基于Bertrand曲面模型的边缘检测算法

针对图像边缘检测过程中噪声抑制与细节保留不能兼顾的问题,提出一种基于Bertrand曲面模型的边缘检测算法.在确定像素级边缘的基础上,选取沿边缘方向的带状域为拟合区域,利用Bertrand曲面具有沿母线各点的法线与母线共面的性质,将拟合曲面区域内的像素点信息转化为边缘曲线的活动坐标,并对转化后的像素点坐标和归一化灰度值进行拟合,求得亚像素边缘到像素级边缘的法向距离,实现图像亚像素边缘的检测.用视觉测量系统对量块直线边缘进行实验,并与改进Facet曲面拟合亚像素边缘检测算法比较,说明基于Bertrand曲面模型的边缘检测算法具有较高的定位精度,测得一等量块的直线度误差在1μm以内,多次测量的误差平均值为-0.811μm,可靠性高.通过机油泵泵体测量实例,说明本文算法可以应用于机械零件的精密测量,尤其适用于中心距、孔径等的测量.     

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。     

基于自适应阈值的齿轮干涉图像前景区域提取方法

齿面物体像灰度法是激光移相干涉测量中提取齿轮干涉图像前景区域的重要方法之一,针对该方法因人工设定阈值且忽略不同图像边缘特征从而导致的测量效率及精度受限问题,提出了一种基于自适应阈值的齿轮干涉图像前景区域提取方法。首先分析齿轮齿面形貌特征与各边缘顶点差异,对图像进行区域划分;然后根据边缘灰度变化规律通过邻域窗口筛选合格像素点并获取掩模结果,实现前景区域提取;最后根据5类图像评价指标分别对4组算法分割结果与传统方法分割结果进行数据对比。结果表明：算法在实现图像自动处理的基础上与参考结果匹配精确度提升约3.5%～4.5%,PRI(probabilistic rand index)提升约3%～4%,VOI(variation of information)提高约15%～25%,GCE(global consistency error)降低约2.5%～3.5%,最终相位信息准确度提升9μm～15μm。结果符合精度要求,该方法可广泛应用于齿轮干涉图像前景提取中。     

机械加工塑料齿廓偏差影像法测量及抽样特性

应用影像法,对机械加工的渐开线塑料齿轮齿廓偏差进行测量。由于塑料齿轮在机械加工中受机械应力和热应力影响较大,而导致齿廓应变较大,为精确反映塑料齿轮的齿廓偏差,并判定塑料齿轮齿廓公差的精度等级,对测量中出现的回转偏心误差、回转分度误差、瞄准示值误差和重复性测量误差进行了不确定度的A类和B类综合评定。并通过统计控制方法中的极差控制图进行分析,得到相同的评定结果。利用对塑料齿轮单齿齿廓偏差的检验,结合随机抽样检验的原理,对塑料齿轮齿廓精度等级进行了判定。最终得出机械加工塑料齿轮,齿形误差较大,超出国标中规定的齿轮精度等级的范围,适合实验室模型展示而不适合用作工业齿轮的结论。     

机器视觉螺纹图像评价方法北大核心CSCD

为了提高机器视觉螺纹的测量精度,建立了基于螺纹图像质量的评价方法。通过对螺纹灰度图像的行灰度分布情况和螺纹光学成像特点的分析,揭示出由于螺旋升角造成螺纹图像牙廓边缘失真的机理。在分析多种螺纹图像评价方法性能的基础上,采用基于螺纹边缘的评价算法L-yakuo,计算多幅不同物距螺纹图像的评价值。最后,通过对机器视觉求取的M14×2、M20×2.5牙型角和接触测量仪得到的牙型角进行实验对比分析。实验结果表明:采用L-yakuo算法得到最清晰的牙廓图像后再进行机器视觉螺纹牙型角求取,规格M14×2、M20×2.5的螺纹牙型角精度平均提高9′33′′。借助L-yakuo算法能够灵敏地反映螺纹牙廓清晰度,基本满足了螺纹图像清晰度的评价需求,评价值的变化和牙型角相对误差的变化基本一致,且该评价值具有精度高、易计算的特点。     

基于新型复合齿轮线结构光的齿廓测量及其不确定度的评定

齿轮齿廓偏差是齿轮检定中的重要参数之一。文章采用新型复合齿轮线结构光测量系统,对一级标准(u=1μm,k=3)齿轮渐开线样板的齿廓进行了测量,从机、热、光、电等多个方面分析了测量误差的来源,并以JJF1059.1-2012《测量不确定度评定与指南》为基础,评定了用该系统测量齿轮齿廓偏差的不确定度。研究表明,用该测量系统测量齿轮齿廓时存在误差,包括:仪器测量重复性误差、渐开线样板标准量误差、样板线膨胀误差、顶尖同轴度误差、齿轮安装偏心误差、线结构光系统误差等,其中CCD相机标定误差、结构光视觉模型标定误差以及线结构光光条中心检测误差所引起的合成标准不确定度为0.98μm,是新型复合齿轮线结构光测量系统误差的主要来源,并通过分析计算得到该测量系统扩展不确定度为2.3μm(k=2),可以满足测量精度在2.3μm以上的齿轮测量。     

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。     

基于点阵标定板的视觉测量系统的标定方法EI北大核心CSCD

在应用机器视觉技术进行测量时,测量系统的像素当量、系统误差和光源强度等因素均会对测量精度造成影响,因此必须对像素当量和系统误差进行标定,并分析光源强度对工件图像边缘位置的影响。提出一种基于点阵标定板的视觉测量系统综合标定方法,在提取标定圆圆心坐标的基础上,计算圆心距物理尺寸和像素尺寸的比值,得到像素当量;建立圆心实际坐标和理论坐标的二元三次误差模型,并利用最小二乘法拟合求解误差模型系数;通过确定光源强度引起的图像边缘位置误差补偿量,实现测量系统的综合标定。实验结果表明,该方法可以有效提高系统的测量精度。     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于超像素信息反馈的视觉背景提取算法

针对经典视觉背景提取算法长时间存在鬼影、动态背景导致的高频噪声以及背景模型误更新等问题,提出一种改进的视觉背景提取算法。该算法将原始图像分割为若干个超像素区域,在超像素分割区域,对视觉背景提取算法检测结果进行像素点再分类,在目标检测的初始阶段实现鬼影信息的准确检测,并更新鬼影区域像素点的背景模型,从根本上解决了全局范围内鬼影检测的难题。根据运动目标的超像素对前景目标内的空洞进行快速纠正,实现前景目标的小范围填补,同时完成对背景超像素内高频噪声的检测和滤波,并增强检测结果的稳健性。利用数据集进行的测试实验结果表明,与传统算法相比较,该算法的精确率和识别率等指标均显著提高。     

基于线结构光的裂隙提取算法研究

在路面裂缝的检测中,传统人工检测的方法准确性低,效率低,且单目视觉技术无法准确获得深度信息,只能得到二维平面信息。基于此,文章引入了双目线结构光技术,提出了一种基于地面平均高度的三维裂缝提取算法,实现了裂缝的三维信息采集。算法提取图像中每列像素值中最低点为起点,向左右扩散形成一个边缘提取范围,计算该列边缘提取范围以外的像素平均值作为地面平均高度值,然后以最低点为中心开始遍历每个像素值,当左右两边像素超过地面平均高度值时,则确定两个像素点为裂缝边缘。整合所有列,实现整条裂缝边缘的提取。实验结果表明：文章提出的裂缝识别算法能够较为准确的对裂缝边缘进行提取,通过与Canny边缘提取算法对比,数据表明,文章算法在连续性上表现更好,本文算法的图像水平相关性数据总体都高于Canny边缘提取算法,平均提高了30%。     

基于标志点匹配的散斑图像变形初值估计法

在数字散斑相关测量方法中,可靠的变形初值估计是获得亚像素精度的关键。利用标志点匹配技术,提出了一种新的变形参数初值估计法。该方法在散斑上粘贴反射系数极高的圆形标志点,为消除散斑背景对标志点提取的影响,提出一种改进的尺度不变特征转换算法,将极值点检测约束在显著的边缘区域,从而大大减少冗余特征点的提取,最后通过单应性变换得到全场变形,进而使得感兴趣区域中各像素点快速完成初值估计。制作散斑板子进行实验验证,结果表明,该方法得到的变形初值,只需要3~4次迭代就能够使亚像素迭代收敛,并获得准确、可靠的测量结果。     

基于曲线拟合的亚像素边缘定位方法的研究

图像的边缘定位是图像测量的关键之一,随着测量精度要求的提高,已由早期的像素级边缘定位发展到了现在的亚像素级边缘定位。根据地球在地球敏感器CCD阵面中的成像特性,提出了一种基于曲线拟合的亚像素边缘定位方法以获取地球“灼热圆盘”的边缘。该方法利用曲线拟合获得的拟合斜率以及灰度值来提取图像的边缘。仿真结果表明,采用曲线拟合亚像素边缘定位法可使图像的边缘定位精度达到百分之几个像素,具有较高的精度。     

基于改进的空域相关的多聚焦图像融合

提出了一种简单有效的像素级多聚焦图像融合方法。针对正交小波变换缺乏平移不变性而产生视觉失真的缺陷,采用Atrous算法将原图像分解在不同频率域上。Atrous算法先将滤波器h0(n),h1(n)各点间插入适当的零值后再与低频信号做卷积,故又称为"多孔算法"。将具有抑制噪声性能的空阈相关法作为高频子图像的融合规则,选取相关性强边缘特征显著的点作为最终融合子图像的像素点。实验表明,由此融合的图像能完好的保留边缘纹理信息。融合后的图像在客观评价和主管视觉效果上均有提高。     

基于边缘方向投影的棋盘格角点亚像素细化

随着视觉测量技术在工程中的推广,越来越多的视觉标定和测量需在车间现场由非专业人员执行,这会造成拍摄的棋盘格图像中包含较多的噪声。为了实现噪声下棋盘格角点稳健、精确的亚像素细化,提出一种基于边缘方向投影的棋盘格角点亚像素细化方法。首先基于非极大值抑制算法计算初始边缘方向,然后基于最小加权二乘拟合法细化边缘方向,最后基于边缘方向最大投影细化棋盘格角点的亚像素坐标。结果表明：在高质量的棋盘格图像中,所提方法的棋盘格边长测量偏差的最大值均小于0.021 mm,棋盘格边长测量偏差的均值均小于0.006 mm;在高斯噪声和角点污染的棋盘格图像中,所提方法的棋盘格边长测量偏差的最大值均小于0.05 mm,棋盘格边长测量偏差的均值均小于0.02 mm。     

一种基于Canny边缘的红外与可见光图像配准算法

针对异源传感器在图像配准时如何精确地找到相应的匹配特征问题,结合红外图像与可见光图像的特征,利用2种传感器对同一场景成像时具有一定的边缘轮廓相似特性,提出了提取图像的Canny边缘,在边缘轮廓上根据边缘曲线上像素点的位置夹角的相似性寻找对应匹配点,通过仿真和实验数据与真实值的比较验证算法的有效性和配准的精度.     

基于点阵标定板的视觉测量系统的标定方法

在应用机器视觉技术进行测量时,测量系统的像素当量、系统误差和光源强度等因素均会对测量精度造成影响,因此必须对像素当量和系统误差进行标定,并分析光源强度对工件图像边缘位置的影响。提出一种基于点阵标定板的视觉测量系统综合标定方法,在提取标定圆圆心坐标的基础上,计算圆心距物理尺寸和像素尺寸的比值,得到像素当量;建立圆心实际坐标和理论坐标的二元三次误差模型,并利用最小二乘法拟合求解误差模型系数;通过确定光源强度引起的图像边缘位置误差补偿量,实现测量系统的综合标定。实验结果表明,该方法可以有效提高系统的测量精度。     

高噪声背景下激光条纹亚像素中心的提取

针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题,提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声,采用平均法和中值滤波预处理图像;利用迭代阈值分割及形态学方法,获取条纹目标,引入距离变换提取条纹的像素级中心;根据像素级中心、二值信息及光强灰度,结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下,相邻行条纹中心列坐标最大偏差值像素小于2 ,平均偏差像素值约为0.3,与传统方法相比,2项指标值更小。实验结果表明,算法有效利用条纹灰度分布规律,可降低噪声对中心定位精度的影响,更逼近条纹真实中心位置,抗噪能力极强。     

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。     

数字图像直线特征的亚像素位置检测

根据像素点的梯度方向和直线局部特性提出了一种新的亚像素直线特征检测方法。图像中具有相同方向的直线上的点具有相近的梯度方向。因此首先根据边缘点的梯度方向把它们划分为不同的点集;然后在同一点集中扫描得到组成每一直线各自的像素点;再然后根据直线上局部小邻域内像素灰度分布特性,在直线上边缘点的3×3邻域内得到其中的线段解析表达式;最后通过判断在小邻域内所得线段和由边缘点拟合得到直线的位置关系,在线段上得到亚像素精度的拟合点,进一步拟合得到高精度的直线特征位置。实验表明,这种方法的定位精度可以超过0.05像素,角度定位精度超过0 02°,并且具有较好的实时性。