薄片零件尺寸机器视觉检测系统中边缘检测技术的对比研究

以高斯模糊的仿真图像和薄片零件图像为评价图像．分别用Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Laplacian算子、LOG算子、数学形态学边缘检测方法进行边缘检测,对边缘检测结果进行了深入分析,对算法的边缘定位精度、抗噪声能力和计算时间进行了比较。数学形态学边缘检测方法能获得单像素宽连通的轮廓,检测时间分别为0．0521s、0．457s。选择数学形态学边缘检测方法作为薄片零件尺寸机器视觉检测系统的边缘检测方法是合适的。     

基于Canny理论的自适应阈值彩色图像边缘检测

传统的Canny边缘检测算法基于灰度图像,不能充分利用彩色图像的全部信息,且阈值需要人为设定,自动化程度不高.论文提出一种新的算法,基于彩色图像多通道融合技术,根据图像梯度直方图信息,对图像进行自适应阈值处理.将Canny灰度边缘检测算子扩展到彩色边缘检测,利用彩色图像各个通道自身的梯度直方图和梯度方差作为局部阈值,有效解决彩色图像各个通道之间的差别.实验结果表明,其能充分利用图像的颜色和梯度信息,提高边缘检测的准确性.     

基于Matlab图像边缘检测算法效果对比

边缘是图像最基本的特征,包含图像中用于识别的有用信息,边缘检测是数字图像处理中基础而又重要的课题。文章具体考察了5种经典常用的边缘检测算子以及最小二乘支持向量机提取边缘检测算子,并运用Matlab进行图像处理结果比较。梯度算子简单有效,LOG算法和Canny边缘检测器能产生较细的边缘。最小二乘支持向量机结合图像的梯度和零交叉信息,选取一定的参数条件,可以获得比Canny方法更好的性能。     

融合分数阶微分边缘特征的自适应跟踪

为提高跟踪方法对背景信息、光照变化的抗干扰能力,提出融合分数阶微分边缘特征信息的改进跟踪方法。将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合,构造出对高、中频信息提升,而对低频信息能够非线性保留的混合边缘检测算子,并利用其实现目标模板及场景图像的边缘特征信息检测。基于目标色度特征和边缘特征两种直方图模型,分别建立场景图像的反向概率投影值,根据背景信息的动态变化,以抑制背景干扰信息为目的,建立自适应融合的反向概率投影图,提高算法对不确定环境变化信息的鲁棒性。实验结果表明,混合边缘检测算子能够提高边缘图像的信噪比,改善边缘提取的效果。边缘、色度特征信息自适应融合的跟踪方法单帧跟踪时间小于20 ms,满足实时性要求。该方法能够在光照变化明显和与目标颜色相似背景等情况下有效实现目标识别与跟踪功能。     

X射线焊缝底片数字化图像边缘检测方法

从X射线焊缝底片数字化图像缺陷识别的实际需求出发,针对焊缝缺陷图像边缘提取,进行不同边缘检测方法的对比研究,分析各类边缘检测算子边缘提取效果的特点及阈值的取值对边缘检测算子的边缘提取效果的影响,提出基于数学形态学的多方位结构元素边缘检测方法.实验表明：综合采用阈值优化的Canny算子和基于改进的形态学梯度算子及多方位结构元素的数学形态学边缘检测方法,能够获得完整全面的边缘信息,有利于对焊缝缺陷的分类及缺陷等级识别.     

基于改进形态学梯度的齿轮边缘检测

经典的边缘检测算子算法更多地采用Prewitt算子、LOG算子和Canny算子等在空域中进行。数学形态学在图像处理过程中不涉及变换,其原理是利用结构元素检测图像,并直接处理图像的特征信息。在形态学梯度的基础上,提出了一种基于改进形态学梯度的图像边缘检测算法,选取合适的形状以及尺寸的形态学梯度结构元素,并组合使用以检测出较理想的图像边缘信息。试验结果表明,该算法在含噪图像中能较好地保存图像边缘信息,有更好的定位精度和抗噪性。     

微分算子的频谱分析及其在零件边缘检测中的应用

为了预测微分算子边缘提取能达到的效果,从频域角度出发,分析了边缘检测中常用微分算子的频谱特性。提出了在使用和构造微分算子时,要充分考虑它们的频谱特性。不同的微分算子对不同边缘检测的敏感程度是不同的,因此对不同类型的边缘提取,应该采用对此类型边缘敏感的算子进行边缘提取。最后,通过对摩托车压铸模零件的CCD图像处理验证了频谱分析方法用于边缘检测算子选择的可靠性。     

一种新颖的人脸图像超分辨率技术研究

本文针对基于学习的人脸图像超分辨率技术进行研究,采用多分辨率的幻觉脸算法。针对Baker方法（文献[1]）建立的图像金字塔提取高频细节不够丰富的缺点,采用Kirsch算子提取高频特征。它与Baker的一阶、二阶灰度算子结合,能够提取更多的图像信息,使得匹配更为准确。另外将流形学习中的LLE算法思想引入匹配复原过程中,使复原结果获取更完备的高频信息。实验结果表明,本文预测得到的先验模型更为准确,使得最终复原的人脸图像具有更好的视觉效果。     

基于主轴分析和EDISON—Zernike矩的彩色图像亚像素边缘检测

本文分析了目前常见的亚像素边缘检测方法,提出了一种综合运用主轴分析法、Zernike矩和嵌入置信度的彩色图像亚像素边缘检测算法。首先获取影像三维空间中的主轴,然后利用嵌入置信度的边缘检测算子快速检测出所有可能的边缘点,再利用Zernike矩算子以亚像素精度重新定位边缘。实验表明本文算法优于其它的边缘检测算子,充分利用了图像的彩色信息,定位精度能够达到0.13个像素,并且该方法还具有良好的抗噪声干扰性和处理效率。     

基于FPGA的Sobel算子图像边缘检测算法

系统基于Altera DE2-70开发平台,选用500万像素COMS摄像头进行图像采集,图像信息经Sobel算子图像边缘检测算法处理后由液晶显示器显示.算法采用了可编程宏功能模块与Verilog HDL语言相结合的方法实现,实验结果表明,基于FPGA的硬件系统能够很好的实现Sobel算子边缘检测算法,通过设置合适的梯度比较阀值,较为理想的提取图像边缘信息.     

基于多尺度融合技术的图像边缘检测

根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,设计平滑滤波窗算子,将其与嵌入可信度方法相结合进行边缘检测;同时充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到精确的单像素宽边缘。实验结果表明,该方法不仅能准确检测出边缘图像,而且能有效地抑制噪声,是边缘检测的一种较好的实用方法。     

边缘检测算子在断口图像识别中的应用

边缘检测技术是图像处理和计算机视觉等领域最基本的技术。不同的微分算子对边缘的敏感程度是不同的,如何选用适当的边缘检测算子得到准确的边缘信息,就成为断口图像处理的关键步骤。通过M ATLAB进行仿真研究,比较和分析几个不同算子的边缘处理结果,从中得出C anny算子较适用于断口图像的识别与分类过程。     

基于MATLAB数字图像边缘检测算子的研究

边缘检测是数字图像处理中的重要内容,是图像数据分析、模式识别、计算机视觉等技术的基础。因此对边缘检测算子的研究具有重要的意义。主要研究了基于MATLAB的数字图像边缘检测算子,其研究对象主要是灰度图像,通过对图像边缘检测算子阈值、方差等因素的仿真分析比较,获得各算子的适用范围,以便更好地灵活运用。     

基于计算机视觉对目标识别检测的研究

机器视觉是工业机器人获得外部环境信息的方法之一,通过视觉所得到的图像信息能实时地提取工件参数、判断出工件所处的位置。为了改善从 CCD 摄像头摄取的工件图像的质量,需通过理论分析和MATLAB软件对图像进行预处理,利用直方图均衡化、中值滤波、边缘检测等方法,提取出板材矩形类工件的边缘特征,用Halcon软件计算测量板材边缘,利用Canny算子取得板材在精度误差之内的边缘检测效果。