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。     

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。     

快速多项式拟合亚像素边缘检测算法的研究

传统的亚像素边缘检测都是先粗定位,再进行亚像素细分,因而运行时间较长.采用了一种基于多项式拟合的快速亚像素边缘检测算法.该算法根据图像的灰度分布,运用三次多项式拟合图像的边缘实现亚像素定位,从而达到较高的定位精度.采用在边缘附近取点,进行亚像素边缘检测,减少了运行时间.仿真实验给出的实验结果证明了该算法的有效性.     

基于灰度空间极值法的块煤边缘检测

在用图象处理的方法监测原煤块率时,检测出每块煤的边缘是很重要的.本文在块煤图象的边缘检测过程中,对几种经典边缘检测算子进行了实验验证,最后得出结论认为,采用灰度空间极值法效果最佳.     

高效的基于傅里叶单像素成像的亚像素级边缘检测技术

针对无法实现先验的边缘检测场景,并解决边缘提取效率过低的问题,提出一种更高效的基于傅里叶单像素成像的亚像素级边缘检测方法。该方法结合快速傅里叶单像素成像,减少图像算法的相移步数,在原有四步相移的基础上分别实现了三步相移与两步相移边缘检测。该算法上的改进能够在同等采样数下扩大参与边缘提取的频谱宽度,从而提升边缘提取效率。数值仿真结果表明,与四步相移亚像素级边缘检测相比,无噪声条件下两步相移在655~13 100次左右的采样数区间内峰值信噪比增长幅度高出2.27 dB,噪声条件下低于0.054噪声浮动比率时两步相移方法可以获得比四步相移更高的边缘提取质量。该方法可以一定程度上提升边缘提取效率,同时促进单像素成像领域与图像处理方向的技术交叉和应用化发展。     

光条纹中心的实时快速提取

在光电检测系统中,光条纹中心的准确、快速提取是保证系统精度和实时性的必要条件。采用大规模并行算法和串行流水技术,提出了一种基于Steger算法的串并结合的处理结构。该方法在比原算法节省大量逻辑资源的同时,光条纹中心提取速度得到了大大的提升。给出了基于FPGA的实现方法,提取精度达到了亚像素级。     

自适应多方向灰度形态学图像边缘检测算法

针对传统的多方向灰度形态学边缘检测算法存在计算量大、效率低的缺点,提出了一种基于自适应噪声抑制的多方向灰度形态学图像边缘检测算法。根据图像所含噪声的种类,采用不同尺度的结构元素对图像进行分类滤波,再根据像素点间灰度值的变化确定边缘方向,由相应方向的结构元素进行边缘检测。实验结果表明,与传统的多方向灰度形态学边缘检测算法相比,检测到的边缘重构相似度和边缘置信度更高,边缘连续性更强,且计算量低,运行效率高。     

焊缝图像中结构光条纹的检测与分割

为了在复杂噪声环境下从焊缝图像中精确地提取结构光条纹,构建了语义分割与目标检测相结合的深度学习模型用于焊缝图像的检测.为了提高模型的检测速度,在语义分割分支中,通过添加并行下采样模块及缩减卷积核数量的策略对模型进行了优化,并使该分支与目标检测分支的特征提取部分共享权重.针对焊缝图像中结构光条纹与背景像素比例失衡而导致模...     

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。     

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%。     

基于波长分离的结构光采集系统

彩色结构光系统利用彩色投影机与摄像机中的三个颜色通道,同时投影和采集三幅条纹图像,拍摄一次即可实现形貌测量,但其无法测量彩色物体,通道间的串扰也降低了精度。提出了一种新的系统,利用三个摄像机采集三个通道,并利用严格设计的分色棱镜和滤光片,消除了彩色结构光系统中常见的波长通道间的颜色串扰。基于三步位移法,分析了拍摄两次图像获得彩色物体形貌的过程,并针对该系统提出了校正方法。利用上述方法,拍摄两次即可得到彩色的物体形貌。     

基于互补型光栅编码的相位展开

为了解决在运用相移技术和二元光栅编码结构光进行相位展丌时存在的误码问题,提出了一种新的互补型二元光栅编码.通过多投一幅格雷码图案,并利用格雷码相邻码字之间Hamming距离为1的特点,没计出互补的两种编解码方式.利用两种编码出现误码位置的不同,并结合相移技术解决了去包裹过程中的误码问题.论述了互补型二元光栅编码的设计方法及特点,并详细分析了基于互补型二元光栅编码的相位展开过程.计算机模拟和三维重建实验清楚地表明,提出的互补型光栅编码能很好地解决了误码问题且具有很高的可靠性.     

基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光系统的相机标定的精度对三维测量的精度有很大影响。首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。     

多重分形分析图象边缘提取算法

提出了一种基于多重分形分析的图象边缘提取算法,通过计算每个象素点的奇异值和多重分形谱,并根据多重分形谱的各种测度修正,提取出图象的边缘信息.在分析图象的各种象素点的多重分形谱特性的基础上,着重分析了多重分形谱常用的若干测度以及选取标准.该算法利用奇异性Hölder指数和多重分形谱以及它们组成的判据来进行图象边缘提取的思路不同于传统的基于梯度的局部极值点来进行图象边缘提取的方法.实验结果表明:该算法可以在保留重要边缘信息的情况下去除不重要细节,更能符合人的视觉心理.     

基于彩色结构光的自由曲面三维重建方法

彩色结构光三维重建过程中,系统的非线性耦合以及待测曲面的拓扑结构等均会对结构光解码产生影响,从而导致调制条纹漏检和颜色码误识别.为解决这一问题,提出一种基于彩色编码结构光的三维重建方法.利用YUV颜色通道对调制条纹进行滤波差分投影处理,通过调制条纹的波形分布提取中心特征线;利用颜色聚类方法精确获取调制条纹的颜色码信息值...     

基于结构光投影的二维S变换轮廓术

S变换是一种集合了窗口傅里叶变换和小波变换优点的时频分析技术,目前一维S变换已成功应用于结构光投影的条纹相位解调中。由于二维S变换可以对图像在两个方向上进行时频分析,具有更优于一维S变换的分析和处理能力。为了完善S变换的条纹相位解调理论,将二维S变换方法引入到基于结构光投影的三维光学测量中,研究了二维S变换在条纹相位解调中的原理及应用,给出了详尽的理论分析,并同一维S变换结果进行了比较。模拟和实验都表明,在条纹图解相中,二维S变换比一维S变换提取的相位精度更高,即使在存在较严重噪声污染的情况下也表现出良好的可靠性,体现出二维S变换提取相位的优势。     

基于无约束系统的结构光三维测量方法

针对传统结构光系统进行三维测量时,要求满足双瞳平行于参考平面和摄像机光轴垂、直于参考平面这两个强约束条件,建立了新的系统结构,去除了平行和垂直的约束,摄像机和投影仪位置可自由摆放.基于该无约束系统结构,提出了一种新的系统标定方法,通过重建"投影仪摄像机参考平面"三者的空间关系,可以简便而精确地获取传统"高度相位"公式中参量:双瞳的距离和摄像机到参考平面距离;同时,推导了无约束系统结构下新的物相关系方程和高度计算公式.实物测量结果证明,基于无约束系统的结构光三维测量方法可操作性强,测量精度可达0.1 mm.     

基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法。该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度。最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素。实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

基于边缘检测的最小不连续相位展开算法

为克服Fylnn最小不连续相位展开算法效率较低的缺陷,以快速高效地展开包裹相位图,提出了一种基于边缘检测的最小不连续相位展开新算法.先对孤立噪声点预处理并将其排除在增长环搜寻扫描区域外,然后利用边缘检测技术检测出相位不连续区域,并把其作为扫描区域.由于利用边缘检测使增长环搜寻所需的扫描范围在很大程度上缩小,最小不连续相位展开算法的效率得到了很大提高.详细描述了新算法的原理和实现步骤,并用计算机模拟和实际的包裹相位图来验证其有效性.相位展开结果表明,新算法能正确展开这些包裹相位图,且较最小不连续算法有更高的效率.     

基于多特征和FCM的图像边缘检测方法

提出了一种新的基于多特征和FCM的边缘检测算法.该方法根据边缘点附近灰度分布特点构造了多个反映边缘特性的特征分量,并利用输入图像提取该组特征分量,组成一个反映图像边缘特征的数据集.用FCM聚类算法将该数据集分为两类,即边缘点数据和非边缘点数据,实现边缘检测.该方法无需确定阈值,对弱边缘检测较敏感,在特征的选取上充分考虑了边缘和噪声的本质区别,因而具有优异的抗噪性能.