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。

改进Zernike矩亚像素边缘检测算法研究

针对Ghosal算法检测出的边缘较粗以及手动反复调节阶跃强度阈值引起的效率低的问题,提出了一种改进算法。首先,推导出模板系数,并计算得出Zernike矩。其次,利用推导出的公式计算出距离阈值和边缘阈值,利用Otsu法计算得到最佳阶跃强度。最后,通过设计三组实验,来验证改进算法的有效性。实验证明,改进算法能够更加有效地检测出图像的边缘,减少伪边缘的存在并且细化了边缘,提高了定位精度,同时降低了算法的执行时间。

基于Zernike矩亚像素边缘检测的改进算法

通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,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,提出一种改进算法。推导了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较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。

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.

基于空间矩和Zernike矩的亚像素边缘检测

介绍了两种矩的理论,然后根据建立的四参数边缘模型,分别利用两种矩的性质推导出边缘参数与矩之间的关系,利用矩得到图像边缘参数,最后由边缘参数确定图像边缘.两种矩方法得到的边缘的边缘定位精度都已达到亚像素级.

一种改进的Zernike正交矩亚像素边缘检测算法

在分析Ghosal提出的基于Zernike正交矩亚像素边缘检测算法的基础上,对Ghosal算法进行了改进。指出了Ghosal算法的两点不足,即没有考虑模板效应和没有考虑边缘梯度方向上的一阶导数模型。针对这种不足提出了改进方法。改进后的算法在计算边缘亚像素坐标时更准确,同时还具有细化边缘的能力,使边缘定位更精确。

两级Zernike矩算子的快速亚像素边缘检测

开发了基于两个不同尺寸模板Zernike矩的新边缘检测算子.首先利用小模板3*3尺寸的像素级Zernike矩算子快速检测出所有可能边缘点;然后利用大模板7*7尺寸的亚像素级Zernike矩算子重新精确定位边缘.检验结果表明,本方法定位精度为亚像素级,且算法运行时间为0.14s.新算子具有运算速度快、定位精度高的优点.

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法。基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测。仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快。

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。

基于Arimoto熵和Zernike矩的刀具图像亚像素边缘检测

为满足基于机器视觉的刀具尺寸测量系统快速及高精度的要求,提出一种基于直线截距直方图的Arimoto熵和Zernike矩的图像亚像素边缘检测方法.首先,通过高斯滑动窗口获取图像的邻域平均灰度,构造图像的灰度-邻域平均灰度二维直方图,并利用直线截距法将其降为一维直方图;然后,针对得到的直线截距直方图,依据Arimoto熵准则进行阈值分割,并将所得阈值映射回原二维直方图实现目标区域及像素级边缘的提取;最后,由基于Zernike矩的边缘模型对获取的像素级边缘进行重定位,以完成刀具图像亚像素级边缘的提取.通过对刀具图像进行的大量实验,将文中方法与基于Canny的、基于空间矩的、基于灰度矩的以及基于Zernike矩的边缘提取方法进行对比,发现文中方法运行速度更快且提取精度更高.

Zernike亚像素图像矩边缘检测算子模型研究

基于Zernike图像矩的理想边缘模型,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到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,相比于目前提出的算法,基于4阶方向角的边缘检测算子具有更高的检测精度。

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。

基于改进的Sobel算子和Zernike矩的亚像素边缘检测

针对传统Zernike矩亚像素边缘检测存在的边缘定位精度低和运行速度慢的问题,提出了一种基于改进的Sobel算子和Zernike矩的亚像素边缘检测方法。首先,通过使用改进的Sobel算子检测出所有可能的边缘点,确定边缘点的坐标和梯度大小及方向;最后,利用参考阈值,用Zernike矩算法对所有可能的边缘点进行亚像素的精定位。实验结果表明,与Sobel算法、传统的Zernike矩算法相比,该算法具有更好的定位精度和处理效率,且抗噪性能更好。

基于Zernike矩的亚像素边缘检测改进算法

本文在Zernike矩的亚像素边缘检测算法的基础上,通过修改Prata算子和提出了一种比q-recursive更快的递归关系,提出来一种改进的算法。新算法克服了Ghosal在亚像素边缘检测时存在高阶矩时较高的计算成本和数值不稳定性的不足。实验结果表明,该算法的运算速度与精度比Ghosal算子和Prata算子有较大的提高。

基于改进的Canny算子和Zernike矩的亚像素边缘检测方法

为满足电荷藕合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进Canny算子和Zernike矩的图像亚像素边缘检测新方法。该算法先利用改进的Canny算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向,然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测。仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快。

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。

基于灰色关联分析和Zernike矩的图像亚像素边缘检测方法

图像边缘的检测质量直接决定后期对图像理解计算的精度。为了提高图像边缘检测精度,首先采用灰色关联分析算法检测出所有可能的边缘点,实现图像边缘的粗定位。然后利用Zernike矩算子实现图像边缘的精确定位。实验结果表明该算法能够有效地检测出图像的边缘信息,提高了图像边缘检测精度。

基于改进Zernike矩的小模数齿轮亚像素边缘检测

针对传统Zernike矩亚像素边缘检测算法中奇数尺寸模板卷积的不对称性,在分析卷积不对称性和卷积窗口中心局限性对检测精度影响的基础上,提出一种改进的Zernike矩亚像素边缘检测算法。算法采用像素级边缘检测算子进行初定位,获取像素级边缘点;利用小尺寸奇数模板求解Zernike矩进行二级初定位,获取亚像素级边缘点;分析二级初定位边缘点所在区间;根据所在区间,选取偶数模板或者奇数模板求解Zernike矩进行精定位,获取更精确的亚像素级边缘点。为了验证算法的有效性,分别对模拟图像和实际图像进行亚像素边缘检测实验。根据齿轮的边缘特性,通过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,该算法具有绝对定位精度高、抗噪性能强、曝光敏感度好的优点。

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。