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.     

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。     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)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Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和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,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。 更多还原     

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。     

高速的9×9尺寸模板Zernike矩边缘算子

根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后,采用先粗后精定位思想,使新算子的运算速度大幅提高,耗时仅为0.19s。     

原始Zernike矩边缘算子抗干扰性能

针对Zernike矩算子在边缘模糊、随机噪声存在情况下的检测性能进行了研究,以获得该算子的抗干扰性能.通过分析Zernike矩算子的各阶矩计算过程,得知将像素灰度与模板进行卷积便可获得Zernike矩,这样的计算有利于减小随机干扰的影响.利用人工合成的二值图像进行了边缘检测性能测试,结果表明,对于模糊噪声图像,由于边缘的过渡特征,Zernike矩算子检测具有一定精确性,但会在某种程度上存在边缘细化能力、定位精度下降的问题;而对于随机噪声图像,当最大值在40以内时,Zernike矩算子具有较强的抗噪能力;若随机噪声超出此范围,则检测效果急剧恶化.     

基于小波和Zernike边缘提取

为能在噪声图像中准确地找到边缘的亚像素坐标,提出了一种基于小波多尺度积和改进Zernike算法的边缘亚像素坐标提取方法。首先,用多尺度小波变换处理图像,充分发挥大、小尺度各自的优势,结合多尺度乘积的特性,提取噪声图像的像素级坐标。在此基础上,使用改进的Zernike方法提取亚像素坐标。2组对比试验表明,该方法能准确地提取噪声图像的亚像素边缘坐标,较Zernike算法抗噪能力强,提取的边缘坐标准确度高。     

两级Zernike矩算子的快速亚像素边缘检测

开发了基于两个不同尺寸模板Zernike矩的新边缘检测算子.首先利用小模板3*3尺寸的像素级Zernike矩算子快速检测出所有可能边缘点;然后利用大模板7*7尺寸的亚像素级Zernike矩算子重新精确定位边缘.检验结果表明,本方法定位精度为亚像素级,且算法运行时间为0.14s.新算子具有运算速度快、定位精度高的优点.     

基于Zernike矩的抗旋转攻击图像感知哈希算法

以Zernike矩为特征图像感知哈希算法,由于Zernike矩对图像旋转具有不变性,使得算法具备了旋转攻击下的鲁棒性;同时由于Zernike矩是图像的正交表示,能够很好地提取图像的内容,使得算法具有良好的区分性.算法首先将图像归一化,然后提取图像Zernike矩作为特征,经过密钥置乱后,对特征进行量化生成哈希串.算法在...     

基于视觉传感器的相贯线焊缝特征提取方法

针对相贯线焊缝自动焊接时焊缝识别误差大、焊接效率低等问题,设计一种针对相贯线焊缝的图像采集方式,提出基于视觉传感器的相贯线焊缝特征提取方法,改进了传统的摄相机标定算法.首先,使用工业相机采集带有激光条带的焊缝图像;其次,通过高斯滤波、顶帽变换、Otsu阈值分割、Sobel边缘检测算子、非极大值抑制等算法相结合的方式对焊缝图像进行处理;再次,利用概率Hough变换对激光条带的轮廓线段进行拟合,计算得到焊缝特征点像素坐标值,经相机标定得到映射矩阵,最终得到相贯线焊缝的三维模型.实验结果表明：焊缝图像处理算法平均处理时间为106 ms,平均误差为0.26 mm,最大误差为0.49 mm;此方法满足识别相贯线焊缝的速度与精度要求.     

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Zemike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Zemike。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Zernike矩和PSO算法的摄像机神经网络标定

提出了一种新的基于Zernike矩和粒子群(PSO)算法的摄像机BP神经网络标定方法。首先,利用Zernike矩和曲率不变性求取圆形标定模板中心的亚像素坐标,提高神经网络训练数据的精度;其次,利用PSO算法优化网络的初始权重和阈值,提高网络的收敛速度和泛化能力。实验结果表明,该方法在X轴和Y轴方向的测量误差小于0.06 mm,整个测试集均方根误差为0.194 mm,证明了该方法的有效性。     

光栅投影三角形法测量物体的三维轮廓

采用三角形法测量物体三维轮廓．对光栅投影条纹图像进行预处理，采用重心法提取条纹中心线位置，可以获得亚像素级的精度．接着修补条纹中心线，求出采样相对偏移量，计算出物体的高度信息．     

基于Zernike矩的人体行为识别

为了保证特征提取的有效性,更完备地描述人体行为序列,提出了一种基于Zernike矩的人体行为识别方法.该方法利用规范化的运动历史图像(MHI)进行图像序列的表示,从中提取出基于Zernike矩的统计描述作为特征向量进行识别.同时,提出了一种利用图像的重建过程确定分类时采用的Zernike矩的最高阶次的算法.实验中,对8类不同的人体行为进行了测试.应用Zernike矩特征的分类精度高于用规则矩和Hu矩作为特征的方法,证明了基于Zernike矩的人体行为识别方法的有效性.     

基于结构光视觉传感的V型焊缝检测与信息提取

对基于结构光视觉传感的V型焊缝图像预处理及拐点检测进行了研究.CCD摄像机采集到的焊缝图像,经过阈值变换、中值滤波、拉普拉斯锐化、细化一系列图像预处理后,准确提取了焊缝激光条纹信息,运用欧氏空间向量夹角的方法检测焊缝拐点位置.根据V型焊缝偏中距离、焊缝宽度和焊缝高度的计算方法提取信息,实现焊缝的自动跟踪.     

基于激光单目视觉系统的焊缝提取

将激光单目视觉传感器固定在ABB机器人上组成视觉系统,用Matlab标定工具箱实现了对摄像机参数的高精度标定,与机器人示教器结合对机器人进行了手眼标定;利用视觉系统采集焊缝图像,对获得的图像进行图像处理和特征分析,并提取计算机图像平面上焊缝特征点的图像坐标.根据摄像机内外参数、机器人的手眼关系以及焊缝的特点提出一种简便的方法将二维平面坐标转化为三维坐标,用Solidworks还原出焊缝的三维模型,提取焊缝中心线信息进行焊接实验,结果表明焊接精度满足实际要求.     

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。     

基于灰度矩亚像素定位算子的视觉测量方法研究

根据灰度矩算子在目标成像前后的矩不变特性,提出了一种利用目标图像成像前后三阶灰度矩进行亚像素定位的多源视觉测量方法.该方法在获取到被测对象的图像后,首先根据其特点利用图像增强算法与传统的边缘检测算法进行预处理与边缘粗定位,然后根据物体成像前后灰度矩算子不变的特性将边缘定位在亚像素级精度上,之后利用直线拟合法确定被测对象的参数,最后采用多个传感器分别获得测量结果并进行加权平均,以进一步提高测量结果的精度.仿真测量结果表明,该方法具有精度高、抗噪声性能好等特点.