线性滤波算法的机器视觉适用性研究

在机器视觉系统实际工作过程中,由于状态噪声的多样性,很难实时选择出最佳滤波算法。论文针对线性滤波算法:时域递归滤波、高斯滤波、高斯–拉普拉斯滤波、二项式系数滤波的算法模型、计算速度、输出结果进行了深入研究,通过迭加随机噪声组合测试了上述算法的性能,分析了其在工程实际中的适用性。实验结果表明,在迭加白噪声与高斯噪声时,高斯滤波实现了时间与精度的最佳折中;在迭加椒盐噪声时,高斯–拉普拉斯滤波明显优于其它三种算法,为机器视觉系统优化图像处理效果提供了理论和技术支持。