光照不均匀下的工件图像亚像素边缘检测

针对光照不均匀环境下传统边缘检测算子出现的边缘检测模糊、自适应差等问题,提出了一种基于Retinex理论和改进的高斯拟合亚像素边缘检测算法。首先采用Retinex理论对照度分量和反射分量同时进行处理;其次利用传统的Canny算子获取图像边缘的像素坐标点,改进梯度矩阵来选取拟合点后找到梯度矩阵的切线方向,之后利用法线上的像素点计算所得的梯度值进行高斯拟合获取亚像素点坐标;最后利用八邻域查找连接每个轮廓的亚像素点并输出工件边缘图像。实验结果表明,相较于Zernike矩算法和其他两种高斯拟合算法,算法在4组图像实验中的Pratt品质因数、均方误差、峰值信噪比、结构相似性指标的均值为0.727、11 980、7.64、0.093,各组数据均优于其他3种算法,具有一定的普适性。     

基于改进Zernike矩的轴类零件尺寸测量方法

轴类零件尺寸视觉测量当前多采用像素级边缘检测算法,难以适应工业自动化高精度测量需求。为提高轴类零件轴径尺寸测量精度,本文提出一种基于改进Zernike矩的轴类零件尺寸测量方法。首先利用Canny边缘检测算法对轴图像进行粗定位,获取像素级边缘。其次,根据图像目标与背景间灰度差异,提出基于多阈值Otsu的Zernike矩最佳判定阈值获取方法,获取亚像素级边缘。最后,提出基于边缘点搜索的改进最小二乘法拟合轴图像边缘直线,获取轴径尺寸测量值。实验结果表明,以自行车后轴轴径尺寸测量为例,本文算法相比传统Zernike矩方法稳定性更高,与人工测量值相对误差在0.011%以内,测量精度满足工业零件尺寸测量中自行车轴直径6级公差精度要求。     

基于轮廓曲率的PET瓶防盗环断裂检测

针对现有满瓶检测算法中缺乏聚对苯二甲酸乙二酯(polyethylene terephthalate,PET)瓶防盗环断裂检测算法的问题,提出一种基于轮廓曲率计算和角点检测的防盗环断裂检测算法。首先采用灰度投影法大致定位出瓶盖区域并将瓶盖所在的矩形区域设置为感兴趣区域(ROI),再利用梯度极大值抑制法获取瓶盖边缘点,并根据提出的等腰三角形法和最近点搜索法,拟合边缘点的亚像素坐标并连接瓶盖轮廓。然后利用边缘点的路程距离比(stretch to distance ratio,SDR)来近似表示轮廓曲率,再根据轮廓曲率极大值检测角点,并采用角点匹配法定位支撑环。最后根据支撑环和防盗环之间存在缝隙与否,来判断防盗环是否断裂。该算法检测正确率达到94.75%,可满足生产需要。     

基于改进亚像素边缘检测的弹丸特征点判读

针对传统弹丸图像判读效率低的问题,提出了一种基于改进边缘检测的图像自动判读方法,获得弹丸特征点坐标。在亚像素级别上利用Roberts模板求取图像梯度,寻找邻域内梯度最值绘制锚点,通过智能路线寻迹获得弹丸单像素边缘,采用矩理论求弹丸质心坐标。利用分辨率板检验改进边缘检测方法,并求取阴影图像中弹丸质心。实验结果表明,与传统方法相比,改进算法在边缘的连续性、定位精度上有较好的效果,将弹丸质心坐标的误差由6.7%降低到2.8%。     

基于改进的多项式插值亚像素法电缆护套材料厚度测量

基于图像的测量技术具有测量精度高、动态范围大、灵活性好等优点,如今已广泛被用在几何尺寸测量领域.亚像素定位是其中一项关键的技术,可实现对目标优于整像素精度的定位.针对普通多项式插值亚像素定位法丢失了边缘点的方向信息,造成计算精度下降的缺点,提出了基于改进的Sobel边缘检测插值法,并将其应用到电缆护套材料的厚度图像测量系统中,使插值算法进行亚像素定位后的边缘坐标更加符合实际边界的情况,实现了精确快速的测量.     

架空导线压接对边距的图像测量方法

压接导线主要应用于架空线路建设,其对边距对线路安全运行及服役期限起到重要作用。针对传统人工测量存在的可靠性差、效率低的缺点,提出了一种基于图像处理的压接对边距测量方法。首先根据图像的累计灰度突变点自动裁剪被测区域并进行中值滤波,然后基于改进Otsu阈值法获得边缘连续的二值图像;再分别使用形态学处理和高斯曲线拟合法对边缘进行二次定位,得到亚像素级边缘点;最后采用基于随机抽样一致性（random sample consensus,RANSAC）的最小二乘拟合方法完成上下边缘点的曲线拟合,实现压接对边距的测量。通过模拟试验表明了RANSAC拟合经过10次迭代后测量算法的效果较好,测量误差小于0.1 pixels;而实际导线测量试验结果表明,改进Otsu算法对光照强度具有适应性,同时与人工测量相比,图像测量方法的最大相对偏差为1.82%,重复标准差提高60%,平均耗时仅为人工测量的1/10,能够实现压接对边距高效可靠的测量。     

基于改进直线检测的箱体跌落姿态角解算方法

弹药跌落环境模拟系统主要用于对各种弹药(箱装或裸弹)、引信、仪器设备等进行跌落试验。针对野外复杂背景下高速相机采集的目标跌落图像噪声大、边缘复杂不易提取且图像数据量大等问题，设计了融合高斯核函数和边窗思想的滤波算法、基于感兴趣区域(region of interest, ROI)的改进Hough直线检测算法以及基于序列图像ROI动态更新的边缘直线自动提取算法，解决了去噪过程中目标边缘扩散和序列图像姿态角解算耗时长的问题。实验表明，所提出的改进算法保护了高噪声图像的边缘特征，直线检测耗时低于标准Hough变换耗时的1/10,实现了多帧图像运动目标姿态角的快速自动提取，姿态角解算平均绝对误差为0.36%。     

基于边缘像素约束规则与双特征模型的图像修复算法

为了解决当前基于样本块的图像修复算法主要是常采用固定尺寸的样本块进行重构,在面对丰富的边缘细节信息时,导致重构图像中出现振铃效应以及不连贯效应等不足,提出了一种基于边缘像素约束与双特征模型的图像修复算法。首先,将图像信息熵引入Criminisi算法中,改进了优先级计算函数,确定图像修复的顺序。然后,利用Sobel算子对图像进行边缘检测,利用边缘像素所对应的灰度信息来建立边缘像素约束规则,通过边缘像素点的灰度值之差动态选择合适尺寸的样本块。最后,通过联合SSD和SSIM模型,设计双特征模型,对待修复块以及匹配块进行相似性度量,确定最佳匹配块对损坏区域块进行填充,完成图像修复。实验结果显示,与当前图像修复算法相比,所提算法具有更高复原质量与效率。所提算法具备较好的图像修复能力,在图像处理领域具有良好的参考价值。     

基于改进边缘信息的ZNCC位移提取算法研究

为了解决ZNCC模板匹配算法计算量大、定位精度低等问题,提出了一种基于改进边缘信息的ZNCC位移提取算法。首先,通过曲面拟合法提高基于ZNCC位移提取算法的亚像素精度。然后利用滤波处理后的Sobel算子边缘检测算法提取视频每一帧中的重要信息特征,创建新的模板,并进行ZNCC相关值计算。为减少匹配点和运算量,根据信息点数设定不同的步长。最后,采用基于改进边缘信息的ZNCC位移提取算法提取实验视频中运动对象的位移波形图进行分析验证。实验结果显示,测量速度上提高了77.46%,测量误差为0.234 4%,证明了基于改进边缘信息的ZNCC位移提取算法不仅保留了原算法的搜寻精度与稳定性优势,并在速度上取得了显著提高。     

基于KMM与超像素的SAR海面暗斑分割算法

提出了一种基于K乘性模型(K multiplicative model , KMM)与超像素分割算法的无监督的SAR海面暗斑检测算法。KMM算法采用矩估计法进行参数估计,应用于海表面含暗斑的感兴趣区域（region of interest, ROI）检测。通过对感兴趣区域生成的超像素进行聚类来完成最终暗斑的边缘分割。在边缘回撤率、遗漏误差、交叉误差上有较大改善,机载SAR的平均误差率为10%,而TerraSAR的平均误差率低于2%。在计算效率上也有较大提高,平均0.53 s内可处理104个像素点。实验基于高分辨率L波段机载SAR数据以及TerraSAR X数据进行,实验结果表明该方法具有较强的鲁棒性以及较高的计算效率。     

基于亚像素级的墙面裂缝宽度检测方法研究

针对目前计算墙面裂缝宽度精度低的问题，提出一种基于亚像素级裂缝宽度计算方法。该方法在提取裂缝区域的基础上，运用基于中轴线垂线的裂缝宽度测量方法，结合多项式拟合裂缝边缘，提取裂缝左右边缘亚像素坐标点，从而运用欧式距离方法计算出亚像素级裂缝宽度，并且与像素级计算宽度的方法进行了对比。实验的结果表明，该算法计算结果更加精确，可用于多种类型的墙面裂缝宽度测量，其中纵向、横向和交叉裂缝测量的平均相对误差分别为3.02%、2.44%和3.72%，相比于像素级方法，平均误差分别减少了1.87%、1.95%和2.07%，具有较强的泛化能力以及稳定性。     

基于双目立体视觉的连铸辊尺寸三维测量方法

针对连铸车间中,扇形段连铸辊尺寸人工测量效率低下的问题,提出了一种基于双目视觉系统的连铸辊尺寸测量方法。首先,对双目相机采集的图像进行预处理并采用Otsu法分割工件前后背景;接着,针对边缘检测精度不高的问题,将传统Canny边缘检测算法的梯度模板增加到8个以提取工件轮廓,结合多项式插值公式提取亚像素级别特征点;然后,在SAD与Census变换融合的立体匹配基础上引入RANSAC算法来消除错误匹配;最后,采用三角测量原理计算出零件的尺寸。实验结果表明,系统测量的平均相对误差为0.14%,测量方法具有较高的精度,其稳定性与精确性满足连铸辊的尺寸自动检测任务。     

采用射影几何的圆阵靶标中心像点快速提取

圆阵靶标广泛应用于三维测量和相机标定。在相机的透视投影作用下,靶标上圆形标记点退化成椭圆。然而,椭圆的几何中心并非圆形标记点在像面上的圆心投影。为此,本文利用射影变换下共点、共线等几何不变性质,提出了一种基于射影几何的圆阵靶标中心像点快速提取算法。首先,经过边缘检测、形状滤波及亚像素边缘提取,拟合椭圆得到一般方程;其次,通过射影变换矩阵计算靶标坐标轴方向上的两个消隐点坐标;最后,利用透视不变性原理将消隐点与椭圆一般方程联立解出椭圆的两组公切点坐标,两组切点连线的交点即为圆形标记点在像面上的圆心投影。实验结果表明：与传统搜索公切点方法相比,本文提取中心像点的重建平均距离降低了32.34%,实现了圆形标记点的精确定位,并大幅简化求解过程,具有较强的实用性。[基金项目 国家自然科学基金（62173127,61973104,61803146）、中原科技创新领军人才资助项目（224200510008）、河南省优秀青年科学基金（212300410036）、河南省高校科技创新人才支持计划（21HASTIT029）、河南省高等学校青年骨干教师培养计划（2019GGJS089）、河南省科技攻关项目（212102210169,212102210086）、郑州市协同创新专项（21ZZXTCX06）、河南工业大学自科创新基金支持计划（2020ZKCJ06）、河南工业大学青年骨干教师培育计划（21420080）、粮食信息处理与控制教育部重点实验室开放基金（KFJJ2020107,KFJJ2020111,KFJJ2020114）。]     

基于OpenCV和 YOLOv5的车道线检测与识别

为更加快速、准确识别汽车行驶区域并区分车道,实现无人驾驶,提出一种结合视觉OpenCV 算法和改进 YOLOv5算 法的目标检测跟踪模型进行车道线检测的方法。在图像预处理阶段,首先读取视频图像,把每一帧RGB图像转为灰度图,通 过Canny 算子对图像的边缘轮廓进行提取,然后绘制车道线的掩码区域,并与边缘检测结合,采用ROI 技术提取感兴趣区域, 最后进行概率霍夫变换和最小二乘拟合,将得到的直线绘制到原图像中,最终对每一帧处理后的图像进行输出。目标识别模 块采用卷积神经网络(convolutional neural network,CNN)深度学习方法及 YOLOv5算法进行目标识别处理。实验结果表 明,所提检测算法能够实现准确的车道线检测,实时性和准确性比传统算法高很多,且该方法具有良好的鲁棒性。     

基于改进Census变换的自适应局部立体匹配

针对现阶段局部立体匹配在弱纹理区域具有匹配精度低且过度依赖中心像素的缺点,提出一种基于改进Census变换的自适应局部立体匹配算法。首先根据中心像素领域的纹理复杂度采用自适应支持窗口改进Census变换,引入Tanimoto系数与Hamming距离算法结合,并融合颜色或亮度差的绝对值用作新的初始匹配代价计算。通过十字交叉域算法进行代价聚合并采用赢家通吃算法计算视差,在视差优化阶段采用左右一致法、迭代投票、插值填充和亚像素细化,针对边缘模糊化将改进的自适应中值滤波用作抑制噪声得到最后的视差图。实验结果表明,本文所提出的算法在Middlebury数据集上的平均误匹配率为4.39%,相较于其他改进的Census变换算法有明显提升,并在抗噪能力上具有一定的鲁棒性和适应性。     

基于改进 Zernike 矩的海洋绞车排缆间隙亚像素检测方法

针对海洋绞车现有排缆方式易受环境干扰、接触摩擦磨损影响排缆精度问题,采用非接触式视觉检测直接表征排缆质量的排缆间隙的排缆方式,提出了一种基于改进Zernike矩的海洋绞车排缆间隙亚像素测量方法。首先将二维图像梯度信息垂直投影为一维波形,提出基于Scharr梯度信息的垂直投影排缆间隙定位方法,快速定位间隙区域;然后通过主梯度方向插值改进Zernike矩的亚像素边缘检测,提高亚像素边缘检测精度;最后采用基于DBSCAN的最小二乘曲线拟合方法实现多条不相交曲线拟合,实现排缆间隙大小测量。实验结果表明,本文方法相比于拟合法、插值法、传统Zernike矩法亚像素检测具有较高的准确度和测量精度,排缆间隙测量误差在0.1 mm内,相对误差可达8.60%以内,为有效实现精准排缆提供前提保证。