改进的Zernike矩工业CT图像边缘检测

为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。     

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。     

基于边缘拟合的双目视觉定位与测量方法

针对双目视觉定位与测量中某些被测物体角点不明显导致检测精度不高的问题,提出一种基于亚像素边缘拟合的双目视觉定位与测量方法。利用双目系统标定的结果对拍摄的图像进行去畸变和立体校正处理;使用Zernike矩方法对预处理的图像进行亚像素边缘检测,对获得的亚像素点进行聚类和拟合,计算拟合曲线的交点;根据对极几何原理来完成左右图像中的交点的立体匹配,利用视差及三角测距原理获得被测物体的位置信息及其尺寸。实验结果表明,新的方法能较好地解决角点不明显导致双目视觉立体匹配和定位精度问题,并能提高检测效率。     

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。     

双目视觉测量系统特征点提取与匹配技术研究

自主研发了一种光笔式双目立体视觉大工件尺寸测量系统,对测量系统中特征点的提取及其匹配技术进行了研究。测量系统采用 Canny 算子和 Zernike 矩相结合的算法实现椭圆光斑的亚像素边缘提取,根据得到的亚像素边缘点,采用基于最小二乘的曲线拟合法得到椭圆光斑的中心坐标。针对特征点的匹配问题,提出了一种基于位置约束的快速匹配方法。实验结果显示:所提方法能提取到椭圆光斑亚像素边缘,可精确计算出椭圆光斑中心坐标,匹配率达到95%以上。     

基于Zernike正交矩的亚像素图像线宽测量算法

针对图像内的细窄线宽,提出了一种基于Zernike正交矩的亚像素图像线宽检测算法。该算法具有明确的几何模型,通过计算图像的2阶和4阶Zernike正交矩,推导出了亚像素线宽表达式。根据数字图像的离散性,给出了计算正交矩所需的模板系数,并分析了由离散性造成的原理误差。将所提出的亚像素线宽检测技术应用于安瓿内异物粒径的标定实验,结果表明:该算法可有效地测量弱小目标在图像中的亚像素线宽值,从而得到了异物粒径大小与亚像素线宽之间的标定曲线。     

基于Zernike矩的亚像素边缘定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位精度,提出了一种基于Zernike矩的亚像素边缘定位算法。该算法利用Zernike多项式的正交性与完备性以及复数矩幅度的旋转不变性计算出边缘的亚像素位置。计算出了像素为正方形与矩形(长宽比为4∶3)时的矩模板,使其应用范围进一步扩大。分析了由于矩模板产生的原理偏差,并提出了修正公式,使定位精度得到提高。进一步推导出了实际边缘模型的定位公式,导出了其存在的偏差,并进行了补偿。最终的实验结果表明,补偿后的算法对直线的定位精度达0.05像素,对曲线的定位精度可达0.07像素。     

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。     

结构光三维测量系统标定的关键算法研究

系统参数标定是结构光三维测量系统的关键问题之一,标定板特征圆圆心检测精度与投影仪、相机镜头gamma效应引起的相位误差是系统参数标定的主要误差来源。采用Sobel算子粗定位标定板特征圆的边缘点,以正交傅里叶-马林矩(OFMM)算子对边缘点进行亚像素定位,用椭圆拟合法确定特征圆圆心的方法提高标定板特征圆检测精度。同时,推导结构光三维测量系统gamma非线性数学模型,将计算得到的系统gamma值的倒数作为投影正弦光栅的指数以降低gamma效应引起的相位误差。实验结果证明了该方法的准确性,与不采用亚像素边缘检测与gamma校正相比,X、Y方向的标定精度分别提高约3.5倍与5倍。     

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。     

The high precision positioning algorithm of circular landmark center in visual measurement

For vision measurement in the center circle landmark location problem, an improved center of the ellipse based on Zernike moments sub-pixel positioning algorithm was proposed. First, using Sobel operator edge of the image pixel level positioning and then use the constructed Zernike moments to solve the model, combined with Zernike orthogonal polynomials and completeness and plural moment magnitude rotational invariance calculated edge sub-pixel position; followed by analysis of the principle deviation generated by the moments template and ideals model, a correction formula was proposed to compensate and improved edge criterion used to image sub-pixel edge positioning; finally, using the least-squares ellipse fitting algorithm fitting circle center, reverse edge point, filtered residuals larger point, and then precise positioning of the ellipse center. The experimental results show that this method has good stability and high positioning accuracy can be efficiently used in many applications.     

基于Top-hat变换的OSAHS图像边缘检测算法

提出了一种基于多方向、多尺度Top-hat变换的图像边缘检测方法,应用于阻塞性睡眠呼吸暂停低通气综合症(Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS)早期病理图像的边缘检测及诊断。首先,构造不同方向、不同尺度的Top-hat算子增强图像的对比度,利用形态学梯度进行边缘检测,然后把各个算子检测到的图像边缘按照一定的权重进行组合,得到理想的边缘,以便准确地获得病理图像的相关参数,进而实现医学电子诊断。本文以口腔图像、咽喉声带处图像、鼻道内部图像的处理为例,这三组图像的处理结果表明,与传统的边缘算子相比较,该方法能使图像的边缘信息更完整、更准确,图像的边缘闭合度可达到97.67%。     

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1000DPI情况下,尺寸检测误差小于2um。     

基于图像边缘信息和Fisher准则的钢板表面缺陷分割研究

针对钢板表面缺陷图像信噪比低、缺陷目标小且形态差别大等特点,提出了一种基于边缘信息和Fisher准则相结合的图像分割方法。该方法首先采用梯度算子检测出缺陷图像的边缘,并对边缘检测所得的梯度图进行灰度拉伸,提高梯度图的对比度;然后利用Fisher准则寻找最佳阈值,分割出缺陷;最后运用数学形态学滤除噪声,实现了缺陷的自动分割和定位。实验证明,该方法不仅能够识别出弱小的缺陷,而且实现了在线实时检测。     

不同转换方式对三角函数算子分割效果的影响

 提出了一种新的图像分割算法－三角函数算子，它是一种基于光学干涉原理的快速图像分割方法，并分析了其硬件实现装置。在该算子的运用中需要将输入图像的强度信息转化为相应的相位信息。定义了不同的强度-相位转换方式，例如线性方式、对数函数方式、正切函数方式、反正切函数方式等。通过数值计算，研究了不同转化方式对三角函数算子分割效果的影响。结果显示，不同的转换方式及其参数，都直接影响该算子的分割效果和边缘类型分辨能力。分析表明，在对数S形函数方式下，不但能够检测阶梯状和脉冲状等类型的边缘，还能够检测出屋顶状边缘。     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

基于色彩空间非线性变换的彩色图像边缘检测

为了在边缘检测中有效的利用图像的色彩信息,提出了基于色彩空间非线性变换的彩色图像边缘检测算法。该算法利用了ιαβ空间信道相关性低的优点,采用基于Sobel算子的色度差算子进行边缘检测。实验结果表明:该算法不但可以检测出亮度变化剧烈区域内的物体边缘,而且还可以检测出在光线很暗的区域内不同颜色物体的边缘。因而可以极大的提高图像边缘的检测效果。