基于Zernike矩的保持架直径测量方法

为了解决轴承保持架人工抽检费时费力等问题,同时提高工业生产自动化水平,简述了一种基于Zernike矩的保持架直径测量方法;以型号32007E的圆锥滚动轴承筐形保持架为例,提出了基于视觉的直径测量方法,分析CCD相机采集到的轴承保持架大小端面图像,进行图像预处理后,对Sobel算子边界点阈值进行重新设定,快速检测出保持架两端圆面可能存在的边缘点集,增加了有效圆检测算法,剔除部分偏离有效圆的点,再利用 Zernike 矩算子对有效的边缘点进行重新定位,检测出保持架两端圆面的亚像素边缘并计算其精确位置,最后对所得到的亚像素边缘点集进行最小二乘法拟合,获取保持架两端直径具体尺寸;实验表明,该方法测量结果与人工测量精度接近,甚至更高,具有良好的效果和实用价值。     

基于Zernike正交矩的图像亚像素边缘检测算法改进

介绍了Zernike矩及基于Zernike矩的图像亚像素边缘检测原理, 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, 提出了一种改进算法. 推导了7×7 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了较高的边缘定位. 最后, 设计了3组不同的实验. 实验结果同Canny算子及Ghosal算法相比, 证明了改进算法的优越性.     

Zernike亚像素图像矩边缘检测算子方向角模型研究

基于Zernike图像矩的理想边缘模型,深入研究了方向角模型与亚像素判据间的关系。利用Zernike矩定义及其旋转不变特性,提出一种新的基于4阶方向角的Zernike矩亚像素边缘检测算子。为了提高边缘算子定位速度,首先基于9×9尺寸模板对Zernike图像矩0～4阶正交复数多项式进行了计算,推导出基于4阶方向角的边缘检测算子参数模型。最后将边缘算子应用在理想图像与实际图像上,检测结果表明:相比于传统的Zernike矩算子,基于4阶方向角的边缘检测算子具有更高的检测精度。     

基于Zernike矩亚像素边缘检测的快速算法

为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一种边缘检测的快速算法。利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,用Otsu法直接得到最优的阶跃灰度阈值进行边缘判别,并考虑了由于边缘模型带来的误差,在保证检测效果的同时缩短了检测时间。实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。     

一种利用Roberts-Zernike矩的亚像素边缘检测方法

亚像素软件处理技术可以在一定程度上提高图像测量系统的精度,针对Zernike矩的亚像素边缘检测存在计算量大和边缘定位精度低等不足,提出了一种基于Roberts-Zernike矩的亚像素边缘检测方法,在提高精度的同时减少了运行时间。实验结果表明,该方法测量精度高、定位精确,具有良好的抗噪性能和处理效率。     

Zernike矩和曲率的圆形中心亚像素定位

提出了一种基于Zernike矩和曲率不变的圆形标记椭圆图像中心的亚像素精确定位方法。首先采用多结构元多尺度形态学边缘检测算子提取椭圆图像的像素级边缘并滤除噪声,其次构造出椭圆图像的Zernike矩求解模型并结合曲率不变性计算出椭圆的亚像素边缘,最后利用最小二乘拟合对椭圆中心进行精确定位。实验结果表明：该方法具有计算速度快、定位精度高的优点,可用于高精度视觉测量。     

基于Zernike矩的亚像素边缘检测算法

随着对图像处理精度要求的不断提高,传统的图像边缘检测算法已经不能完全满足要求,利用Zernike正交矩来检测亚像素边缘的方法能精确定位边缘,而且对噪声不敏感,在实验中取得了良好的效果。     

基于改进Zernike矩法的电缆护套材料亚像素厚度测量

图像测量技术因其具有测量精度高、动态范围大、灵活性好等优点,如今已广泛被用在几何尺寸测量领域,亚像素定位是其中一项关键的技术,可实现对目标优于整像素精度的定位;针对普通Zernike矩亚像素定位法速度较慢的缺点,提出了基于Sobel的改进Zernike矩法,并将其应用到电缆护套材料的厚度图像测量系统中,在保证精度基本不变的情况下算法速度大幅度提高,实验显示速度提高了85%以上。     

基于改进Zernike方法实现圆形边缘亚像素检测

在图像测量中,图像边缘的精确定位与检测是影响测量精度的关键。为了实现快速、高精度的图像边缘定位与检测,提出了一种改进的Zernike方法,采用四个方向模版Sobel算子对图像初处理,利用被测物的几何信息,只使用零阶矩实现对边缘的亚像素定位。实验结果表明改进算法比原算法具有更高的精度,而运行的时间不到原算法的1/4。该算法具有良好的处理效率,能够满足一般具有几何特征图像边缘实时、亚像素精度定位与检测的要求,具有广阔的应用前景。     

基于正交Fourier-Mellin矩的改进亚像素边缘检测算法

提出一种改进的亚像素级边缘检测算法,该算法先用像素级边缘检测算子(Canny算子)定位所有可能的边缘点位置,再利用正交Fourier-Mellin矩(OFMM)算子的低径向阶与旋转不变特性在已有像素级边缘位置上进一步定位亚像素级边缘位置。实验表明,同等条件下该算法运算效率较高,不仅具有较高的检测精度(小于0.2 pixel),且算法耗时较短。     

基于Zernike矩和前馈神经网络的图像配准

提出一种基于Zernike矩和多级前馈神经网络的图像配准算法。利用低阶Zernike矩表征图像的全局几何特征,通过多级前馈神经网络学习图像所经历的旋转、缩放和平移等仿射变换参数,在一级前馈神经网络的基础上添加二级前馈网络,以提高参数估计精度。仿真结果表明,与基于DCT系数的神经网络算法相比,该算法旋转、缩放和平移估计精度较高,对噪声的鲁棒性较强。     

基于气门油封的亚像素边缘检测

针对气门油封的尺寸检测问题, 本文提出了一种基于Zernike矩改进算法的亚像素边缘检测方法. 首先, 对比分析了高斯滤波和双边滤波的预处理效果, 结果表明双边滤波在滤波和保留边缘信息方面具有更好的表现. 然后, 采用Canny算子进行边缘粗定位, 并利用自适应的Zernike矩过度模型进行亚像素级定位. 最后, 采用最小二乘拟合圆法获取圆心坐标和半径. 经试验证明, 优化后算法的边缘定位平均误差更小, 精度更加准确.     

基于亚像素边缘定位的排针参数精密测量

为了提高排针参数的检测效率和精度,提出了一种利用亚像素边缘定位对排针进行非接触测量的方法.首先采用LOG算子对图像进行整像素级的边缘粗定位,在抑制噪声的同时,保持图像边缘的完整性.然后采用改进的Zemike矩进行亚像素边缘定位.最后通过最小二乘法拟合离散的边缘点得出排针的精确边缘.实验结果表明,该方法边缘定位精度高,稳...     

一种基于Zernike矩的局部特征检测方法

针对图像发生几何或质量畸变时局部特征区域提取效果不理想的问题,提出了一种基于Zernike矩的具有旋转不变性与尺度不变性的图像局部特征检测算子。该算法利用Zernike矩构建Hessian矩阵,以基于Zernike矩的Hessian矩阵的行列式与迹确定潜在兴趣点的位置,使用非极大值抑制获得多尺度模板下的最大角点响应,再经二维二次插值运算精确定位兴趣点位置,最后利用主曲率进行边缘响应抑制,利用梯度方向直方图确定兴趣点主方向,由兴趣点4×4邻域的8个方向构建描述算子。实验结果表明,该特征检测方法在视角变换、旋转缩放、图像模糊、图像压缩以及光照变化等图像畸变条件下是有效的,且具有良好的抗噪性能。     

基于Zernike矩的模糊与仿射混合不变量研究

Zernike矩作为形状描述子,其信息冗余度低且对噪声不敏感,在图像特征提取和模式识别中得到了广泛应用。为提高Zernike矩对含有模糊和仿射图像的形状描述能力,提出一种基于Zernike矩的形状描述子,该描述子使用规范化方法构造Zernike矩的仿射不变量,结合Zernike矩的模糊不变量得到Zernike矩的模糊和仿射混合不变量。将该矩混合不变量作为形状描述子描述图像的形状特征,并与几何矩模糊和仿射混合不变量进行对比实验,结果表明,Zernike矩的模糊和仿射混合不变量在混合形变下形状描述能力较强,具有不变性,并且对噪声的鲁棒性较好。     

基于Zernike矩的图像归一化技术的研究

推导了基于Zemike矩的图像归一化标准,实验分析了数字图像离散化和噪声对Zemike矩计算的影响,并提出了相应的改进措施。最后,以BP神经网络作为分类器检验了改进的Zemike矩描述子的性能。试验结果显示改进的Zernike矩描述子能非常有效地保持平移、尺度、对比度和旋转不变性,并且能够有效抑制噪声影响。