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.     

改进的电缆护套厚度检测方法

图像精密检测精度很大程度上依赖于亚像素边缘检测精度,目前应用较广的是基于Zernike旋转不变矩的边缘检测技术。分析了传统Zernike矩边缘检测不足之处,分别在边缘灰度值函数建模、曲率较大处亚像素定位和实时性能等方面给出改进与创新,进而提出一种改进的基于旋转不变矩亚像素定位算法思想。并用此算法做了电缆护套厚度测试实验。从实验结果看,该算法定位精度有了改进,算法思想可行。     

亚像素边缘检测技术的研究

精确确定数字图像边缘的位置,对于图像测量非常重要。同时,图像获取过程中受到各种噪声的影响,必然会引起图像边缘的模糊,因此对图像边缘提取技术的研究一直是一个热门。对几种代表性的亚像素边缘检测技术进行了原理分析和性能比较。介绍了基于曲面拟合的和基于灰度矩的亚像素边缘检测算法。     

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.     

基于机器视觉的圆轴直径精密检测算法

介绍一种基于机器视觉的圆轴零件直径精密检测算法。在对圆轴图像边缘进行空间矩亚像素定位的基础上,利用相邻分辨率边缘像素的亚像素位置关系,精确计算分辨率截面的直径,并给出了整个圆轴直径的估计。实践表明,该算法可达到0.001mm的精度。     

一种新的亚像素边缘检测误差校正算法

矩方法采用二维理想边缘模型描述亚像素边缘,实际图像在边缘处存在一个渐变的过渡阶段,而二维理想边缘模型不能精确描述边缘,导致原理误差的产生。为此,提出一种采用误差校正表的算法,用于降低二维理想边缘模型引入的原理误差,提高亚像素边缘检测精度。通过方形采样定理模拟生成已知边缘的理想图像,用矩方法检测理想图像的亚像素边缘,构造二维误差校正表。使用查询误差校正表并结合双线性插值求出误差后进行误差校正。以灰度矩和Zernike矩为例进行对比实验,结果表明,该算法亚像素检测精度比校正前提高了一个数量级。校正算法主要计算量是双线性插值,能保持亚像素边缘检测的实时性。     

基于降维技术及空间矩的彩色图像亚像素边缘检测

现代图像的边缘检测方法需要在充分利用图像中的色彩信息基础上能够提供亚像素边缘信息。提出一种基于图像降维技术的彩色图像亚像素边缘检测方法,利用Ostu算法得到图像的像素级边缘,并在降维所得的投影图像上结合空间矩方法提取亚像素级边缘。实验结果表明,该算法定位精度可达到0.14个像素,能够有效地提取真彩色图像的边缘轮廓信息。     

基于显微视觉的微小型零件边缘检测技术研究

针对显微视场下微小型零件边缘检测精度要求高的问题,设计了一套微小型零件实时检测系统,给出了系统总体设计,完成了图像实时传输和处理;提出一种微小型零件亚像素级边缘检测算法：采用非正交二次B样条小波变换得到微小型零件的像素级边缘,利用Zernike矩算法的矩不变性对像素级边缘进行亚像素级精确定位,给出了算法原理,分析了像素级和亚像素级的边缘检测结果。实验数据表明：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%,可准确识别出微小型零件的边缘,将检测精度提高到亚像素级,能够满足显微视场下微小型零件检测需要。     

Zernike亚像素图像矩边缘检测算子方向角模型研究

基于Zernike图像矩的理想边缘模型,深入研究了方向角模型与亚像素判据间的关系。利用Zernike矩定义及其旋转不变特性,提出一种新的基于4阶方向角的Zernike矩亚像素边缘检测算子。为了提高边缘算子定位速度,首先基于9×9尺寸模板对Zernike图像矩0～4阶正交复数多项式进行了计算,推导出基于4阶方向角的边缘检测算子参数模型。最后将边缘算子应用在理想图像与实际图像上,检测结果表明:相比于传统的Zernike矩算子,基于4阶方向角的边缘检测算子具有更高的检测精度。     

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。     

Zernike矩结合Sigmoid曲线拟合边缘检测方法

为了改进Zernike矩边缘检测方法对非直线边缘检测精度低的弱点,提出了一种改进的基于Zernike矩方法和Sigmoid拟合法的边缘检测方法。用Zernike矩边缘检测方法检测边缘,然后用Sigmoid拟合方法检测边缘,根据边缘类型对两种方法检测的边缘结果进行加权求和,所得结果为边缘位置。分别利用理想图像和实际工业CT图像进行了实验验证,实验结果表明对非直线边缘的检测,该方法检测精度相对于Zernike矩方法提高了一个数量级。     

基于三级灰度模型空间矩的陶瓷基片尺寸测量

分析了图像边缘二级灰度模型空间矩的亚像素细分算法及其原理误差,建立了更符合实际的图像边缘三级灰度模型,推导出三级灰度模型下任意角度图像边缘的二维空间矩以及边缘的亚像素位置函数。将该算法应用于陶瓷基片的尺寸测量和分类中,测量效果好、分类精度高。该方法在零件尺寸的高精度测量中具有较高的实用价值。     

基于Radon变换的水声图像矩特征提取与分类

成像声纳采集的水声图像分析是自动水下潜器研究中的一个重要课题,该文提出了一种基于图像边缘Radon变换的水声图像矩特征提取和分类方法。使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量,应用于3类水下物体的分类中,实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。     

基于切比雪夫矩无参考模糊图像质量评价

提出了一种新的基于Tchebichef矩的无参考模糊图像质量评价方法。将模糊图像通过低通滤波得到再模糊图像;将模糊图像和再模糊图像分别进行8×8分块并计算每一图像块的Tchebichef矩;根据Tchebichef矩块的值将原始图像块分为平滑块,纹理块和边缘块,计算原始图像和再模糊图像对应块之间的Tchebichef矩向量相似度,得到三类图像块的局部平均相似度;进行融合得到原始图像的最终评价质量。实验结果表明,该方法优于其他算法,与主观评分有更好的一致性,能够更准确地评价模糊图像质量。     

一种基于三阶中心矩的图像边缘检测方法

利用像素邻域的三阶中心矩,可以提取图像边界。根据边缘图像灰度的众数,边缘强度图像的二值化变得非常简单,不需要手工交互。利用中国数字化虚拟人数据进行实验,结果表明,应用这种基于三阶中心矩的新方法来检测边缘的效果良好。     

不规则形状图象矩特征的一种快速准确算法

介绍了一种基于边缘点计算矩特征的方法,该算法实现思路清晰,编程实现简单,结果准确,且可应用到其他形状特征的计算中。     

基于边缘信息的快速配准算法

为了实现快速、高精度的图像配准,首先利用LOG算子提取图像边缘信息,然后利用Freeman码,并定义了一种边缘轮廓间的相似性度量,找到两幅图像中对应的边缘轮廓,最后在矩不变量思想的基础上定义了一种矩中心点,利用矩中心点之间的对应关系实现了高效率、高精度的图像配准。通过实验,证实了该算法的快速性和准确性。     

Zernike矩和曲率的圆形中心亚像素定位

提出了一种基于Zernike矩和曲率不变的圆形标记椭圆图像中心的亚像素精确定位方法。首先采用多结构元多尺度形态学边缘检测算子提取椭圆图像的像素级边缘并滤除噪声,其次构造出椭圆图像的Zernike矩求解模型并结合曲率不变性计算出椭圆的亚像素边缘,最后利用最小二乘拟合对椭圆中心进行精确定位。实验结果表明：该方法具有计算速度快、定位精度高的优点,可用于高精度视觉测量。     

机械零件识别系统的研究

此系统将神经网络技术同相对边界矩技术相结合,以相对边界矩为特征采用ART-2神经网络技术对各种机械零件进行识别,实验结果表明,基于ART-2神经网络和边界矩的信息融合技术对机械零件的识别是高效且精确的,具有较好的发展前景。     

基于PCA和边缘不变矩的车标识别新方法

车标识别技术是进行车辆类型识别的关键内容。在车牌定位准确的基础上,利用车头图像中车牌、车标位置关系定位到车标大致区域;接着对车标进行精确定位、归一化处理,并提出似真度函数对车标进行确认;然后利用边缘不变矩的最小距离进行车标识别。该方法不受原始车标图像大小、变形等影响,能够自适应地进行目标定位确认和识别,具有较强的鲁棒性。通过实测图像测试,结果表明该方法是有效和可行的。