基于改进的SUSAN算子的棋盘格亚像素角点检测算法

针对SUSAN算子在检测棋盘格角点这一特殊类型角点时出现的不足,提出了改进的SUSAN角点检测算子。改进的算子在分析原有算子仅考虑USAN区域的大小而不考虑USAN区域的形状这一局限性的基础上,通过在SUSAN圆模板内附加两个圆环模板来实现对所有棋盘格角点的有效检测。此外,鉴于棋盘格角点图像形状和灰度分布具有对称性以及灰度对比强烈的特点,采用灰度重心法对角点进行了亚像素定位。为了提高算法性能,具体操作时采用区域分离思想,将USAN区域分成内部像素区域和边缘像素区域两部分,通过对内部像素区域灰度的均值化,达到了抑制内部像素区域噪声的目的。实验结果表明,所提出的算法准确、有效,能达到亚像素级的精度。     

基于直线检测的棋盘格角点自动提取

针对现有棋盘格角点自动提取算法鲁棒性不足的缺点,提出了使用直线检测算法(LSD)来进行角点的自动提取。首先,使用LSD算法对标定图像进行处理,得出包含棋盘格子边缘的所有直线,并分别对所得直线的长度和角度进行伪排序以去除伪格子边缘。然后,对剩余直线的边缘端点进行近邻合并,得到角点的初始坐标并进行亚像素优化。最后,使用能量法对角点进行棋盘格结构复原与排序。实验结果显示:该方法可以正确提取含有阴影和噪声的玻璃材质标定板图像中的角点。与改进的Harris方法的角点坐标提取精度对比试验得到其最大偏差小于0.2pixel,平均偏差小于0.15pixel,表明该方法具有较高的鲁棒性且定位精度与改进的Harris方法相当,可用于工程实际中环境光源变化较大的场合。     

结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。     

基于SIFT-SUSAN算法的零件图像特征提取研究

把SIFT-SUSAN算法应用在零件图像的特征提取上,检测图像的特征极值点。首先对采集的图像进行均值滤波和Laplace锐化预处理,以此增强图像的边缘响应;利用高斯卷积和高斯差分建立尺度空间域;再利用SIFT算法提取空间极值点,并引入SUSAN算子检测空间角点;计算两种特征点的位置,生成特征描述子,实现零件图像的匹配。通过对垫片、螺母和轴承盖零件分别采用SIFT算法和SIFT-SUSAN算法进行对比试验,实验表明:SIFT-SUSAN算法结合了图像区域和边缘角点特征,得到更多的匹配点,提高了图片匹配的正确率。     

基于自适应双边滤波的V型焊缝特征提取研究

为了提高自动化焊接时焊缝特征提取的精准度,提出一种自适应双边滤波算法对图像噪声去除。首先在图像预处理阶段使用自适应双边滤波算法对采集到的焊缝原始图像进行去噪处理,然后通过阈值分割得到激光条纹的二值化图像,将灰度重心法与最小二乘法相结合提取出激光条纹中心线,最后通过联立激光条纹中心线方程组求解焊缝角点坐标,从而得到焊接点位置坐标。实验结果表明,该方法能够准确地提取出V型焊缝的特征角点坐标,精度上满足实际的焊接要求。     

一种基于Harris特征点检测的改进算法

针对Harris角点检测算法存在对含有噪声的图像角点检测不准确的问题,为降低噪点对角点检测的干扰和提高角点检测的精准度,提出了一种改进算法,通过在Harris算法设置的局部移动窗口中加入一种加权系数自适应的加权均值滤波,其加权系数由像素灰度值决定。通过实验证明,该方法可有效减少伪角点的形成,同时具有良好精确度和检测速度。     

采用环形模板的棋盘格角点检测

曝光过度和镜头畸变将分别导致棋盘格角点分离和角点局部区域不对称现象。现有的角点检测算法通常难以准确提取棋盘格角点。此外,在复杂背景下,现有角点检测算法也极易出现错误。针对上述问题,本文提出了一种图像坐标系下的基于环形模板的棋盘格角点检测算法。首先,通过分析得出棋盘格角点附近的灰度分布应满足一定的对称性和灰度交替性等性质,进而得出环形模板卷积后的图像应满足的性质。而后,利用该性质来定义并提取棋盘格角点,使提取的角点直接达到亚像素精度。实验结果表明：本文提出的棋盘格角点检测算法在曝光过度,镜头畸变和复杂背景情况下,均能取得较好的棋盘格角点检测效果。将该算法应用于实际摄像机标定,实验结果显示重投影误差在0.3个像素以内。     

一种改进的Harris角点提取算法

针对广泛使用的Harris角点提取算法在对T型和斜T型角点存在定位不准确以及运算速度慢的特点,提出了一种改进算法。改进算法以目标像素点的8-领域范围内与之灰度相似的点的数目为基础,并将该值与目标像素点附近的其他像素点进行比较,分析局部范围内的像素点的灰度值分布,根据比较结果,从中遴选出部分像素点作为下一步Harris角点检测算法的计算对象,并根据角点函数响应值的大小,最终判断该像素点是否为角点。实验结果表明改进算法大大提高了角点检测速度,并对T、斜T型角点提高了其角点检测的定位精度。     

基于特征点集距离描述的裂缝图像匹配算法研究

定期进行裂缝检测、监测重点裂缝的变化对建筑物安全十分重要。由于外部环境及拍摄设备的原因,不同时间拍摄的同一裂缝图像会存在亮度、裂缝位置的不同,为此提出了一套裂缝图像匹配算法,能够在图像库中识别含指定裂缝的图像,以达到监测危险裂缝发展的目的。该算法首先对裂缝图像进行预处理,采用MASK算法进行匀光处理,采用基于连通区域的滤波方法去除图像中的噪声,提取出只含裂缝的二值图像;而后利用Harris检测算子获取裂缝的角点为特征点集;最后采用基于Fréchet距离以及Hausdorff距离的点集配准算法进行特征点的配准。采用100张墙面和路面裂缝图像进行了实验,配准的成功率可达到90%。     

基于显微视觉的亚像素压电陶瓷驱动特性测量

为了得到纳米操作压电陶瓷驱动器高精度的驱动特性,提出一种基于显微视觉的亚像素位移测量方法。本文采用Harris角点初始定位,对标准的栅格图像序列进行角点匹配,获得模板匹配的初始区域。并提出了二元拉格朗日插值与二元非线性Newton-Raphson迭代算法的亚像素位移测量方法,能够在保证良好测量精度的同时有效地减少亚像素匹配中耗时的相关计算。最后使用改进的亚像素图像块匹配方法对实际的压电陶瓷驱动器的驱动特性进行了测量,并与真实结果和理论模型描述结果进行了对比。实验结果表明,该算法位移测量精度高、稳定性好,得到的压电陶瓷驱动特性曲线符合物理分析结果,能够满足高精度的微纳米测量要求。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

基于像素分布特征的图像去噪法在刀具磨损检测中的应用

根据对机床刀具实时数据采集得到的图像的固有特征,提出了一种基于灰度差及像素分布连续性判断的方法,对磨损刀具灰度图像中的椒盐颗粒噪声采取先检测判断再进行去除的原则进行处理。采用Canny算子对图像的磨损区域进行边缘检测,检测结果的二值化图像中含有较多被算子误判为边缘的像素点。根据伪边缘像素点是分布特征,将其判断为噪声点,同样采用基于像素分布连续性判断的方法对伪边缘噪声点采取先检测后去除的方法进行处理,最终检测到磨损区域连续清晰的边缘线。结果证明:该方法在刀具磨损检测中有较强的实用性,在实践中可运用于刀具磨损的实时监测。     

基于改进SUSAN算法的电机换向器孔径参数检测

采用一种自适应选取阈值的方法取代传统SUSAN算法中的人为设定阈值,运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较.最后将该算法用于电机换向器的孔径参数测量.试验结果表明:改进后的SUSAN算法提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能得到令人满意的效果.     

一种改进的红外图像角点检测算法

在SUSAN算法的基础上,本文提出了一种改进的角点检测算法,该算法在检测角点位置的同时,可以完成角的大小和方向的检测.实验结果表明,该算法角点检测准确,实时性好,角点特征稳定,对灰度变化不敏感,适用于部分遮挡目标的识别.     

用于摄像机标定的棋盘图像角点检测新算法

摄像机标定是从二维图像获取准确的三维信息的必要步骤,摄像机标定的精度在很大程度上取决于标定板控制点的图像定位精度,鉴于此,对棋盘格标定板图像的角点定位问题进行了研究.笔者通过对图像像素类型及其性质进行分析,提出了以小邻域环形模板上像素灰度的跳变次数为判据的棋盘角点检测新算法,该算法不但能快速检测出角点,而且还能确定角点的类型.利用此性质,剔除了容易受外界环境影响的棋盘外圈角点,即非X型角点,从而从另一个角度保证了所提取角点的精度.为了达到更高的精度,笔者以棋盘图像的高度对称性为依托,在每个初定位角点的局部邻域内,用灰度重心法对角点进行了亚像素定位.实验结果表明,提出的算法具有较高的精度,能够为高精度摄像机标定提供可靠数据.     

基于机器视觉的磁钢片缺陷检测研究

针对磁钢片人工检测效率低、误检率高以及劳动强度大等问题,对磁钢片缺陷种类及缺陷特征方面进行了研究,对磁钢片缺陷检测流程进行了分析归纳,提出了一种基于机器视觉的磁钢片缺陷检测算法,实现了磁钢片缺陷检测自动化。通过二值化和闭操作对图像进行预处理,将目标区域面积与模板区域面积进行了比较,实现了零件掉角和粘连缺陷检测。通过采用均值滤波算法对初始图像平滑处理,对所得图像与模板图像对应像素灰度值进行了作差运算,选出了差值大于规定值的区域,实现了磁钢片裂纹和结晶缺陷检测。研究结果表明,相比人工检测,实验所采用的算法能够准确判断磁钢掉角、粘连、结晶以及裂纹缺陷,较传统人工目测检测方法准确率提高10%,并提高了检测效率,降低了劳动力。     

微细对接焊缝初始点定位方法

为了解决焊接机器人对薄板微细焊缝的自动定位和焊接问题,研究了一种基于视觉的高精度微细对接焊缝初始点定位方法。提出一种局部范围内两步精确定位方法,第一步,获取工件在不同尺度及旋转角度下的图像,建立典型的模板匹配库,利用模板匹配方法提取出焊缝初始点位置区域;第二步,采用Shi-Tomasi算法在此局部范围内进行角点检测,计算亚像素级角点位置并进行初始点精确定位。通过对现场拍摄的50幅不同高度和旋转角度的图像进行初始点检测,实现了对所有图像的准确检测。实验结果表明,两步定位方法鲁棒性强,可以精确定位出规则边界和不规则边界焊缝的初始点,解决了微细对接焊缝初始点定位问题,达到了期望结果。     

基于图像识别的锂离子电池正负极距离检测

电池极片边缘点在X射线图像中具有明显的光斑特征,其亮度值往往为该点领域内的局部极大值。基于以上事实,提出了:自动图像选取、电极边缘点在图中的位置提取、电池极片正负极距离的计算和正负极覆盖率的图像识别思路。由于图中存在无关特征,可能对进一步的图像处理造成干扰,因此首先提取了图中无关特征的灰度值,并采用了灰度拉伸法成功去除了图中无关特征。而后通过设置灰度阈值完成了对于图像中电池正负极区域的分割。接着,采用三种角点检测法提取电池极片边缘点的位置,并对比其效果。最后,计算了该方法的识别误差并分析其原因。     

双目立体视觉中角点检测的方法研究

双目立体视觉是计算机视觉研究中最为活跃的一个分支,是智能机器人科学发展的重要标志。它是由不同位置的2台或者1台摄像机（CCD）经过移动或旋转拍摄同一场景,通过图像获取、摄像机标定、特征提取和匹配,进而通过计算空间点在2幅图像中的视差,获得场景的深度信息。本文在SU—SAN角点检测的基础上,提出了基于图像平均灰度的阈值选取方法,使阈值的选取不再盲目,保证了用SUSAN算法进行角点检测的实用性和适用性。仿真试验表明,用该方法进行特征点的提取,减少了匹配时间,提高了匹配精度,得到了较好的效果。     

基于几何特征的快速高精度角点检测算法

角点检测应用十分广泛,是许多计算机视觉任务的基础.本文提出了一种快速、高精度的角点检测算法,算法简单新颖,角点条件和角点响应函数设计独特.和以往不同的是:算法在设计上考虑的是角点的局部几何特征,使得处理的数据量大为减少,同时能够很好地保证检测精度等其他性能指标.通过和广泛使用的SUSAN算法、Harris算法在正确率、漏检、精度、抗噪声、计算复杂度等方面进行综合比较,结果表明该算法无论对人工合成图像还是对自然图像均具有良好的性能.