利用二次曲线拟合的CCD图像亚像素提取算法

在图像测量系统中，测量系统的精度与边缘提取的精度成正比关系，普通算法的精度为像素级，现在最常用的亚像素算法是重心法。本文提出了一种利用二次曲线拟合方法的亚像素边缘提取算法，介绍了算法的推导过程，并给出了实验结果。     

基于抛物线拟合的十字激光图像屋脊边缘检测

针对工程测量中对十字激光图像交点和倾角检测精度要求较高特点,提出了一种十字激光图像亚像素屋脊边缘检测方法.在十字亮条有用区域内,首先利用局域亮度极大方法检测亮条像素级屋脊边缘点;然后提取像素级边缘点水平或垂直方向上一定范围内的像素点亮度进行抛物线拟合,计算亚像素边缘点坐标;最后利用最小二乘法拟合出两条直线,计算十字交点及横亮线倾角.对距离光源4.5 m处连续拍摄的50幅图像(图像分辨率为640pixels × 480 pixels,光靶分辨率为0.082 7 mm/pixei)进行了处理,十字交点x方向标准差为0.013 4 mm,y方向标准差为0.015 8 mm,横亮条水平方向倾角标准差为1.950',精度明显优于像素级边缘点.该方法应用于导轨直线度和扭曲度检测仪中,取得了很好的效果.     

基于圆环点的亚像素摄像机自标定方法

针对现有的摄像机自标定算法抗噪声性能差等问题,分析了基于圆环点的摄像机自标定方法的原理,对现有方法作出了改进.充分利用Harris算子和Fostner算子的优点设计了一种亚像素的角点检测算法,提取的角点位置可精确到亚像素级;同时引入了等效圆心的概念,最大限度地降低了噪声干扰.然后充分利用射影几何调和共轭的理论求取摄像机的内参数.实验结果表明,该标定方法原理简单,标定结果鲁棒性较好且标定精度较高,可应用于高精度的视觉测量.     

一种小模数齿轮边缘检测效果评价方法

利用机器视觉评定小模数齿轮精度时,在齿轮整体图像中提取的边缘特征信息不能直接描述图像中的单独目标,需要后续识别算法去适应局部的多变特征.为此提出一种基于特征图像的边缘检测效果评价方法来获取丰富的局部图像信息,用于评定小模数渐开线齿轮视觉测量系统中轮廓提取的精度.首先根据齿轮图像中渐开线齿廓边缘的函数特性建立特征图像模型;然后使用基于Zernike矩的亚像素边缘检测算法获取小模数渐开线齿轮特征图像的边缘;最后结合构建特征图像的标准函数,量化特征图像的边缘检测结果与标准函数间的偏差,用以评价边缘检测的效果.实验表明,运用小模数齿轮的特征图像评价基于Zernike矩的亚像素边缘检测算法,渐开线齿廓的检测精度优于0.58pixel.     

一种用于零件定位系统的亚像素边缘检测方法

本文简要介绍了基于计算机视觉的长条形杆件测量系统方案，并说明在该系统中零件图像边缘提取对测量精度起着至关重要的作用。本文结合工程实际在传统亚像素边缘检测方法基础上，提出垂直占空比亚像素边缘提取方法。该算法具有算法简单、效率高、边缘提取准确的特点，已成功用于长条形杆件测量系统中。     

基于LOG-Zernike算子的快速图像测量

图像测量技术,一个很重要的方面就是图像的边缘检测定位,而边缘定位的准确与否又直接影响到测量的精度.常用的检测算法都是像素级的,对测量要求较高的场合无法满足要求.定位速度一直是边缘检测算法的一大瓶颈,本文正是在保证一定精度的前提下,研究了快速图像测量算法,即运用LOG算子先对工件进行快速边缘定位,在此基础上采用zernjke矩法将精度提高到亚像素级.为了得到实际的测量尺寸,应用块规进行了系统标定并进行了一系列测量实验,实验结果表明该方法定位精度接近于Zernike矩法,且算法的运行对间大约在1.5s左右.     

基于机器视觉的零件特征尺寸提取算法

目的复杂型面零件功能特征多样,结构尺寸呈现空间分布,传统的手工检测方法无法满足检测工作要求,为提升检测效率,提出一种基于机器视觉的非接触式测量方法。方法使用CCD相机采集图像信息,对图像进行分析处理,获得圆的亚像素边缘轮廓,再通过最小二乘法进行圆拟合求得圆的参数方程,最后利用几何距离公式求得像素距离。通过系统标定求出像素当量,由像素当量最终求得圆与圆之间的实际距离。结果最小二乘拟合圆亚像素边缘检测算法稳定,抗噪性能较好,算法的分辨率为0.001个像素。结论该方法可正确、方便、有效地对零件进行尺寸测量。     

几何重心法亚像素提取算法研究

研究了一种基于显微图像的几何重心法亚像素提取算法,用于实现超低转速的在线测量。首先根据显微图像法将超低转速的转动测量转换为平动测量; 然后利用提出的几何重心法的亚像素提取算法,解决了目前常用的曲线拟合法和梯度法的亚像素提取时间长、抗图像干扰能力弱的问题。几何重心法的核心是在整像素提取的基础上,在3×3的像素范围内,分别计算参考像素灰度值与提取的整像素灰度之差的指数值,在获取的3点指数值上,利用几何重心法提取出亚像素值。通过光栅基准平台微位移抓拍图像的验证,提出的几何重心法比曲面拟合法、梯度法用时短,平均用时<0.2s,提取的亚像素值的标准差<1/1000像素,满足了超低转速在线测量的基本要求。     

一种光斑图像中心的亚像素提取方法

针对空间发光点所成光斑图像中心的高精度提取问题,本文提出一种亚像素提取方法.该方法建立了具有高斯能量分布的空间发光点的透视投影光斑图像灰度分布数学模型,证明了空间发光点能量中心的透视投影不变性.通过对光斑图像二阶方向导数和自相关函数的分析,获得Hessian矩阵并推导出像素级光斑图像中心的判定条件,再将图像灰度分布函数在光斑图像像素级中心的亚像素邻域内泰勒展开,并求取光斑图像灰度分布曲面的局部极大值点作为亚像素级光斑图像的中心点.与现有经典方法的对比仿真实验结果表明,该算法具有更高精度和更好的鲁棒生,可广泛应用于视觉检测的摄像机标定、三维形貌测量等任务中(类)光斑中心的高精度提取.     

一种无衍射激光图像亚像素边缘检测方法

为进一步提高无衍射激光图像的定中精度,提出了一种亮环亚像素级边缘点检测方法.首先,采用局域亮度最大方法,提取亮环像素级屋脊边缘点;然后,利用线性插值算法对每一像素级边缘点进行亚像素处理进而获得亚像素边缘点;最后,用最小二乘方法,将亚像素边缘点拟合定中.分别对距离光源40 m、50 m、60 m处,各连续拍摄的50幅图像(图像分辨率为640×480,光靶分辨率为0.057 2 mm/pixel)进行了处理,各位置处的亚像素级边缘点x方向定中标准差分别为0.021 4 nm、0.037 2 mm和0.042 3mm,y方向定中标准差分别为0.022 8 mm、0.035 1 mm和0.043 7 mm,明显优于像素级边缘点,实验结果表明,该方法切实可行.     

基于机器视觉的制袋机裁切定位系统设计

目的针对圆角包装袋传统裁切工艺中存在的毛刺和废料问题,设计一种基于机器视觉的高精度制袋机裁切定位系统。方法利用LED背光源、低畸变镜头、CMOS黑白相机和工控机搭建视觉系统硬件平台,在Visual Studio开发环境中,基于OpenCV函数库设计视觉软件,用基于最小二乘法检测图像边缘,进而标定相机,提取包装袋圆角轮廓为特征信息。系统以特征信息为匹配模板对圆角位置进行精确定位,得到亚像素级角点位置,最终控制伺服系统执行误差补偿裁切。结果该定位算法可实现16 ms内精确定位圆角坐标,绝对误差小于±0.02像素点。结论基于机器视觉的定位系统具有运算速度快、定位精度高等特点,有效改进了传统制袋工艺,能够满足生产需求。     

基于高斯积分曲线拟合的亚像素边缘提取算法

针对传统边缘提取算法定位精度低、对噪声敏感等缺点,提出一种基于高斯积分曲线拟合的亚像素边缘提取算法。通过曲面插值求取像素级边缘法截线上各离散点的灰度值,再进行高斯积分曲线拟合,寻找高斯积分曲线的均值点坐标,实现亚像素边缘的精定位。用量块直线边缘进行实验,并与现有亚像素边缘提取算法比较,实验证明基于高斯积分曲线拟合的亚像素边缘提取算法定位精度较高,可以达到1 μm,且算法可靠性高、计算速度快,能够用于高精度测量。     

重采样和曲面拟合的图像匹配方法

模式识别中的目标匹配和定位是一个传统问题,但是大多数经典算法其定位精度都是象素级的.图像的亚象元匹配算法,可以突破物理分辨率的限制,把匹配和定位精度从象素级提高到亚象元级,从而满足大规模集成电路制造、摄影测量、工业检测和目标检测等应用对精度的要求.将重采样方法和曲面拟合法有机结合的图像亚象元匹配方法,既有重采样方法精度高的优势,同时通过曲面拟合法加快了计算速度,减少了所需时间.实验结果证明了这种基于重采样和曲面拟合的图像亚象元匹配算法的有效性.     

基于量子核聚类算法的图像边缘特征提取研究

为了提高图像边缘特征提取质量,采取了量子核聚类算法。首先把像素映射量子编码,在码元建立域内对像素块进行随机采样;然后通过聚类距离计算数据点和每一个聚类核心的距离,把数据向量分配到距离最小的核心向量中,核函数确定有效影响范围;最后对像素聚类相异性分析,给出了算法流程。实验仿真显示这种算法对图像边缘特征提取轮廓清晰,连贯性好,评价指标MS和聚类准确率较好,算法收敛快。     

3种亚像素位移测量算法的比较研究

梯度法、曲面拟合法和N-R法是数字散斑相关方法中提高位移测量精度的3种主要亚像素位移算法。研究了3种算法的原理并进行了数值模拟仿真。首先使用计算机模拟生成一系列位移为0.01 pixel的散斑图,并在生成的图像中添加方差不同的高斯噪声,对3种算法在噪声条件下的精度进行比较,结果显示在精度要求为0.01 pixel时,梯度法的噪声方差上限为0.006,N-R法的噪声方差上限为0.000 5,而曲面拟合法的计算精度具有较大不确定性,无法保证精度,梯度法更适用于工程应用。     

多场景下基于快速相机标定的柱面图像拼接方法

针对目前利用相机标定参数进行图像拼接的方法存在受场景限制大、标定过程复杂而耗时长的问题,提出一种多场景下基于快速相机标定的柱面图像拼接方法。首先,利用棋盘格标定板角点特征提取精度高的特点,使其分别位于两两邻接图像的重叠视场中,对该图像序列依次进行角点提取、精确化和匹配等预处理,以准确快速求解出待拼接图像间的配准参数;然后利用标定得到的配准参数快速拼接图像,通过柱面投影以保持图像的视觉一致性,并采用多频段融合以保留图像的细节信息;最后,将整个系统搭建在低功耗嵌入式平台,实现可在多场景下完成快速标定及基于标定参数的拼接过程。实验结果表明,该文方法在室内及隧道等场景下可准确快速完成相机标定,图像拼接过程耗时短,同时可保证较高的拼接精度和较好的成像效果,具有较强的鲁棒性。     

A sub-pixel edge detection algorithm based on Zernike moments

Abstract

A novel hybrid technique of combining an improved morphological gradient operator and Zernike moments, named MGZ edge detection algorithm, is developed to meet the stringent requirements for measuring accuracies of charge coupled device metrology system. The mathematical morphological gradient and Zernike moment algorithm are discussed based on the pixels grey-scale and spatial structure information of the images. To improve the algorithm process, the image edge is oriented and extracted by using improved morphological gradient operator firstly; then, the calculation errors of the typical ideal step edge model are analysed and corrected by the proposed error compensation formula. The edge point is relocated with sub-pixel accuracy by means of Zernike moment operator based on the edge point vectors and the threshold value. Finally, the sub-pixel edge detecting of the image is attained. The extensive experimental results show that the measuring error of the edge point is compensated reliably and accurately, and the new algorithm has short operation time, more precise and stronger robustness to noise than the prior similar algorithms. Meanwhile, the proposed method can well meet the need of charge coupled device metrology system for sub-pixel edge detection.