Gabor滤波与数学形态学结合下激光图像亚像素边缘检测

针对当前图像亚像素识别定位易受到噪声干扰,导致边缘检测完整性较差的问题,提出基于Gabor滤波与数学形态学的激光图像亚像素边缘检测方法。采用指定不同方向与尺度Gabor滤波器和图像卷积,对卷积激光图像实行规格化操作,利用取极小值与平均值实现激光图像Gabor滤波器结果自适应性融合,获取增强后的图像。依据图像处理,根据图像灰度与空间结构特征,通过数学形态学实现边缘点粗定位,在图像像素级上得到边缘点坐标与梯度方向。依据边缘点向量与参考阈值,通过Zernike矩实现边缘点亚像素边缘精定位,完成激光图像亚像素边缘检测。实验结果表明,所提方法具备较高的检测精度和效率,可实践性能较强。     

基于改进Zernike矩的光斑图像亚像素边缘检测算法

为了满足光束质量检测中对光斑边缘高精度的定位要求,采用了一种基于改进Zernike矩的亚像素边缘检测算法.首先由Sobel算子对光斑进行粗定位,再由Zernike矩的边缘模型对获取的像素级边缘进行重定位,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,以完成光斑图像亚像素级边缘的提取.通过对仿真图像亚像素边缘...     

图像的快速亚像素边缘检测方法

提出了一种新型的测量图像快速亚像素边缘检测方法。首先,利用标准的Sobel算子进行边缘点的粗定位,确定边缘点的像素级精度位置和边缘的方向;然后,沿边缘点的边缘方向拓展像素,得到长度为6的像素灰度值向量,将向量带人利用最小二乘曲线拟合方法得出的公式,求出边缘点的精确位置,从而能够实现亚像素边缘定位精度。实验证明：该方法的定位精度为0．1pixels,算法的运行时间为0．53s。     

基于误差效应的亚像素边缘检测算法

针对传统亚像素边缘检测算法在实时性、精确性和鲁棒性之间难以平衡的问题,提出了一种基于误差效应的亚像素边缘检测方法。该方法首先建立边缘函数模型,并计算每个像素边缘对应函数方程常数项的近似值和对应误差,然后结合最小二乘法使整体函数模型误差最小,从而获得较为精确的边缘参数。基于标准图像和实际图像的实验测试结果表明,该算法具有快速、鲁棒性强和检测精度高等优点,能够满足实时检测的要求,评价指标优于其他传统算法。     

基于Zernike矩的黑片图像亚像素边缘检测

针对目前像素级边缘检测算子存在精度较低,难于实现黑片零件缺陷检测的高速度、高精度的要求,提出了一种基于Zernike矩的黑片图像亚像素边缘检测方法。实验结果表明,该方法测量精度高,定位精确,提取的边缘坐标能达亚像素级,可应用于黑片缺陷的在线检测。     

屋脊型边缘的亚像素级检测算法研究

通过分析屋脊型边缘的成像特点,提出了一种针对屋脊型边缘的亚像素级检测算法.给出了算法的理论证明,说明了算法不存在原理性误差,此算法将求取边缘点的亚像素位置转为求解图形的对称中心.推导出算法的离散化公式.通过实验验证了此算法在无噪和含噪情况下的有效性,并分析了误差产生的原因.研究结果表明,此算法计算量小、精确度高,并具有抑制噪声的能力.     

一种亚像素边缘检测方法

提出一种新的亚像素边缘检测方法，此方法先经过传统模板算子粗定位边缘，然后再用ZOM矩算法精确定位。并给出此种方法的具体实现步骤，实验证明这种方法检测精度可达到亚像素级，具有很好的检测稳定性，有很强的实用价值。     

改进Zernike矩亚像素边缘检测算法研究*

针对Ghosal算法检测出的边缘较粗以及手动反复调节阶跃强度阈值引起的效率低的问题,提出了一种改进算法.首先,推导出模板系数,并计算得出Zernike矩.其次,利用推导出的公式计算出距离阈值和边缘阈值,利用Otsu法计算得到最佳阶跃强度.最后,通过设计三组实验,来验证改进算法的有效性.实验证明,改进算法能够更加有效地检测出图像的边缘,减少伪边缘的存在并且细化了边缘,提高了定位精度,同时降低了算法的执行时间.     

一种基于梯度的亚像素边缘检测算法

采用Sobel算子确定图像边缘的大致位置,然后用三次样条插值函数对灰度边缘图进行内插计算,使目标边缘定位达到亚像素级.再对插值后的图像采用阈值迭代算法得到阈值特征图像.实验表明,该方法能精确定位目标边缘,达到亚像素精度,优于传统的边缘检测方法.     

一种新的亚像素边缘检测算法

总结了目前基于sigmoid函数的亚像素边缘检测算法,针对其计算过程较为复杂的缺陷,本文提出了一种新的亚像素边缘检方法-基于反正切函数拟合的亚像素边缘检测方法。该算法首先通过Canny算子进行图像整像素边缘的初步定位,并采用反正切函数作为拟合边缘模型,利用边缘像素附近的灰度值拟合边缘模型来获得亚像素的边缘定位。实验结果表明,在不影响精度的前提下,基于反正切函数拟合的亚像素边缘检测算法的运行时间要明显快于sigmoid函数的亚像素边缘检测算法的运算时间。因此,反正切函数拟合的亚像素边缘检测算法基本地满足了图像测量的稳定可靠、高精度、强实时性要求,并对图像噪声有较强的抗干扰能力。     

基于亚像素边缘检测的LED芯片定位算法研究

LED芯片的定位精度直接决定了LED制造装备的生产质量和效率,为了提高LED芯片的定位精度,提出了一种基于亚像素边缘检测的芯片定位算法.该算法首先采用Gamma变换方法增强图像的对比度,并利用Blob算法获取芯片有效区域;接着采用Canny算法进行芯片亚像素边缘轮廓的提取;最后,通过拟合芯片边缘轮廓,获取芯片位置中心,完成芯片位置的精确识别.该算法不需要人工训练模板进行匹配,提高了边缘提取的定位精度,实验表明,该算法能在平均4 ms内完成一颗芯片的识别,且重复精度达到0.1 pixel,满足LED芯片高速高精度定位需求.     

基于亚像素边缘搜索的气门几何参数检测

气门几何参数检测问题是汽车、船舶、航空以及柴油发动机等工业缺陷检测领域的热点难题,其本质是气门边缘关键点的检测问题,目前应用在工业气门产业的成果较少。本文针对气门边缘关键点难以精准检测问题,设计了基于亚像素边缘搜索算法,该算法基于Zernike矩和亚像素边缘检测对气门边缘进行矫正,并结合图像投影和逐像素边缘搜索精确定位边缘关键点对其拟合,得到气门几何参数检测结果。为了验证所提算法的有效性,对不同尺寸的工件进行检测分析,结果表明该算法检测气门杆径的最大绝对值误差和最大极差分别低于0.009 3 mm和0.036 3 mm,在检测精度和稳定性上均达到了工业要求,满足实际工业生产现场的检测需求。     

一种Zernike矩亚像素边缘检测的优化算法

Zernike矩边缘检测算法是一种基于亚像素级的检测算法,但是传统的Zernike矩算法在阈值选取方面需要人工调试,不具有智能性,无法满足现代高效率工业检测技术的要求。本文为了克服这个不足点,从算法的阈值选取出发,对算法进行了改进,推导出了一种阈值的优化计算方法。实验结果表明这种优化算法能够有效地检测出图像的边缘,并有极高的检测精度,很大程度地提高了算法的检测效率,增强了该算法的实用性。     

亚像素边缘检测在小模数齿轮参数检测中的应用

针对工业中小模数齿轮参数检测高精密的要求,本文设计了一种改进的Sobel算子和三次样条插值法结合得到亚像素边缘检测的方法,以快速且精确的方式,得到二值化的边缘图像。通过对小模数齿轮图像边缘提取实验,对该算法的有效性和检测精度进行了验证,给出了实测尺寸对比结果。实验结果表明:本文的亚像素定位算法比传统算子检测定位精度更高,可满足图像高精度实时在线测量的要求。本文网络版地址:http://www.eepw.com.cn/article/145482.htm     

彩色编码结构光条纹边缘亚像素检测研究

基于彩色编码结构光中的RGB彩色条纹,提出一种基于彩色分量交点的条纹边缘亚像素检测方法。将彩色条纹图像由RGB模型转为l1l2l3归一化彩色模型,模型各分量不受环境光、拍摄角度和物体形状的影响,利用模型中各分量交点实现彩色条纹边缘检测。给出了彩色模型转换推导过程和条纹边缘检测算法,实验结果表明,本文算法的条纹边缘检测误差小于0.4pixel,条纹边缘检测平均误差小于0.2pixel,方差小于0.1pix-el2。     

基于三次B样条小波变换和Franklin矩亚像素级图像边缘检测算法

为了满足精密测量和红外与可见光图像配准对图像边缘定位的高精确度和高抗噪性的要求,提出一种基于三次B样条小波变换和Franklin矩结合的亚像素级图像边缘检测算法。首先,利用三次B样条小波窗函数对图像边缘多层分解,根据小波模极大值原理对各层检测得到初始边缘信息,随后将其边缘点与多尺度范围下3×3邻域内的点进行比较,将模值和幅角相近的点保留,建立新的边缘图像。然后,建立亚像素边缘模型,根据Franklin矩旋转不变性原理,分析图像边缘旋转至一定角度之后各级Franklin矩之间的关系,得到计算亚像素边缘点的模板关键参数,将模板在小波变换得到的新边缘图像上移动并与其覆盖下的子图进行卷积运算,进而得到图像的亚像素级边缘点。实验结果表明,并与当下表现较优的3种算法进行对比,本文提出的基于三次B样条小波变换和Franklin矩结合的算法精确度更高且抗噪性更强,能够更好地满足对于红外与可见光图像配准稳定可靠及高精度测量的要求。     

基于三次B样条小波变换和Franklin矩亚像素级图像边缘检测算法

为了满足精密测量和红外与可见光图像配准对图像边缘定位的高精确度和高抗噪性的要求,提出一种基于三次B样条小波变换和Franklin矩结合的亚像素级图像边缘检测算法。首先,利用三次B样条小波窗函数对图像边缘多层分解,根据小波模极大值原理对各层检测得到初始边缘信息,随后将其边缘点与多尺度范围下3×3邻域内的点进行比较,将模值和幅角相近的点保留,建立新的边缘图像。然后,建立亚像素边缘模型,根据Franklin矩旋转不变性原理,分析图像边缘旋转至一定角度之后各级Franklin矩之间的关系,得到计算亚像素边缘点的模板关键参数,将模板在小波变换得到的新边缘图像上移动并与其覆盖下的子图进行卷积运算,进而得到图像的亚像素级边缘点。实验结果表明,并与当下表现较优的3种算法进行对比,本文提出的基于三次B样条小波变换和Franklin矩结合的算法精确度更高且抗噪性更强,能够更好地满足对于红外与可见光图像配准稳定可靠及高精度测量的要求。     

分区均值的自适应噪声图像边缘检测算法

针对边缘检测算法存在的检测精度与抑噪的矛盾,提出一种基于新的图像边缘检测算法。算法将检测窗口按照0o,45o,90o和135o四个不同方向分别划分为两个子区域,先统计每个检测窗口(3×3)内脉冲噪声点的个数,如果超过3个,则扩大检测窗口至5×5。对于检测窗口每个方向划分的两个子区域,分别计算区域内的非噪声点的平均灰度值,利用平均值差的绝对值作为窗口的方向梯度值,进而求得中心点的梯度。然后,对梯度图像采用改进的非极大值抑制方法进行细化,并提取边缘。实验结果表明,该算法检测的图像边缘方向性较强,边缘较细,不仅对不同程度脉冲噪声干扰图像具有较强的抑噪能力,而且对高斯噪声也具有一定程度的抑制效果,算法具有较强的适应性。