基于Zernike矩亚像素边缘检测的改进算法

通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,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,提出一种改进算法。推导了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较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。     

一种黑片图像亚像素边缘检测方法

为了提高黑片图像边缘检测的精度,提出了利用亚像素边缘检测技术来检测黑片图像的边缘.针对Zernike矩的亚像素边缘检测算法存在计算量大和边缘定位精度低等不足,利用Sobel算子对图像进行像素级边缘提取,然后利用改进的Zernike矩算子来检测黑片图像的亚像素边缘,为了防止Sobel算子遗漏可能的亚像素点,增加了一个搜索算法来提高检测的精度.实验结果表明,该方法测量精度高,定位精确,能够应用于黑片的在线检测.     

改进形态学梯度的样条插值亚像素边缘检测方法

针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点,提出一种基于形态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘点的粗定位,再利用三次样条插值法对提取出的边缘图像进行插值运算,最后利用数学形态学细化算子将提取出的边缘进行细化,可有效地检测出图像边缘,实现亚像素边缘检测。实验结果表明,这种方法能准确地检测出边缘,优于传统的边缘检测方法。     

基于改进Zernike矩的玻璃瓶亚像素边缘检测算法

图像的边缘检测精度决定了实际尺寸的测量精度,为了提高测量精度,提出了一种基于改进的Zernike矩的测量玻璃瓶实际尺寸的算法。将传统的Zernnike矩算法与Otsu自适应阈值法相结合,得到改进的快速算法;利用该快速算法对采集的玻璃瓶图像进行亚像素级边缘检测;运用最小二乘法根据亚像素坐标对瓶口与瓶底所形成的椭圆进行拟合;应用标准块规对系统进行标定并得到玻璃瓶实际的测量尺寸。实验结果表明,该方法不仅可使边缘检测达到亚像素级精度,还避免了人工反复选择阈值而造成的低效率与误判,实现了快速、准确、无接触测量实际尺寸的功能。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

一种快速医学图像亚像素边缘检测方法

针对目前医学图像配准中使用的多是配准精度较低的像素级的边缘检测的问题,提出一种新算法将像素级算子sobel,log,prewitt,roberts,zerocross和canny分别与Zernike矩算子及搜索算法相结合,并对边缘检测结果进行比较,从中选取较优的算子来实现医学图像亚像素边缘检测.实验结果表明该算法克服了像素级算子和Zernike矩算子的缺点,提取的边缘定位精度高,计算时间短,抗干扰性强.     

基于图像的小尺寸零件圆参数亚像素定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位误差,针对工业中的小尺寸圆形零件参数检测,提出了一种基于Zernike矩、二次多项式插值和最小二乘法拟合的圆参数亚像素定位算法。首先根据Zernike正交复数矩建立圆物体边缘点与边缘参数之间的映射关系,并提取边缘点;然后利用二次多项式插值在梯度方向上对提取出的边缘点进行进一步定位;最后利用最小二乘法拟合插值后的边缘点,得到亚像素精度的圆参数。通过小尺寸圆形惯性器件图像边缘提取实验,对该算法的有效性和检测精度进行了研究,给出了惯性器件的实测尺寸对比结果。实验结果表明:提出的圆参数亚像素定位算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。     

基于虚拟靶标的摄像机标定

针对视觉测量中的摄像机标定问题,提出利用高精度三坐标测量机构建虚拟立体靶标的方法进行摄像机标定,并将Zernike矩亚像素边缘提取方法与改进后的最小二乘拟合算法相结合完成靶点中心定位。实验表明,该方法提高了靶点中心定位速度以及定位精度,所提出的靶点中心定位方法的定位精度可达到亚像素级,标定结果准确。     

一种改进的Log边缘检测算法

在分析传统Log边缘检测原理的基础上,针对高斯滤波器尺度因子的选取,引入高斯滤波空间尺度因子计算方法,提出了一种自适应的多尺度Log边缘检测算法,克服了传统Log算法的不足.实验结果表明,改进后的Log算法能有效抑制噪声,并能准确检测图像边缘信息.     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

一种改进的基于小波相关性的边缘检测

给出一种改进的基于小波相关性的边缘检测算法。依据多尺度小波相关去噪,对图像在不同尺度上做小波变换,进而对小波系数做区域相关处理,得到图像边缘的区域相关图像,最后做阈值处理,去除小波残留噪声的噪声小波系数。仿真结果表明,改进方法可以得到更多的边缘细节,边缘定位更加准确。     

一种Sobel黑片图像亚像素边缘检测

提出一种基于Sobel和多项式插值法结合的改进的黑片图像亚像素边缘检测算法.算法在经典Sobel算法的基础上增加了两个方向模板,并使用对边缘梯度图像加上合理的权值和阈值的方法得到准确的单像素边缘.在单像素梯度边缘上进行有方向的多项式插值计算得到更精确的亚像素边缘定位.该方法的检测精度高,能够应用于黑片的在线检测.     

Zernike矩算法实现焊缝中心线亚像素检测

提出一种基于Zernike矩的亚像素直线检测方法,实现对航空航天薄壁结构件窄间隙焊缝中心线的快速精确提取。将采集到的焊缝图像进行ROI提取计算,以减小需要图像处理的区域,提高图像处理算法的速度;运用高斯滤波处理对其去噪;经过阈值分割后,采用Zernike矩算子检测提取焊缝图像中的焊缝直线,设定阈值过滤掉干扰点;最后进行亚像素细分计算,得出焊缝中心线的精确定位。实验证明,该方法检测精度更高,抗干扰能力强,对图像中直线的残缺部分以及其它共存的非直线结构不敏感,相对不受图像噪声的影响。     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

正交雅可比-傅里叶矩的亚像素边缘定位

为了进一步提高图像的亚像素边缘定位精度,提出了一种基于高阶次正交雅可比-傅里叶矩(OJFM's)的边缘定位算法.该算法利用OJFM's的幅值旋转不变性和独特的小图像描述能力,在充分提取图像边缘细节信息的同时抑制图像噪声的影响,对图像边缘旋转后垂直方向上3个不同阶次的OJFM's之间关系进行分析,将图像轮廓定位至亚像素级...     

噪声对边缘定位精度的影响

针对噪声对图像边缘检测等过程带来的极大干扰严重地影响了图像质量的问题,研究图像中所混有的白噪声对边缘定位精度的影响。采用一维灰度矩法与高斯拟合法这两种亚像素边缘定位法进行比较、分析,分别讨论了两种算法在偏移量不变、不同信噪比情况下,噪声对边缘定位精度的影响。实验结果表明,在对受噪声影响的图像进行边缘检测时,采用高斯拟合法能够有效地抑制噪声,提高检测精度,在信噪比SNR≥30dB时的分辨率精度能达到0.02个像素,而一维灰度矩亚像素边缘法无法达到该精度。     

基于二次曲线拟合的图像亚像素边缘定位算法

在图像测量系统中,边缘提取精确度直接影响测量精确度.提出一种基于二次曲线拟合方法的图像亚像素边缘提取算法,介绍了基于方形孔径采样定理的边缘定位算法的推导过程.计算机仿真和对实际图像边缘定位的实验结果表明,此亚像素边缘定位算法的定位不确定度优于0.14象素,有效提高了图像边缘提取的定位精确度,从而提高测量精确度.     

基于小波变换多尺度的边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值提取图像的边缘特征。实验结果说明这种特征提取方法不仅有效地降低了噪声，而且也能较准确地提取图像的边缘及降低计算量。     

零件几何参数测量中的边缘检测算法的研究

提出了一种综合利用图像灰度信息和灰度梯度信息的边缘检测算法．首先,使用基于Sobel算子的改进的边缘检测算法对灰度图像进行处理得到梯度图像．其次,综合应用其他边缘检测算法,完成对目标边缘的准确检测,最后,沿边缘的梯度方向进行多项式插值法亚像素细分计算,对边缘进行亚像素精确定位．     

一种改进的二值图像像素标记算法

像素标记算法是图像处理中提取目标特征量的一种有效方法．分析了一般像素标记算法的不足,提出一种改进的像素标记算法．该算法无需对图像进行预处理,针对二值图像中像素分布的特点,仅需对图像进行一次扫描,通过特殊的目标边界像素标记,就能收集足够的信息,经过一定的分析处理即可得到图像中目标的准确计数和边界信息．由于准确的目标计数是目标特征量提取的关键,在此基础上即可方便快捷地获得目标的面积、周长和质心坐标等参数,便于图像的后续处理．计算机模拟结果表明该算法具有很强的通用性,且因为仅需一遍全图扫描使其分析速度大大提高,可以广泛应用于图像分割领域．