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LoG-Zernike矩算子的钢轨激光图像提取识别

采用激光摄像技术进行钢轨轮廓测量,图像中钢轨激光光条中心提取精度及效率,是决定钢轨轮廓测量是否可行的关键因素.提出采用LoG-Zernike矩算子进行钢轨激光光条中心提取,先利用LoG算子进行钢轨激光光条边缘粗定位,在粗定位图像边缘邻域内,再采用Zernike矩算子进行激光光条中心精确定位.详细论述了LoGZernike矩算子进行图像亚像素提取原理、过程,给出了LoG-Zernike矩算子详细计算步骤.试验结果表明,LoGZernike矩算子提取的钢轨轮廓曲线较细,连续性较好.

Zernike矩算子在高速列车轮轨横向位移测量中的应用

高速列车的轮轨横向位移测量领域，迄今在国内还是空白，针对高速列车的运动特点和运行环境，采用图像处理方法计算车轮相对于轨道的横向位移，精度较高。保证运算精度的同时，还要提高运算速度，本文主要介绍先用Soble算法粗略定位边缘，再使用Zernike亚像素方法进行边缘精确定位，为下一步拟合直线提供了快速、高精度的边缘数据。

基于Zernike矩和拼贴误差的布料图案检索算法

为提高纺织品企业检索布料图案的效率,提出了一种基于Zernike矩和拼贴误差的布料图案检索算法(ZMCE)。首先,通过计算选取最佳匹配时的分形参数和Zernike矩;其次,根据值域块与最佳匹配的定义域块之间的相似性度量计算拼贴误差;最后,将Zernike矩和拼贴误差作为布料图案检索的特征量进行特征提取。实验结果表明,ZMCE算法的平均查准率、平均查全率和单张图案的检索时间分为88.6%、53.4%和0.207 s,显著优于基本分形算法(BFC)、单一拼贴误差算法(SCE)和联合正交化分形参数和改进Hu不变矩算法(OFH),此外,ZMCE算法的平均查准率和查全率还优于文献[4]中的算法。因此,ZMCE算法在纺织品行业布料图案检索方面具有良好的应用价值。

基于伪Zernike矩的数字图像篡改检测方法

图像编辑技术的快速发展使得人们难以发现专业技术处理过的篡改图像的伪造痕迹,对新闻传播、司法取证、信息安全等领域造成了严重的威胁。图像的区域篡改检测方案主要用于检测图像中存在疑似相似的图像块。目前,传统的检测策略对发生几何攻击的篡改区域鲁棒性不好。针对几何攻击情况,文章介绍了一种针对复制粘贴伪造图像的新检测方法,利用伪Zernike矩特征进行特征提取。通过在相邻区域进行特征匹配,可以检测出图像中可能存在的伪造区域。实验结果表明,该方法不仅对常规攻击(如加噪声、JPEG压缩)具有较好的检测效果,而且在处理旋转等几何攻击时也表现出色。这些结果证明了该方法的创新性和广泛适用性。

基于Zernike矩和FCM的管道内两相流流型识别

利用图像处理技术对传动管道两相流流型进行了识别。搭建了传动管道气液两相流实验系统。采用高速摄像机拍摄液压传动管路中气液两相流流型图像,利用图像处理技术获得图像的Zernike矩特征参数,然后结合模糊C均值聚类算法(FCM)对流型图像进行分类识别。研究结果显示,液压管路内的传动液为气液两相流,其流型为泡状流、环状流、弹状流、塞状流;在传动过程中,出现频率较高的流型是泡状流和塞状流;利用本方法对传动系统液压传动管路中的4种典型流型进行分类识别,总体识别率可达97%。本方法为管道中气液两相流的流型参数识别提供了新的途径。

基于Zernike矩的PCB上氧化圆形Mark点定位算法研究

文章针对在PCB的整个生产过程中,Mark点因环境和人为等因素被氧化,导致Mark点的定位精度降低的问题,采用灰度变换法对PCB的灰度图进行处理,选用迭代选择阈值法进行图像分割,然后运用圆的特性对Mark点边缘进行筛选,用Zernike矩对其进行亚像素边缘提取,最后用最小二乘法拟合出圆并求出圆心。实验表明:该定位算法的平均误差小于0.05像素,标准误差小于等于0.025像素。

基于改进Zernike矩的圆形标志高精度定位方法

在基于视觉的户外边坡监测中,针对圆形标志中心定位精度低,实效性差的难题,提出一种改进的Zernike矩圆形标志高精度定位方法。首先对圆形标志图像进行二值化和形态学滤波处理,然后利用Canny算子对二值化图像进行边缘检测,实现圆形标志边缘的粗定位。其次结合Zernike矩法和大津法,对粗定位得到的圆形标志边缘进行重定位,通过Zernike矩法来重新定位边缘的位置,并基于改进的大津法来确定圆形标志的亚像素边缘点。同时,利用基于灰度梯度优化的方法来对亚像素边缘进行细化,进一步提高定位的精度。最后利用最小二乘椭圆拟合法来实现圆形标志中心的高精度定位。通过实验证明,改进的Zernike矩圆形标志高精度定位方法能够有效提高圆形标志的定位精度和实效性,并具有更高的运行效率。

两级Zernike矩算子在喷射沉积坯尺寸检测中的应用

为了检测沉积坯尺寸,提出了采用2个模板尺寸不同的Zernike矩亚像素边缘算子进行边缘检测的方法。首先推导了2套Zernike矩模板,3×3模板用于快速粗检测边缘,7×7模板用于重新精确定位边缘。试验结果表明,该算法具有检测速度快和定位精度高的双重优点,沉积坯尺寸检测的平均运行时间为0.11 s,最大相对误差为0.67%,可为未来沉积坯尺寸实时控制提供准确的反馈数据。

Soble-Zernike矩亚像素边缘算子的影响因素分析

针对影响Sobel-Zernike矩算子运行速度、定位精度的有关因素进行了讨论。采用平均-自适应联合的平滑算法,显著改善了边缘定位精度,其实质在于消噪和锐化边缘。推导出边缘点新、旧判据amp和k间的关系式,在l取值较小时,k/amp恒等于1.5,可见amp对检测精度的影响可以忽略。分析结果表明,当图像中边缘点比率为87.75%时,Sobel-Zernike矩和Zernike矩算子的运行时间相等,由于实际图像中边缘点所占比率不会超过50%,故前者的运行时间总是小于后者。

小波变换下基于分形编码和Zernike矩的织物图像检索算法

为帮助纺织企业的工作人员快速、准确地从数据库中检索出与织物图像相同或相似的图像,提出了一种小波变换下基于分形编码和Zernike矩的织物图像检索算法。首先,利用小波变换获得低频分量,对变换后的低频子图进行分形编码,得到编码参数。然后,计算低频子图像的Zernike矩。将小波变换下的分形编码参数和Zernike矩相结合作为织物图像检索的特征量。相比于单特征检索方法,该算法克服了精度低、耗时长的问题。与基本分形算法(BFIC)、联合正交分形参数和改进的Hu不变矩算法(HVKF)以及稀疏分形图像压缩算法(SFIC)相比,该算法确保了重建图像的质量和较低的编码时间。实验结果表明,织物图像检索的平均精度和平均召回率均高于现有的检索方法。

基于3D Zernike矩的快速地形匹配算法

针对当前基于3D Zernike矩的地形匹配算法存在计算量大、实时性差的问题,通过分析3D Zernike矩的计算过程和构成地形特征向量的奇偶阶描述子的性能,提出了适用于地形匹配的3D Zernike矩快速计算方法和只使用奇数阶描述子构成特征向量的匹配方式.仿真实验表明:本文所提快速算法不仅能大幅降低计算量,还提高了匹配精度.

空间矩和Zernike矩亚像素边缘算子分析

讨论了空间矩、Zernike矩两个亚像素边缘算子的运行时间和定位精度。分析结果表明,Zernike具有更快的运行速度,当计算3个用于边缘定位的参数时,其运行时间较空间矩算子节约了50%。理论分析了空间矩和Zernike矩算子的关系,并推导出了两个算子边缘距离为l的差值公式。测试结果表明,当两个算子的l都限制在中心像素内时,空间矩算子的边缘厚度多达3个像素,而Zernike矩算子的边缘厚度小于1个像素,可见Zernike矩算子的定位精度为真正的亚像素级。经比较,Zernike矩算子的运行时间和定位精度均好于空间矩算子。

原始Zernike矩边缘算子抗干扰性能

针对Zernike矩算子在边缘模糊、随机噪声存在情况下的检测性能进行了研究,以获得该算子的抗干扰性能.通过分析Zernike矩算子的各阶矩计算过程,得知将像素灰度与模板进行卷积便可获得Zernike矩,这样的计算有利于减小随机干扰的影响.利用人工合成的二值图像进行了边缘检测性能测试,结果表明,对于模糊噪声图像,由于边缘的过渡特征,Zernike矩算子检测具有一定精确性,但会在某种程度上存在边缘细化能力、定位精度下降的问题;而对于随机噪声图像,当最大值在40以内时,Zernike矩算子具有较强的抗噪能力;若随机噪声超出此范围,则检测效果急剧恶化.

基于改进的soble算子和zernike矩遥感图像边缘检测

为了实现和提高对于遥感图像边缘信息和轮廓的提取,在传统经典的边缘检测soble算子的基础之上提出改进soble算子结合zernike不变矩的边缘检测方法.首先通过对应的滤波对于遥感图像的预处理,接着利用改进的soble进行边缘点存在的确定和计算.最后利用7*7的zernike矩对于图像边缘更加精确的定位及处理.通过实验可以得到,此方法相对于传统的经典边缘检测算法相比较定位更加准确,边缘检测轮廓和信息更加明显.

基于改进Zernike矩的远场激光高精度中心测量

针对远场激光光斑分布不均匀、形状不规则的特性,提出一种基于改进的Zernike矩的远场激光高精度中心测量方法。在传统Zernike矩亚像素边缘检测基础上,使用新型的logistic边缘检测模型和阶跃阈值自适应提取方法,在减少人工对阶跃阈值误判的同时,提高对实际边缘的识别精度,最后使用最小二乘法椭圆拟合得到高精度激光光斑中心。该方法在远场激光中心检测中,单帧误差在0.5 pixel左右,连续多帧中心偏差波动在1 pixel以内,拥有较高的精度和可靠的稳定性。

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。