图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。     

高密度电子电路频谱图的边缘检测算法

在利用电磁扫描技术检测高密度电路板的组装质量时,为了识别频谱图中的异常频率点,需要检测和提取频谱图中频谱曲线.而频谱图中频谱曲线的检测和提取效果直接影响异常频率点检测的准确度.本文致力于电路板频谱图的边缘检测方法的研究,提出了多窗口Canny自适应阈值边缘检测算法,即通过对频谱图进行窗口划分,在窗口内采用改进的梯度幅值的计算方法和自适应阈值Canny检测算法,实现了对频谱图的边缘检测.理论分析和实验结果表明,本文所提出的算法准确度高,可以得到较好的边缘检测结果,为识别频谱图中的异常频率点提供了更精准的频谱边缘图像.     

基于非线性扩散滤波的边缘检测和图像测量

提出了一种基于自适应非线性扩散方程滤波的边缘检测方法, 以提高图像测量的精度。首先对原始图像实施一种非线性扩散处理,即沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘, 而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像; 然后应用经典的微分算子来检测边缘。实验结果表明,相对于经典的边缘检测算子, 本算法得到了尖锐而平滑的单像素宽的图像边缘,较好地定位了边缘, 相对误差为0.03。当图像边缘模糊和存在附加噪声时, 测量结果将会受到很大影响。本方法较好地定位了边缘像素, 对于微小尺寸测量显示出它的优越性.     

基于ARM的图像模糊边缘检测

介绍了一种处理图像中的模糊边缘算法,新算法采用图像分割的方式对传统的边缘算法进行优化,并使用体视显微镜和TQ2440 ARM开发板构建实验装置来实现。实验检测证明这种算法处理速度快,视觉检测装置体积小成本低,可以很好地满足实时性要求。     

基于显著性图像边缘的全参考图像质量评价

大部分图像质量评价算法仅研究图像的灰度值及信息内容,没有充分考虑人眼视觉特性对图像质量评价的影响,针对此问题提出了一种基于显著性图像边缘的全参考图像质量评价方法。利用显著性图像表征图像的视觉关注内容,然后提取显著性图像的边缘检测图,得到人眼关注的结构和边缘,最后计算参考图像与失真图像边缘检测图之间的汉明距离得到图像质量评价指标。实验结果表明本文提出的评价指标满足人眼视觉特性,对于各种失真类型有非常高的主观一致性,评价性能也优于很多其他指标。     

基于差分极值的边缘检测算法

本文提出了一种基于局部区域差分极值的边缘检测算法，该算法的特点是在局部区域边缘检测窗口内直接提取边缘像素，分割的边缘为真实边缘，边缘连续性好，适合于照度不均匀图像的分割。最后给出实验结果。     

评价边缘检测质量的模拟图像生成方法研究

针对评价边缘检测算法精度时没有合适的评定标准的问题,首先根据方形孔径采样定理,详细说明了椭圆形状边缘灰度的求取方法,然后以真实拍摄图片为标准,对图像进行了高斯模糊和噪声的添加,形成最终的模拟图像.通过编程实现了模拟图片的生成,给出了模拟图像和真实图像的对比,并利用模拟图像对边缘检测中常用的3种算法作了简要分析.结果表明,模拟图片能很好地模拟真实拍摄图片,可方便地用于边缘检测算法的精度评价.     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

基于边缘检测和形态学处理的车牌定位

车辆牌照识别技术(License Plate Recognition,LPR)是实现智能交通管理的重要技术之一,车辆牌照识别技术主要包含了车牌的准确定位、车牌中字符的分割以及字符的识别.通过对问题的分析,找到一种基于边缘检测和形态学处理的车牌定位方法,通过对样本图像的边缘检测和一系列的形态学处理,实现了对车牌的初步定位,基于车牌上字符水平方向的跳变次数来判断出车牌的上、下边界,从而实现了车牌的准确定位,最后通过仿真验证了这种定位方法的可行性.     

模糊图像边缘精确定位的滤波算法

图像的边缘是图像最基本也是最重要的特征之一。实际应用中,光学系统离焦和图像传感器噪声源引起图像模糊,导致边缘自动定位算法无法精确确定边缘点。从边缘检测理论出发,根据噪声及图像模糊模型,提出了基于空间域和频域的滤波方法对模糊边缘图像去噪,从而消除模糊图像对于边缘定位的影响。实验表明,各种滤波方法对于边缘点的自动提取都具有一定的效果,离焦模糊和噪声可以得到有效抑制,尤其是频域低通滤波器能够精确地提取出模糊边缘位置。     

视觉检测系统中亚像素边缘检测技术的对比研究

在视觉检测系统中,亚像素边缘检测的定位精度是其最终测量精度的关键,国内外很多学者对该问题进行了广泛的研究,提出了各种边缘检测的方法,但是各种方法的定位精度及抗噪声能力的优劣都自圆其说,难以验证.也有很多学者对各种算法进行了对比研究,但使用的评价图像与实际系统采集的图像相差甚远.本文根据视觉系统采集图像的原理生成理想图像,使用各种边缘检测算法对该图像进行亚像素边缘定位,以理想点坐标和实际采集的点坐标的均方差作为标准来比较各个算法的定位精度,并定量地加入噪声,分析各处算法的抗噪声能力以及计算时间.分析和讨论的结果为亚像素边缘定位技术的选取提供可靠依据.     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

正交边缘投影快速算法在胶片弊病识别中的应用

为实现对胶片弊病的实时识别,提出了一种正交边缘投影快速检测算法.基于对红外胶片图像特点的分析,通过综合运用邻域平均、边缘检测和投影法等图像处理技术,实现了对胶片弊病的快速、准确识别,并据此算法编制了相应的VC++程序.该算法保证实时的关键是将二维图像投影为两个一维信号进行处理,该算法还可根据实际需要实现功能扩展,用于确定弊病的大小及严重程度.通过在乐凯胶片集团公司的在线实验,证明其能够准确检测出各种典型的胶片弊病,处理一帧大小为659×494像素的图像只需20ms.     

评价边缘检测质量的模拟图像生成方法研究

针对评价边缘检测算法精度时没有合适的评定标准的问题,首先根据方形孔径采样定理,详细说明了椭圆形状边缘灰度的求取方法,然后以真实拍摄图片为标准,对图像进行了高斯模糊和噪声的添加,形成最终的模拟图像.通过编程实现了模拟图片的生成,给出了模拟图像和真实图像的对比,并利用模拟图像对边缘检测中常用的3种算法作了简要分析.结果表明,模拟图片能很好地模拟真实拍摄图片,可方便地用于边缘检测算法的精度评价.     

基于图像边缘识别的面内振动位移测试方法

为降低传统测试系统的复杂度并减小其对被测结构的附加质量影响,提出了一种以视频图像作为测试信号的振动测试方法,建立了被测物体位移与图像边缘识别结果的对应关系。由于在经典的图像边缘处理中,不连续边缘和虚假边缘会对处理结果有一定的影响,利用数据拟合的方法对图像边缘处理方法进行了改进,从而使测试结果更加精确。为验证该测试方法的有效性,设计了实验验证系统。实验结果表明,改进的边缘处理方法相比于原有的方法,得到了目标物体更精确的边缘,其位移计算精度提高了12%,且在0～60 Hz的测试频段内,准确地得到了目标物体振动的大小和方向。所提出的测试方法具有测试系统简单、测试范围灵活及测试结果丰富等优点,可为有限测试环境下的振动测试提供一种新的思路。     

一种基于超声C扫描成像原理的图像边缘检测方法

针对超声C扫描图像中缺陷边缘的模糊问题，通过建立超声C扫描成像的数学模型，分析了异种材料结合界面超声波反射能量的分布情况。结果表明，由于聚焦探头焦点直径的存在．使得结合界面中缺陷边缘两侧反射声波能量发生变化，从而引起了超声C扫描图像中缺陷边缘的模糊现象。基如此，提出了一种快速确定C扫描图像缺陷边缘的方法。对平底孔超声C扫描图像边缘检测的试验结果表明，该方法适用于超声C扫描图像的边缘检测．明显优于Sobel算法和Canny算法，能够快速准确检测出缺陷边缘。     

基于机器视觉的树脂镜片表面疵病边缘检测

针对树脂镜片表面疵病自动化检测的需求,开展了基于机器视觉的树脂镜片表面疵病边缘检测研究.设计一种改进的快速Hough圆检测方法获取镜片图像的感兴趣区域,采用混合滤波消除脉冲噪声和高斯噪声,提出一种基于局部窗口阈值的改进Canny边缘检测算法,选取局部最佳分割阈值,对窗口内的疵病实现精确分割.实验结果表明,该边缘检测算法能够较好地检测疵病边缘细节.     

一种新的边缘检测算法在图像处理中的应用

介绍了一种新的边缘检测方法,首先通过高斯-拉普拉斯边缘检测算法对图像进行边缘检测,再结合轮廓提取对提取到的边缘进一步进行跟踪处理.实验表明,与传统的边缘检测算法相比,这种算法能更好的提取图像中目标物体的边缘,减少检测边缘断裂现象,具有很好的应用价值.     

改进结构相似度的红外两波段图像目标配准

针对红外两波段图像目标配准问题,研究了目标整体结构特征,在高斯尺度空间对结构相似度、多尺度结构相似度和边缘结构相似度进行改进,提出基于改进的多尺度边缘结构相似度算法的红外两波段图像目标配准算法。利用高斯尺度空间中不同尺度的图像及其边缘图像计算多尺度结构相似度,结合了红外图像中保留的目标完整的边缘结构信息,提高了目标配准效果。实验结果表明基于改进的多尺度边缘结构相似度算法的红外两波段图像目标配准算法的目标配准正确率和目标配准精度都优于其他算法,目标相似度值高于0.98。     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。