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.     

柔软棒材端面几何形状精密图像检测技术研究

研究了柔软棒材几何形状的测量原理,提出一种基于亚像素图像测量技术的香烟滤棒圆周长和圆度误差精密检测方法。该方法采用小波变换进行图像去噪处理,用Sobel算子提取图像边缘,用改进的随机Hough变换提取单像素圆边界,用Zernike矩进行边缘亚像素校正。最后给出了圆周长和圆度误差的评定方法与检测结果。     

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。     

显微视场下微型零件亚像素边缘检测方法

为了提高微型零件在显微视场下的边缘检测精度, 提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法. 采用非正交二次B样条小波变换算法得到图像的像素级边缘, 利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化. 为了实现算法的原理, 建立了一套微型零件的实时检测系统. 给出了系统的总体结构和工作原理, 完成了实时图像采集与检测, 分析了检测结果, 并对检测精度进行了评估. 实验结果表明: 该系统检测零件尺寸可以达到0.01~10 mm, 检测精度可以达到0.01%~0.1%, 可准确识别出微型零件的边缘, 将检测精度提高到亚像素级, 满足了在显微视场下微型零件检测的需要.     

显微视场下微型零件亚像素边缘检测方法（英文）

为了提高微型零件在显微视场下的边缘检测精度,提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法.采用非正交二次B样条小波变换算法得到图像的像素级边缘,利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化。为了实现算法的原理,建立了一套微型零件的实时检测系统。给出了系统的总体结构和工作原理,完成了实时图像采集与检测,分析了检测结果,并对检测精度进行了评估。实验结果表明:该系统检测零件尺寸可以达到0.01~10 mm,检测精度可以达到0.01%~0.1%,可准确识别出微型零件的边缘,将检测精度提高到亚像素级,满足了在显微视场下微型零件检测的需要。     

基于阈值分割与Zernike正交矩的曲线磨削边缘检测方法

针对数字化曲线磨床CCD在线检测系统的特点,提出了一种基于阈值分割与Zernike正交矩方法的新型图像亚像素边缘检测方法。详细介绍了该方法的原理及依据,并与其它类型的边缘检测方法进行了对比实验。结果表明,该方法达到了较好的检测效果,同时提高了检测效率。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

基于改进Zernike矩的小模数齿轮亚像素边缘检测

针对传统Zernike矩亚像素边缘检测算法中奇数尺寸模板卷积的不对称性,在分析卷积不对称性和卷积窗口中心局限性对检测精度影响的基础上,提出一种改进的Zernike矩亚像素边缘检测算法。算法采用像素级边缘检测算子进行初定位,获取像素级边缘点;利用小尺寸奇数模板求解Zernike矩进行二级初定位,获取亚像素级边缘点;分析二级初定位边缘点所在区间;根据所在区间,选取偶数模板或者奇数模板求解Zernike矩进行精定位,获取更精确的亚像素级边缘点。为了验证算法的有效性,分别对模拟图像和实际图像进行亚像素边缘检测实验。根据齿轮的边缘特性,通过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,该算法具有绝对定位精度高、抗噪性能强、曝光敏感度好的优点。     

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.