基于灰度矩的CCD图像亚像素边缘检测算法研究

根据灰度矩算子在目标成像前后的矩不变特性,利用Tabatabai等人提出的前三阶灰度矩建立了亚像素边缘检测算法的完备数学模型。通过实验对该算法的有效性和检测精度进行了研究,给出了工件的实测尺寸对比结果。实验表明:基于灰度矩算子的亚像素边缘检测算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。

一种改进的灰度矩亚像素边缘检测算法

在分析Tabatabai提出的灰度矩亚像素边缘检测算法的基础上，指出灰度矩算法存在边缘判断条件不够完善和未能考虑模板效应的问题，提出了改进方法，考虑Tabatabai的灰度矩算法产生很多虚假边缘，改进算法分析了各参数对结果的影响，对边缘判断条件进行完善。实验结果表明，所改进算法具有抗干扰性、边缘细化能力强，定位准确的特点，分辨精度可达0．06～0．08个像素。

基于蚁群算法的Zernike矩亚像素工件边缘检测

边缘检测是影响工件尺寸检测精度的主要因素之一。为了进一步提高工件尺寸测量的准确性,本文提出了一个改进Zernike矩的亚像素边缘检测方法。首先,采用滤波和阈值分解等技术对图像进行预处理以得到二值图,再次,采用蚁群算法得到图像的边界,然后,采用Zernike矩的边界检测方法来确定图像亚像素边缘。结果表明,改进的边缘检测方法相较于传统方法,其提取的亚像素边缘坐标与原始坐标之间的绝对误差不超过0.5,且运行速度提高了约10倍,较好地满足了工件尺寸检测精度的要求。

数字天顶摄像仪中CCD星像亚像素定位的改进二维矩方法

在利用数字天顶摄像仪通过天文测量确定天文垂线偏差的工作中,要求对CCD数字图像中星像中心进行亚像素定位。利用MATLAB实现对FITS格式CCD天文图像的正确读取,利用矩形模板实现不同亮度星像的自动搜索。在已有亚像素定位的修正矩方法基础上,提出利用迭代法寻求合适门限对二维修正矩方法进行改进。利用MATLAB实现对实测CCD星像数据的处理与分析,探讨门限的取值对不同星等恒星定位精度的影响,给出门限的最佳取值。通过与已有修正矩算法处理结果比较分析,在修正矩方法计算基础上改进计算区域后再用迭代法计算,暗星定位精度可达0.1～0.15像素。

空间矩亚像素细分算法的研究

本文首先介绍了空间矩亚像素细分算法的基本原理、计算模板及公式，然后着重分析该方法的原理误差的起因，并推导了原理误差公式；本文利用实验对方法的有效性、线性及精度进行了研究，给出了方法的亚像素定位的标准差、直线边缘检测的坐标图。

基于矩的亚像素边缘检测算法的对比研究

基于矩的亚像素算法在众多亚像素算法中是最成熟有效的算法之一。本文对三种基于矩的亚像素算法进行了分析,并对灰度矩算法所出现的边缘判定问题进行了研究及改进。最后对三种矩算法进行了检测性能对比,为实际情况下亚像素边缘检测算法的选取提供了参考。

基于降维技术及空间矩的彩色图像亚像素边缘检测

现代图像的边缘检测方法需要在充分利用图像中的色彩信息基础上能够提供亚像素边缘信息。提出一种基于图像降维技术的彩色图像亚像素边缘检测方法,利用Ostu算法得到图像的像素级边缘,并在降维所得的投影图像上结合空间矩方法提取亚像素级边缘。实验结果表明,该算法定位精度可达到0.14个像素,能够有效地提取真彩色图像的边缘轮廓信息。

基于灰度矩亚像素定位算子的视觉测量方法研究

根据灰度矩算子在目标成像前后的矩不变特性,提出了一种利用目标图像成像前后三阶灰度矩进行亚像素定位的多源视觉测量方法.该方法在获取到被测对象的图像后,首先根据其特点利用图像增强算法与传统的边缘检测算法进行预处理与边缘粗定位,然后根据物体成像前后灰度矩算子不变的特性将边缘定位在亚像素级精度上,之后利用直线拟合法确定被测对象的参数,最后采用多个传感器分别获得测量结果并进行加权平均,以进一步提高测量结果的精度.仿真测量结果表明,该方法具有精度高、抗噪声性能好等特点.

一种改进的灰度矩亚像素边缘定位方法

针对传统边缘检测方法存在的定位精度差、抗噪声干扰能力弱等问题,提出了一种运用一维灰度矩确定亚像素边缘位置的新方法.首先采用阈值分割来获得图像边缘所在的位置范围,然后以阈值分割边界点拓展像素做边缘粗定位,再以粗定位边缘点拓展像素做精定位,直到两次精定位结果相差小于0.01像素即可确定边缘位置.实验结果证明,与其他亚像素边缘定位方法相比,基于所提方法的边缘定位精度分别为0.05个像素(标准图像)和0.14个像素(实际图像).

一种Zernike矩亚像素边缘检测的优化算法

Zernike矩边缘检测算法是一种基于亚像素级的检测算法,但是传统的Zernike矩算法在阈值选取方面需要人工调试,不具有智能性,无法满足现代高效率工业检测技术的要求。本文为了克服这个不足点,从算法的阈值选取出发,对算法进行了改进,推导出了一种阈值的优化计算方法。实验结果表明这种优化算法能够有效地检测出图像的边缘,并有极高的检测精度,很大程度地提高了算法的检测效率,增强了该算法的实用性。

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。

一种基于多项式插值改进的亚像素细分算法

介绍了一种基于多项式插值法的改进的亚像素细分算法及相应计算模板和公式,并对算法的误差进行了分析.本算法应用在经典Sobel算子基础上构造出的方向模板,对灰度图像进行处理,得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算,对目标边缘进行亚像素精确定位.实例说明本算法是可行的.

基于改进Zernike矩的铆接孔径亚像素检测方法研究

针对飞机铆接孔径的检测问题,提出了一种改进的基于Zernike矩的亚像素铆接孔径检测方法。该方法首先通过直方图均衡化法对所采集的铆接孔径图进行增强处理,利用中值滤波法进行平滑处理,并采用梯度法锐化图像,然后在直方图谷底法、Prewitt算子边缘提取和Kirsch算子边缘提取3种图像分割方法基础上,采用Canny算子边缘检测进行粗定位,利用改进的Zernike矩进行亚像素级的边缘精细提取,提取出锪窝孔外圆的圆环区域,最后结合RANSAC算法进行圆拟合,产生圆轮廓并获取半径,完成拟合测量。经试验证明,该检测方法亚像素精确定位能力强,检测结果准确率高、稳定性好、重复测量精度可达到±10μm。

结合亚像元实时灰度投影算法的导行系统

服务于现代天文望远镜的导行系统通常会受到大气和风载等干扰而引起导行信标重心位置计算不准确。为了有效解决这种问题,本文提出将具备亚像元和实时性的灰度投影算法嵌套到导行系统的重心算法中,从而在几乎不失时间分辨率的前提下减小一个导行闭环周期内的重心误差,达到提高导行系统性能的目的。首先,分析了高实时小偏差的导行信标重心计算是实现高性能导行系统的重要前提,并指出灰度投影算法在其中所起的重要作用。其次,分析了灰度投影算法能够与重心算法结合提高导行系统性能的原因,并针对传统灰度投影算法进行速度和分辨率的改进,以实现使用亚像元实时灰度投影算法与重心算法结合提高导行系统性能的目的。最后,将所提出的结合亚像元实时灰度投影算法的导行系统在400 mm口径望远镜上进行了测试,测试结果表明,本文所提出的方法能够在几乎不失时间分辨率的前提下较好地抑制风载的干扰,从而达到了提高导行系统性能的目的。

基于数字体图像相关的亚像素位移算法分析

数字体图像相关法~[1],通过分析发生形变前后的图像来获得形变位移场,诸多研究者在测量系统和搜索方法上有大量研究,用来提高检测速度,但对于提高测量精度方面不足以达到预期,于是提出了亚像素插值相关方法与亚像素位移算法,通过对算法的改进可知,当测量精度为0.1像素时,相当于硬件测量系统提高了10倍分辨率,本文主要对两种基本的亚像素算法进行分析,即三维的拟合法与灰度梯度法。

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。

灰度矩边缘精确定位法的测量应用探讨

针对运用图像处理法进行二维尺寸精密测量的关键问题之一——图像目标边缘精确定位,提出了运用一维灰度矩亚像素边缘定位原理,分别计算若干条扫描线边缘,通过统计计算确定直线边缘的方法;在分析图像目标边缘像素灰度分布的基础上,确定了计算用像素点的选取原则;通过试验验证了这种方法的可行性,即采用一维灰度矩亚像素定位和统计计算方法可以进行精确边缘定位,并实现高精度几何尺寸测量;试验表明文中采用的方法定位精度可以达到小于0·01像素的水平。

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。

基于局部区域灰度矩图像边缘定位方法的研究

在采用机器视觉测量零件尺寸的过程中,提出了一种基于局部区域灰度矩图像边缘定位方法。该方法先利用中值滤波对采集到的图像进行处理,然后通过Prewitt算子对边缘进行初步定位,在此基础上,对图像边缘附近的9个像素的灰度值进行一维灰度矩定位,最后采用误差分析和处理的方法,获得更精确的边缘位置。实验证明,该方法能有效提高边缘检测精度,在检测分辨率为1000 DPI情况下,尺寸检测误差小于2μm。