基于实际工程项目的装配参数视觉检测实践教学设计

根据“新工科”建设对实践教学的要求,结合精密制造行业视觉检测实际工程项目,对智能制造专业的机器视觉课程实践教学进行了教学案例设计。根据实际工程项目案例将教学实验划分为基础型、综合型、创新型三类,旨在增强学生的工程体验感,使学生能够循序渐进地掌握机器视觉的知识点和应用技能,促进本科实践教学课程建设,提高学生的创新能力和工程实践能力。

基于误差效应的亚像素边缘检测算法

针对传统亚像素边缘检测算法在实时性、精确性和鲁棒性之间难以平衡的问题,提出了一种基于误差效应的亚像素边缘检测方法。该方法首先建立边缘函数模型,并计算每个像素边缘对应函数方程常数项的近似值和对应误差,然后结合最小二乘法使整体函数模型误差最小,从而获得较为精确的边缘参数。基于标准图像和实际图像的实验测试结果表明,该算法具有快速、鲁棒性强和检测精度高等优点,能够满足实时检测的要求,评价指标优于其他传统算法。

一种高PPI的子像素排列及渲染算法设计

提出了一种新的子像素排列方案Checkerboard RB-G,相比于目前主流的子像素渲染方案可以进一步减少子像素数量。同时,针对Checkerboard RB-G排列,提出了一种子像素渲染算法,结合输入图像二值化检测,有效解决了该排列固有的偏色问题。测试结果表明,应用文中方案的显示器能够在减少50%子像素数量的同时,达到与传统RGB条状排列相同的显示分辨率和相近的显示效果,显著提高了PPI和显示质量。

利用曲线拟合方法的亚像素提取算法

在图像测量系统中 ,测量系统的精度与边缘提取的精度成直接的正比关系 ,普通算法的精度为像素级 ,现在最常用的亚像素算法是重心法。这里提出了一种利用曲线拟合方法的亚像素边缘提取算法 ,介绍了算法的推导过程 ,给出了算法的计算公式 。

LED显示屏虚拟组合像素的分析

分析了户外发光二极管(LED)显示屏中大量使用的虚拟组合像素技术,指出其本质是通过亚像素复用运算针对待显示图像中的单色分量进行低通滤波运算,并采用调制传递函数作为像质评价指标对其在LED显示屏分辨率上的贡献进行了定量分析.提出了LED显示屏的可寻址性概念,指出虚拟组合像素技术可明显提升显示系统的可寻址性,能改善图像显示的锯齿状边界;论证了虚拟组合像素技术未能提升显示分辨率,甚至会使部分画面的清晰度明显下降.

基于微区统计特性的数字散斑相关测量亚像素位移梯度算法

提出了一种形式简单、求解快速、稳定性好和精度高的用于数字散斑相关方法亚像素位移求解的微区梯度算法。介绍了算法原理,并给出了四种不同模式的算法公式。采用模拟图像,介绍了四种模式在计算时间、计算子窗口时对结果的影响,并对适用范围和求解精度等方面进行了分析对比。最后的计算实例验证了算法的可行性和优越性。

通用亚像素边缘检测算法

研究了针对不同边缘类型进行同步亚像素级检测的问题.通过详细分析3种基本边缘类型(阶跃型边缘、脉冲型边缘、屋脊型边缘)的特点,提出了一种基于形体质心思想的通用算法,并对其进行了严格证明.该算法能同时对这3种基本类型边缘进行亚像素级检测与定位,且不存在原理性误差.对算法进行离散化处理,给出了便于计算机实现的离散算法.通过实验验证了此算法的有效性,并分析了误差产生的原因.

遗传算法与最小二乘法相结合的遥感图像子像素匹配

图像匹配在计算机视觉和数字摄影测量中都是一项十分重要的任务。为了加速匹配并为高精度子像素匹配提供稳健而相对精确的初值 ,本文提出了一种基于遗传算法 (GA)和最小二乘法匹配 (LSM)相结合的遥感图像子像素匹配算法。实验表明 :基于遗传算法的匹配算法比序贯相似度度量 (SSDA)和经典的平均绝对差 (MAD)方法要快得多。以我们的实验数据为例 ,MAD与 GA在相关计算总量上的比至少为 36∶ 1。

星点图像超精度亚像元细分定位算法的研究

在CCD星敏感器中,星点图像质心定位的准确性影响星图识别的正确性,也决定了星敏感器测量的有效性。质心法是星点质心亚像元定位的传统方法,然而,它存在系统误差和随机误差。分析了误差产生的原因。在传统质心法的基础上提出了采用二元线性插值和自适应质心窗来改善信噪比,并对误差进行校正,实验证明了它比传统的质心法有更高的精度。

一种基于标记点的近景摄影测量系统

给出了一种基于标记点的鲁棒三维重建摄影测量系统;采用编码点和非编码点等标记点方式.为了减少不同图像间误匹配的概率,采用一种新的基于编码点的匹配方法,不同图像间非编码点的匹配从编码点开始,并通过相似性准则、模糊度准则和距离误差准则来剔除误匹配,可获得非常高的正确匹配率.采用一种新的基于标记点的加权迭代特征算法,用编码点恢复相机的投影矩阵,从而可以确定相机的外部姿态参数;用非编码点恢复3D坐标.与已有的加权迭代特征算法比较,该算法避免了所有点参与计算相机的投影矩阵,运算速度更快.由于采用标记点的亚像素定位方法,提高了3D重建精度.实验结果表明,在3D重建方面,该系统是强壮和精确的.

人眼角膜曲率参数亚像素测量系统的设计

为了提高人眼角膜曲率参数的测量精度,设计了一套角膜测量系统.利用红外光将标准的靶环投影到人眼角膜上,反射后形成带有眼角膜参数特性的虚物,该物再经光学系统成像在CCD图像传感器上.然后通过高速DSP TMS320F2812进行图像二值化处理,最后采用插值方法计算角膜曲率参数.实验用标准角膜模拟眼进行了测试,结果同日本TPCON KR-8100角膜/验光仪比对,结果表明:计算结果达到亚像素精度,二者测量误差小于国家计量规定的检查最小误差±0.02 mm.

基于空间矩的圆标记中心亚像素定位算法

针对圆标记中心的高定位精度要求,提出一种新的基于空间矩的亚像素定位算法。建立了基于空间矩的圆曲线亚像素边缘检测算法,并用最小二乘边缘拟合算法来获取圆标记中心的亚像素位置,克服了基于传统的Lyvers空间矩算法进行圆标记中心定位存在的误差大的缺点。仿真对比实验表明该算法相对于其他算法具有更高的精度。

基于双正交小波的星点细分定位方法研究

在星敏感器工作过程中,星点目标亚像元质心定位的准确性直接影响星识别的准确性,同时也决定了星敏感器姿态测量的有效性。带阈值的质心法是星点目标细分定位的较理想方法,具有较强的抗噪声干扰能力。在双正交小波变换的基础上提出基于双正交小波的自适应小波阈值法。与传统的IIR阈值法比较,不仅星点目标提取更加准确,而且位置测量精度更高。

一种改进的亚像素算法

传统的灰度重心法是一种用于对称目标的亚像素定位技术,但其抗噪声性能较差。针对这一问题,本文提出一种改进算法,通过将目标区域划分成内部像素区域和边缘像素区域两部分,并对内部像素灰度进行均值化,从而有效抑制内部像素噪声。同时,利用误差理论对改进算法的不确定性进行分析。最后,通过仿真实验验证了改进算法的正确性,并表明改进算法有更好的噪声抑制性能。

基于分层插值和最小二乘拟合的亚像素细分算法

在分析传统的光斑质心亚像素细分算法误差原因的基础上,提出了一种基于"金字塔思想"分层方式的三次线形插值和最小二乘拟合的质心算法。通过多次插值对光斑图像进行逐层细分,采用最小二乘曲面拟合在每一层内进行迭代计算。结果表明,该文分层插值方法提高了图像的分辨率,减小了图像系统误差和随机噪声等因素对算法精度的影响,通过该方法获得了较高精度的图像光斑中心位置。仿真实验测试证明,分层插值拟合方法精度优于质心法和曲面拟合法等传统算法,在实际的飞行器测量实验中具有很好的实用性。

基于轴线局部搜索的曲轴轴径视觉测量方法

采用传统的机器视觉测量方法对曲轴的几何特征进行测量时,存在测量精度偏低的问题,为此,提出了一种基于轴线局部搜索的曲轴轴径视觉测量方法(测量系统)。首先,依据待测零件所需的要求,进行了硬件选型和机器视觉测量平台的搭建,校正了镜头畸变,提高了其精度;对所获取的图像进行了预处理,包括形态学滤波处理、二值化处理等操作;其次,通过定位算法像素级坐标,获取了曲轴旋转轴线位置,使其与相机移动轴线相重合;运用亚像素细分算法提取了亚像素边缘坐标,计算了其像素当量,完成了像素与实际尺寸之间的转换,实现了对轴径进行高精度测量的目的;最后,进行了测量实验的对比,对基于轴线局部搜索的轴径测量方法的准确性和实用性进行了验证。研究结果表明:轴线局部搜索法测量轴径平均误差为0.003 mm,且测量的稳定性较好,证明了该算法及其测量系统的准确性和实用性,可以适用于对曲轴轴径进行有效检测。

望远系统像倾斜的数字图像测量技术的研究

利用CCD摄像机采集像倾斜分划图像,建立线性回归数学模型,通过"目标移动法"和"亚像素定位边缘法"实现望远系统像倾斜的高精度自动测量。该方法可消除传统像倾斜测量方法中的主观误差的影响,图像处理误差小于10″,使测量的结果客观化,易于实现光电自动测量。

图像特征点提取技术研究

图像特征点是一个重要局部特征,传统的灰度重心法是重心模型的一种改进,其主要特点是对点坐标进行像素点的灰度加权,但其抗噪声性能较差。对此,文中采用一种改进算法,通过将目标区域划分成内部像素区域和边缘像素区域2部分,并对内部像素灰度进行均值化,从而有效抑制内部像素噪声。同时,利用连通性对图像进行特征标识,提高特征点提取的速度。最后,通过仿真实验验证了改进算法的正确性,并表明改进算法有更好的噪声抑制性能。

一种新的快速通用二维图像亚像素边缘检测算法

总结了目前二维灰度图像的亚像素边缘检测算法,针对它们存在的原理误差、计算复杂、用时长及不能通用等问题,提出了一种新的亚像素边缘检测算法.分析了3种基本边缘(阶跃型边缘、脉冲型边缘、屋脊型边缘)的特点,利用一维质心算法对这3种边缘特征计算上的通用性及简易性进行了二维推广,得到了一种具有快速通用性的亚像素边缘检测算法.并在此基础上针对提高离散化过程中的精度问题,引入了高斯卷积平滑的预处理方法;引入了Sobel算法对图像像素进行了筛选,进一步提高了计算速度.通过实验验证了此算法的有效性,并分析了误差产生的原因.

基于像素-亚像素级形态分析的路面三维图像裂缝自动识别算法

为了准确有效地检测路面裂缝,为路面性能评估、路面养护管理、路面结构和材料设计提供数据支撑,针对1 mm/像素路面三维图像提出了基于像素-亚像素级形态分析的裂缝自动识别算法。首先,应用Canny算法和区域生长算法检测候选裂缝目标并进行融合处理,得到融合分割图像;然后,提取并重构像素级与亚像素级图像骨架;最后,融合像素-亚像素级骨架图像,综合利用形态学算子和轮廓长度、圆度、扁平率等连通域形态特征提取裂缝目标。基于150张路面三维图像(992像素×992像素)对笔者算法和另外5种既有算法进行测试,结果显示,笔者算法获得了较高的准确率(均值90.45%)和召回率(均值96.49%),F均值由高至低分别为:笔者算法(90.72%)、种子并行生长算法(39.65%)、GAVILáN算法(33.46%)、各向异性测度算法(30.32%)、Canny检测(25.85%)和OTSU分割法(5.85%)。算法适用性分析表明,笔者算法较适用于细小裂缝图像识别,种子并行生长算法、GAVILáN算法和各向异性测度算法有利于宽而明显的裂缝识别,而Canny和OTSU通常可作为裂缝识别算法中的一个图像处理环节。