基于机器学习算法的图像边缘识别

文章首先改进边缘检测算法对图像边缘进行定位,使用双边滤波代替高斯滤波进行去噪处理,利用灰度相似性与几何相似性的权值分配边缘特征,提高精度;其次,在提取边缘坐标工作中利用多项式插值的方式提取出亚像素级精度的图像边缘坐标表示;最后,利用边缘轮廓追踪分析法实现了边缘线段分割,并将直线型、圆弧型以及椭圆弧型边缘进行曲线拟合,实现边缘几何属性提取。     

基于小波和Zernike矩的标尺靶亚像素检测算法

为解决特殊环境下基于光电成像的高精度测量系统中的低照度含噪靶面高精度测量的难题,提出了一种基于小波变换和Zernike矩相结合的亚像素边缘检测方法.该算法首先对获得的低照度含噪靶面图像采用基于小波变换局部模极大值的方法进行抗噪声的粗级边缘提取和去噪处理,获得靶面图像的像素级边缘和具有边缘保持特性的无噪声靶面图像,然后通过在边缘区域内求取Zernike矩的方法进一步提高边缘检测的精度,使得边缘检测的精度达到亚像素级,以便进一步提高测量精度.试验和仿真结果表明:该算法能够在特殊环境下实现对低照度含噪靶面的高精度边缘检测和测量,检测精度达到0.2pixel,具有较强的工程应用价值.     

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。     

一种Zernike矩的高精度板材尺寸测量方法

目前技术条件下,对于大视场的高精度边缘测量而言,工业级面阵CCD传感器的分辨率难以满足要求.文章针对钢板尺寸测量系统,首先介绍了测量环境和工作原理.继而在Zernike矩以及Zernike矩亚像素精度边缘检测原理的基础上,提出了适用于钢板尺寸测量的亚像素精度边缘检测算法.该算法不仅具较好的抗噪性能和检测精度,而且在传统界定边缘点的阈值处理方法上进行了改进,使边缘受限于单个像素的宽度范围内,能够实现亚像素精度的定位.系统实际运行表明,该方法能够有效提高测量精度,具有良好的效果和实用价值.     

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...     

应用机器视觉精确检测工件尺寸的研究

本文在介绍机器视觉检测系统的组成和工件尺寸检测原理的基础上,以高精度尺寸的标准块为例,详细介绍了工件图像滤波,边缘检测和亚像素边缘提取,并对亚像素边缘特性和规律进行了简单的分析.实验检测结果表明,对不超过40mm的工件,尺寸检测误差不超过0.1mm;改进系统测量方法后,检测误差不超过0.01mm.     

基于Zernike矩的圆形插针特征点提取算法研究

在电连接器插针缺陷检测系统中,插针图像特征点的获取是检测关键,为了实现插针位置的高精度检测,提出了一种基于Zernike矩的插针特征点定位算法。通过增大Zernike矩的算子模板尺寸,以及优化边缘阶跃模型,提高了亚像素边缘检测算法的精度。将最大熵阈值法应用于Zernike矩边缘检测算法,实现了自动选择最佳阈值,解决了传统算法中手动调节阈值的低效率问题。对提取的亚像素边缘点进行拟合获得椭圆目标中心,实现了插针的位置特征点提取。仿真实验与实际测试结果表明,该算法能够实现图像边缘的亚像素检测和插针特征点的准确定位,算法定位误差小于0.1个像素。     

一种基于Hough变换新的亚像素定位算法

为了提高数字摄影测量的精度,提出了一种基于Hough变换的亚像素定位算法,针对直线边缘检测和圆边缘检测,分刺采用二次Hough变换法和三等分Hough变换法,通过使用二次Hough变换的方法,克服了直线边缘计算精度低和速度慢的问题,通过使用三等分Hough变换法,克服了传统Hough变换法圆边缘检测性能受参数离散间隔制约及精度低的问题.仿真和实验表明新算法的亚像素定位精度能达到O.02像素,有效地提高了数字摄影测量的精度.     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG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.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

一种改进的医学图像边缘检测算法

医学图像边缘检测是医学图像处理领域的核心技术之一,寻求既能精确定位图像边缘,又能有效抑制图像噪声的算法一直都是医学图像处理领域的热点和难点。结合小波分析理论,在经典边缘检测算法的基础上提出了一种改进的基于小波分解的医学图像边缘检测算法。算法的实质就是在图像边缘检测前利用小波分析理论对图像进行特定的预处理。实验结果证明,此算法的性能要优于经典边缘检测算法的性能。     

基于边缘检测的自适应降噪处理方法

提出了一种分区处理的降噪方法,对图像边缘和非边缘区域分别采用自适应中值滤波和均值滤波的方法进行处理.论及的噪声区分高斯噪声和椒盐噪声两种,对含有混合噪声的图像首先滤除椒盐噪声,然后标定图像的边缘细节,在保留图像细节的前提下充分降低噪声.测试结果表明本算法有效降低噪声,改善了图像视觉效果,提高视频编码中压缩效率.     

基于二次曲面拟合的子像素边缘检测算法

针对传统边缘检测算法边缘信息保留不完整与边缘点定位不精确的问题,提出了一种基于二次曲面拟合的子像素边缘检测算法。利用拟合法求得子像素图,其抗干扰性强,检测位置较准确,并在此基础上利用改进的Canny算子精确地判断图像边缘位置。实验结果表明,该算法不仅提高了图像的边缘信息保留能力,且图像边缘光滑,边缘点定位精确,细节信息完全。     

结合边缘检测和区域分割的形状特征提取

提出了一种将Canny边缘检测和区域分割相结合的形状特征提取方法.该方法通过区域分割得到的粗略形状轮廓,过滤掉边缘检测轮廓中不规则或冗余的边界点,得到位置比较准确的主轮廓图像,减少形状描述的计算量.为验证方法的有效性,建立了一个基于形状特征的图像检索系统框架,实验结果表明,该方法提高了系统检索准确性.     

基于FPGA的实时边缘检测系统

提出一种基于FPGA的实时边缘检测系统,运用Verilog语言实现了系统的数据采集、存储和显示.并针对目前边缘检测易受噪声影响的缺点,采用一种结合中值滤波和改进的Sobel边缘检测的图像预处理算法.通过与经典Sobel边缘检测算法处理后的图像相比较.证明所研制的系统对图像噪声干扰有较强的抑制能力,且提取的边缘定位较准确...     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

基于LoG算子的图像边缘增强算法的改进

图像边缘增强的目的是为了突出图像所包含的信息.图像的许多有用信息集中在图像的边缘部分,从频谱上说就是图像的高频部分,因而可以用加重高频来增强图像,常规方法是直接对图像锐化,这会加剧噪声对图像的影响.本文先用高斯-拉普拉斯算子检测出图像的高频部分,然后用最大方差比方法确定图像边缘,再针对边缘对图像进行增强处理.实验表明,该方法可有效抑制边缘增强后的噪声问题.     

基于阴影位置及边缘信息的阴影去除算法

介绍了基于阴影位置及边缘信息的去除阴影算法。首先,估计光照方向,确定阴影方向;然后,基于边缘信息检测阴影设法消除外轮廓边缘,利用提取的前景图像减去构建的前景,得到阴影区域;最后,比较阴影方向,如果方向角在一定阈值范围内,则为实际阴影区域。实验结果表明,去除阴影的方法快速、准确。     

一种新的基于信息测度和神经网络的边缘检测方法

本文构造了不同的信息测度来定量描述阶跃边缘的三个本质特征,并给出由相应的三个分量组成的特征向量.用人工得到的样本对一BP神经网络进行训练,将训练后的神经网络直接用于图像的边缘检测.本文方法无需定阈值;在特征的选取上充分考虑了边缘和噪声的本质区别,具有优异的抗噪性能.实验证明本文方法具有令人满意的效果.