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。     

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。     

基于Sobel黑片图像亚像素边缘检测算法研究

本文提出一种基于Sobel黑片图像亚像素边缘检测算法。算法对传统Sobel算法进行了改进,并且和多项式插值法的改进的算法相结合。单像素边缘是通过对边缘梯度图像加上合理的权值和阈值的方法得到的,亚像素边缘定位通过多项式插值计算得到。该算法因为检测精度高而广泛的应用于黑片的在线检测。     

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。     

显微视场下微型零件亚像素边缘检测方法

为了提高微型零件在显微视场下的边缘检测精度, 提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法. 采用非正交二次B样条小波变换算法得到图像的像素级边缘, 利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化. 为了实现算法的原理, 建立了一套微型零件的实时检测系统. 给出了系统的总体结构和工作原理, 完成了实时图像采集与检测, 分析了检测结果, 并对检测精度进行了评估. 实验结果表明: 该系统检测零件尺寸可以达到0.01~10 mm, 检测精度可以达到0.01%~0.1%, 可准确识别出微型零件的边缘, 将检测精度提高到亚像素级, 满足了在显微视场下微型零件检测的需要.     

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。     

图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。     

基于亚像素技术的锥螺纹参数检测算法

研究了一种基于亚像素技术的外螺纹几何参数计算。在获取螺纹图像的基础上,通过边缘检测算法获取螺纹轴剖面外轮廓的边缘。在已知边缘点Sobel算子八方位边缘梯度的基础上确定未知点的多项式插值的亚像素定位算法和基于螺纹外轮廓形状的曲线拟合对参数进行计算,并对螺纹的螺距等参数的求取过程进行了详细的阐述。实践证明,该算法具有较高的运算精度和较快的运算速度。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于投影统计与双曲线拟合的车道识别算法

提出了一种运用投影统计与双曲线拟合的车道线识别方法。首先对采集的图像进行预处理,利用车道线宽度等信息提取车道线的特征点;然后根据特征点的位置及方向角分布对消失点进行定位,并基于消失点位置提取近视场直道模型,再结合直道模型对当前车道进行补充;最后利用近视野车道直线信息和双曲线拟合,对存在弯曲车道的车道线进行车道线寻优。实验结果表明,提出的算法能有效检测不同曲率的车道线,所提出的车道检测方法准确率高,在复杂行驶环境下表现出较高的鲁棒性。     

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。     

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。     

视频应变测量的目标精密边缘检测研究

针对传统机械式引伸计应变测量的局限性,提出了视频应变测量的目标精密边缘检测,具有非接触式、全场景、可视化好、智能性高以及应用广泛等优点。对一阶微分期望值和小波变换期望值两种亚像素边缘检测理论分析和试验测量验证,采用精度较高的小波变换期望值亚像素边缘检测并应用到视频应变测量中,试验在30帧/秒,满足一定的误差要求,具有较高的精度,实现了实际工程的应变动态测量。