significant pixels of the edge image are obtained. Through these processes, the motions of the observed worker are represented by two time series of data of worker location in horizontal and vertical axes. In the cycle segmentation step, we extract the frames which have maximum or minimum coordinates in one cycle, store them in a stack, and calculate each cycle time using these frames. In this step we also consider methods for detecting work delays due to unexpected events such as an operator’s movement out of the work area, or interruptions. To conclude, the experimental results show that the proposed method is very cost-effective and useful for measuring time standards for various work environments.     

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。     

基于运动模糊特征分割的空间移变降质复原

针对一类由动机座上的相机对运动目标拍摄得到的空间移变降质图像,提出基于像素运动模糊特征分割的图像复原方法。首先分析由于运动模糊的卷积作用,该类图像中的运动目标和背景产生相对位移,两者的像素发生叠加,发现若背景灰度均匀,则叠加区相邻像素灰度值的变化程度相似。根据该灰度变化特征检测运动模糊方向上的目标边缘,并结合canny算子检测平行于模糊方向的边缘,两部分边缘图像进行求或运算,然后利用形态学操作处理,从而分割得到完整的目标模糊图像。对该目标图像剔除叠加区的背景灰度信息,并补零扩充为完全卷积的模糊图像,最后利用反卷积复原算法去除模糊。实际复原结果证明,该方法能够有效地解决该类空间移变降质图像的复原问题。     

Real-time biscuit tile image segmentation method based on edge detection

In this paper we propose a novel real-time Biscuit Tile Segmentation (BTS) method for images from ceramic tile production line. BTS method is based on signal change detection and contour tracing with a main goal of separating tile pixels from background in images captured on the production line. Usually, human operators are visually inspecting and classifying produced ceramic tiles. Computer vision and image processing techniques can automate visual inspection process if they fulfill real-time requirements. Important step in this process is a real-time tile pixels segmentation. BTS method is implemented for parallel execution on a GPU device to satisfy the real-time constraints of tile production line. BTS method outperforms 2D threshold-based methods, 1D edge detection methods and contour-based methods. Proposed BTS method is in use in the biscuit tile production line.     

基于联合标定的图像分割

针对普适环境下人体区域的提取问题,提出一种基于彩色摄像头和深度摄像头联合标定的图像分割方法。首先根据深度摄像头采集的深度信息易处理和受外界环境影响小的优点,利用大律法从深度图像中快速提取出人体区域;然后建立世界坐标系中彩色图像坐标系和深度图像坐标系的对应关系,实现彩色信息和深度信息的相对位置映射;最后根据分割的深度图像及其在彩色图像中的映射,在彩色图像中完成人体区域分割。通过在复杂背景和不同光照条件下的图像分割实验,验证了本方法具有良好的精度和鲁棒性。     

磨粒图象背景光照不均匀分布图象预处理

针对磨粒图片背景亮度呈现分布不均的问题，采用两种计算机图象处理方式进行了预处理，得到比较完整的二值图。第一种方式是：在没有铁磨粒情况下采集背景亮度变化，通过数字处理得到背景亮度变化的差值，然后将亮度补偿到铁谱图上。试验结果表明，该方法在边缘信息损失很小的情况下，得到磨粒二值图。第二种是：在不能得到背景光的条件下，通过一阶和二阶差分处理及其变形方法，来消除背景梯度变化，从而消除背景光的低频噪声。从试验效果来看，一阶和二阶差分不仅能进行边缘检测，而且能通过卷积运算消除背景光分布不均，磨粒边缘有点扩大，有些少量信息损失掉了，这种损失可以用图象形态学中的腐蚀的方法消除。两种方法相比，采用背景补偿的方法效果更好一些，在条件许可的情况下尽量采用背景光补偿方法：