光学测量中椭圆圆心定位算法研究

提出了一种椭圆圆心定位算法。先对图像中的椭圆目标进行粗定位,获取椭圆的粗定位信息,再用Canny算子对图像中的感兴趣区域进行边缘检测。根据椭圆的粗定位信息以及图像的边缘灰度分布特征,用高斯曲线拟合的方法求得精确的亚像素边缘点的坐标。针对亚像素边缘点中出现的“孤立点”以及噪声点,分别用曲率滤波和均值滤波的方法加以滤波,将滤波后的亚像素边缘点用最小二乘法加以拟合,求得精确的椭圆圆心数据。实验证明了该算法的定位精度和抑制噪声能力,通过测试算法运行时间,证明该算法具有很好的实时性。     

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。     

一种圆形标记点的快速提取算法

为实现快速、高精度的定位圆形标记点,提出了一种圆形标记点的识别与定位算法。在相机成像时,圆形标记点经过透视投影变换后,形态类似椭圆,用拟合椭圆的方法获取椭圆的圆心。快速获取椭圆的粗边缘点,利用高斯分布特征获取亚像素边缘点,对边缘点进行优化后利用最小二乘法拟合椭圆,可以得到最为精确的圆心坐标。实验证明,该算法用时约0.005s,椭圆圆心的位置精度在0.05pixel以内,具有很好的实用性。     

一种实用的X型靶标亚像素角点提取方法

为了提取亚像素角点和实现高精度的标定,提出了一种基于Harris算子和空间矩的亚像素角点提取方法。利用Harris算子,在优化后的范围内提取像素级角点;运用改进后的梯度模板提取像素级角点周围部分边界点,并利用空间矩的方法得到边界点的亚像素级坐标;将亚像素边界点进行直线拟合,并将交点的平均值作为该角点的亚像素坐标。实际测试证明:利用该方法提取到的角点精度可以达到0.1pixel,可满足实际的公差要求,为X型靶标的角点提取提供了一种新的思路,目前已经将该方法应用到了嵌入式机器视觉工业现场。     

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。     

椭圆目标的亚像素边缘定位方法研究

分析和比较了三种常见的基于矩的亚像素边缘定位方法,得出三种方法获取的边缘角度以及OFMM法与ZOM法获取的亚像素边缘相同的结论。提出了一种针对椭圆目标的亚像素边缘定位方法。在ROI提取和SOBEL算子初步检测边缘的基础上,利用初步获取的椭圆目标的几何信息,将参与计算的模板个数减少至一个,从而大大减少了运算时间,提高了算法的运算速度。同时实验结果表明,与其他基于矩的亚像素边缘定位方法相比,新方法不仅有更高的运算速度,而且精度和抗噪性能都有很大地提高。     

CCD摄像头圆目标中心定位方法

在大型设备自动对接系统中,需要CCD摄像头对一设备截面的圆目标进行图像获取,并找出图像的中心点坐标,用于两设备的中心对准。为了满足实时性测量和高精度定位要求,提出一种CCD摄像头圆目标中心定位方法。先对图像使用中值滤波方法进行图像增强,利用广义数字形态学中的多结构抗噪膨胀腐蚀型算子提取单像素宽图像边缘,用多项式插值法对图像边缘进行亚像素定位,用半径约束最小二乘圆拟合法对圆中心进行精确定位。实验测量结果表明,该方法测量时间短、精度高、稳定性好,亚像素定位精度优于1/20像素,中心点总标准偏差小于0.01,可满足设备自动对接系统要求。     

基于边缘与SURF算子的SAR与可见光图像配准方法

鉴于SAR(synthetic aperture radar)与可见光图像的成像机理存在很大差别,使得其同名特征的提取和配准十分困难,但在某些情况下,这两类图像的边缘存在一定的相关性。提出一种基于边缘与SURF(speed-up robust feature)算子的图像配准方法。通过适当预处理增强图像间的共性,采用综合性能比较好的Canny算子提取两幅图像共有的边缘特征,在边缘图像的基础上提取SURF特征;通过比值提纯法进行特征点粗匹配,RANSAC(random sample consensus)算法剔除误匹配点,计算仿射变换模型从而实现SAR与可见光图像的自动配准。实验结果表明:该算法的正确匹配率为100%,均方根误差为0.852个像素,配准精度达到亚像素水平。     

结合模板匹配和梯度峰值的对角标志自动提取方法

为了提高视觉测量系统的自动化水平和测量精度,提出了一种结合模板匹配和梯度峰值的对角标志自动提取方法。使用旋转不变模板匹配方法得到原始图像与标准模板的相关系数矩阵,通过两次阈值筛选获取标志点候选位置。根据两条直线相交于标志中心处以及中心处灰度梯度存在多个峰值的特性,剔除非合作标志点,得到对角标志点初始坐标。通过生成对角标志理想相关模板,利用相关系数拟合极值法进行亚像素定位。实验结果表明,该方法可以正确提取复杂环境下对角标志或棋盘格图像中的角点,而且需要人工调节的参数少、稳健性强、定位精度高且通用性好,可应用于工程实践中环境光源变化较大的测量场合。     

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。     

基于残差修剪的激光光斑高精度定位方法

为满足复杂靶标背景下激光光斑形心的高精度定位要求,提出了一种基于几何特征约束残差修剪的定位方法.首先通过分析成像特点提取激光光斑;然后在几何特征约束下对残差边缘进行二次修剪,优化边缘;最后利用最小二乘拟合法得到激光光斑形心的精确定位,并将其应用于火炮的重要静态参数--弯曲度测量.实验结果表明,该方法具有较强的稳定性,定位精度高且实时性好,与传统的定位方法相比,复杂靶标上激光光斑的水平和竖直定位偏差均由±1.2 pixel提高到±0.2 pixel,单次定位时间小于0.31 s,可实现复杂靶标背景下激光光斑形心的快速精确定位.     

亚像素多重分形方法在图像处理中的应用

提出了一种用亚像素多重分形原理求取图像奇异性的新型算法,降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律,利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合,对应着从边缘到纹理各层面的图像内容。模拟计算了投影小波中心点改变单位距离对边缘测度的影响程度,得出亚像素分割梯度的方法可以增加计算结果鲁棒性的结论。此方法用于标准图像的分割中,选用5×5亚像素数目提取的最奇异性集合与索贝尔(Sobel)算子(默认阈值为36.7920)提取的边缘的峰值信噪比为9.3981 dB。应用于复杂路面的裂纹提取中,其结果更符合人类的视觉观测。     

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.     

CCD camera automatic calibration technology and ellipse recognition algorithm

A novel two-dimensional (2D) pattern used in camera calibration is presented. With one feature circle located at the center, an array of circles is photo-etched on this pattern. An ellipse recognition algorithm is proposed to implement the acquisition of interest calibration points without human intervention. According to the circle arrangement of the pattern, the relation between three-dimensional (3D) and 2D coordinates of these points can be established automatically and accurately. These calibration points are computed for intrinsic parameters calibration of charge-coupled device (CCD) camera with Tsai method. A series of experiments have shown that the algorithm is robust and reliable with the calibration error less than 0.4 pixel. This new calibration pattern and ellipse recognition algorithm can be widely used in computer vision.     

基于Hough变换的椭圆检测算法

为了实现光电仪器对椭圆形目标的准确识别与跟踪,基于Hough变换提出了一种新的椭圆检测算法。该算法随机采样2点,再利用椭圆极和极弦的性质来搜索第3点并筛除大量无效采样;然后,以这3点为中心作正方形窗口,用窗口内的所有点来拟合椭圆方程。在验证候选椭圆时,提出了一种新方法来判断边缘点是否在椭圆上,并且给出了确定真实椭圆的自适应阈值。实验显示,该算法的平均长度误差为0．5pixel,平均角度误差为0．6°,平均耗时为79ms,表明该算法精度高,速度快,检测性能较好。     

一种改进的块匹配运动目标识别算法

鉴于传统的块匹配法在图像特征提取、匹配以及搜索等方面有诸多不足,复杂的边缘提取处理与基于灰度的匹配准则都使得系统的处理速度与精度降低,为了使识别处理更加快速精确,提出了一种改进的块匹配识别算法。通过拉普拉斯算子对图像特征进行增强,提高图像的特征信息;实验表明,针对320像素240像素大小的图像,改进算法的特征增强计算时间在Matlab中平均约为0005 4 s。     

一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

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。     

基于边缘几何特征和频域相关技术的图像匹配方法

提出了一种基于图像特征提取和变换域相关的图像匹配方法。借助提取图像的大边缘信息，以其几何特征构造边缘方向角曲线作为图像匹配的依据。通过对差分的计算，并比较两幅图像边缘方向曲线的相对链码，得到2幅图像之间可能的旋转角度。对旋转矫正后的图像进行2维傅里叶变换，计算频域内2图的相位相关矩阵，并从中找到相关系数最大的位置，这个位置就代表了2图的坐标位移量，通过平移达到图像间的精确匹配。实验表明：该方法匹配准确，速度快，减少了人为因素的干扰，对于图像间存在较小灰度差和噪声情况均有很好的匹配效果。