基于Zernike矩的亚像素边缘检测改进算法

本文在Zernike矩的亚像素边缘检测算法的基础上,通过修改Prata算子和提出了一种比q-recursive更快的递归关系,提出来一种改进的算法。新算法克服了Ghosal在亚像素边缘检测时存在高阶矩时较高的计算成本和数值不稳定性的不足。实验结果表明,该算法的运算速度与精度比Ghosal算子和Prata算子有较大的提高。     

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法.基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测.仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快.     

基于邻域特性分析的小模数齿轮亚像素图像边缘检测

针对高分辨率小模数齿轮图像中边缘灰度梯度呈双峰或多峰分布的问题,提出一种基于邻域特性分析的小模数齿轮图像亚像素边缘检测算法。算法以邻域窗口的灰度均方差积表示边缘强度、灰度重心所在的方向表示灰度变化的方向;通过阈值化、非极大值抑制和边缘细化等获取初始边缘;在初始边缘的基础上将求取的灰度变化方向划分为八个区域,构建一维灰度矩模型解算亚像素边缘位置。为验证算法的有效性,分别以模拟图像与实际图像为对象进行亚像素边缘检测实验,根据齿轮边缘特性以最小二乘拟合法评价算法对齿轮图像的检测效果。实验结果表明,该算法具有曝光敏感度优、绝对定位精度高、重复性好的优点。     

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Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;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。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

基于数学形态学和灰度矩的高温亚像素边缘检测

提出了一种在高温条件下的试件边缘检测方法,能准确检测试件在升温过程中边缘的变化情况。对采集到的图像利用Canny算子和数学形态学进行像素级边缘粗定位,然后在灰度矩亚像素边缘检测算法基础上,增加对边缘判断条件的约束来检测亚像素级边缘,使得检测出的边缘更加真实可靠。经试验分析,该算法的分辨精度可达到0.1-0.15个像素,可实现高温条件下试件边缘的高精度非接触式测量。     

基于SIFT的小模数齿轮图像亚像素级配准研究

为解决小模数齿轮视觉测量中凸显的工业相机高空间分辨率与大视场相互制约的问题,对轮廓光条件下前景背景对比度过强、局部对比度不足,存在大面积同色区域的小模数齿轮图像亚像素级配准方法进行研究。针对传统基于特征点的图像配准流程在小模数齿轮图像配准中存在特征点数量稀少、正确匹配率过低的问题,介绍了适用于小模数齿轮图像的配准流程;引入直方图均衡化改善图像对比度,丰富灰度色调,增晰图像暗部特征以提升特征点数量和正确匹配率;为了克服传统匹配对提纯算法中阈值设置不准确、参数调整困难及模型不唯一的缺点,结合两倍中误差准则提出全局自适应参数匹配点对提纯方法,保证提纯结果唯一性的同时,其自适应调整判别阈值的方法可避免人为误差进而保证结果的重复性。实验结果表明,利用介绍的方法对图像进行预处理可大幅度提升特征点数量与正确匹配率,取提纯所得平移量的平均值作为配准结果,其正确度和精密度均优于传统算法,针对轮廓光条件下的小模数齿轮图像,配准精度优于0.083 pixel,对于小模数齿轮视觉测量具有实际应用价值。     

基于小波变换的亚像素边缘检测

提出一种基于小波变换的亚像素边缘检测方法,从理论上证明该方法不存在原理误差,同时具有较强的抗噪能力。实验表明,在对光源等无特殊要求的情况下,该方法的精度优于0.02个像素,从而验证了理论的正确性。     

小模数齿轮量仪的改进

英国标准B.S.978:1968第一部份规定的径节为24～200(模数为1～0.13毫米)的小模数齿轮,虽然可用综合误差检查仪进行测量,但对这类齿轮的生产目前已提出单项测量的问题.一般齿轮往往是不常     

图像亚像素边缘检测的新方法

本文提出了一种改进的基于正交傅里叶变换的新方法,提高了部分数字图像的亚像素边缘检测的准确性。首先,使用这些矩的低径向阶和旋转不变性描述图像中的小物体,其次,通过在垂直方向上设置边缘,分析在不同顺序和角度的正交傅里叶变换-Mellin矩之间的相互关系,进而充分地提取出边缘的具体特征。实验结果表明,改进的基于正交傅里叶变换的亚像素边缘检测方法提高了部分图像的边缘检测的准确率。     

基于边缘像元投影的微小轴承亚像素边缘检测

对于微小轴承的内径测量,基于机器视觉的非接触测量技术具有广阔的应用前景。针对轴承的边缘像素点,投影将感光像元划分成感光值不同的两个部分,像素单元的最终灰度值为投影两侧局部灰度统计值的面积加权平均值,取该像素的矩形邻域,并对其邻域灰度值进行高斯加权处理,将边缘投影按泰勒公式展开为二次曲线得到高精度亚像素边缘。针对微小轴承进行实验,将本文算法与基于直线拟合的方法进行比较,每毫米包括约217.18个像素,检测的圆度提高0.04%以上,标准差减少不少于7.27%,因此可更准确获取微小轴承内径的亚像素边缘。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。     

基于阈值分割与Zernike正交矩的曲线磨削边缘检测方法

针对数字化曲线磨床CCD在线检测系统的特点,提出了一种基于阈值分割与Zernike正交矩方法的新型图像亚像素边缘检测方法。详细介绍了该方法的原理及依据,并与其它类型的边缘检测方法进行了对比实验。结果表明,该方法达到了较好的检测效果,同时提高了检测效率。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

基于亚像素边缘的椭圆中心检测方法研究

在椭圆边缘粗定位的基础上,根据椭圆粗定位信息及图像边缘梯度方向附近点的灰度分布特征,进行高斯拟合获取精确的亚像素边缘点,对亚像素边缘点进行最小二乘拟合,得到精确的椭圆中心位置。实验证明,该算法对椭圆中心定位精度和稳定性有较大提高,并有很好的实时性。     

基于亚像素边缘检测的液位测量系统研究

针对化工、医药等领域中透明试剂的液位测量存在精度低、智能化水平达不到要求的问题。文中在线阵CCD测量技术基础上提出一种非接触透射式的高精度液位检测系统,采用一维图像亚像素边缘检测算法确定液位边缘,再进行阈值比较与直线拟合分析,确定液位像素点坐标,实现液位快速高精度测量。经过多次实验验证,测量范围为5～25 mm时,误差低于10μm,分辨率优于5μm。     

基于高斯曲面拟合的亚像素边缘检测算法

提出了一种基于高斯曲面拟合的亚像素边缘检测算法.该算法首先使用传统Canny算子进行边缘像素级的粗定位,再以粗定位边缘像素为中心取5x5窗口获取梯度幅值,对其进行高斯曲面拟合,在梯度方向上寻找局部极值点,从而达到边缘亚像素级的精细定位的效果.文中介绍了算法的理论依据,给出推导过程,并用螺旋测微器的标准间隙进行实例分析,...     

基于Zernike矩的管道弯曲度高精度检测

介绍了管道弯曲度测量系统的工作原理，提出了一种基于Zernike矩的管道弯曲度高精度检测方法。利用LoG算子把激光光斑边缘定位到像素级精度，然后使用Zernike矩算子进一步细分，使光斑边缘定位达到亚像素级精度，通过拟合计算得到光斑中心坐标，从而得到弯曲度的大小和方向。同时还进行了常用光斑中心定位算法与Zernike矩算法的对比实验，并对实验结果进行了定量分析。实验结果表明，Zernike矩算法的定位精度和速度均达到满意的结果。     

刀调仪的亚像素边缘检测技术研究

边缘检测技术是刀具预调仪的刀具图像处理的核心技术。文中利用基于阈值进行边缘提取的思想,实现了亚像素级别的边缘检测,可以将边缘检测的精度提高10倍以上,为进一步提取刀具参数奠定了基础。     

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。