机械零件图像中直线边缘亚像素定位方法

以计算机视觉在机械零件几何参数检测的实际应用为例，提出了一种使用高斯拉普拉斯(LOG)函数检测斜坡状边缘的像素级位置，在已知目标为直线边缘的情况下，使用最小二乘线性回归把二维的边缘拟合降为一维边缘定位，从而使直线边缘定位达到亚像素级精度的算法．同时还进行了空间矩直线边缘亚像素定位算法与本文所提出算法的对比实验．实验结果表明：在低噪声图像中，两种算法的边缘定位精度均达到满意的结果，且最小二乘线性回归亚像素定位算法速度较快．     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

视觉测量中基元特征亚像素提取方法的研究

建立了基于空间矩的三级灰度图像边缘模型,首先由传统LOG(Laplacian of Gaussian)算子确定图像的像素级边缘,再由灰度空间矩对像素级边缘进行亚像素定位,并用Hough变换提取基元的亚像素边缘像素点,最后通过最小二乘法曲线拟合得到亚像素级的基元特征。实验结果表明,基于空间矩亚像素边缘定位算法,以及像面直线和椭圆亚像素提取算法具有较高的精度和稳定性。     

基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

应用局部自适应阈值方法检测圆形标志点

利用圆形标志点的几何和灰度特征,在图像中搜索具有符合该特征描述的区域,对圆形标志点进行粗定位.对粗定位区域的扩展区域使用最大类间方差阈值分割法分割出圆形标志点轮廓,并对像素轮廓进行最小二乘拟合,计算出圆形标志点的中心坐标及拟合轮廓各参数,根据该参数筛选保留所需标志点中心坐标.结果表明:该方法使用局部的大津阈值检测圆形标志点,能够避免全局阈值的缺陷,提高标志点检测的检出率;采用最小二乘椭圆拟合提取标志点中心,能够达到亚像素级精度.     

芯片引线键合的快速图像定位研究

为实现芯片引脚及引线框架的精确定位,提出了一种改进型的视觉定位方法.该方法结合LOG算子的定位方法和Zernike正交矩的最小二乘椭圆拟合亚像素定位方法,分别对芯片引脚和引线框架进行了定位:对于芯片引脚采用LOG算子算法进行匹配定位,而针对引线框架图像则采用Zernike正交矩的最小二乘椭圆拟合亚像素方法进行定位.通过构建的芯片自动视觉定位平台,进行了相关定位实验.实验表明,芯片引脚及引线框架定位精度小于0.6像素,满足芯片封装应用要求.     

一种快速亚像素边缘检测算法

基于正交多项式拟合提出一种快速亚像素边缘检测算法, 并给出计算边缘点的直接表达式. 结果表明, 该算法有效地解决了目前亚像素边缘检测算法的检测精度和检测时间不能同时兼顾的问题. 通过与Gauss和空间矩两种亚像素边缘检测算法进行比较, 该算法能快速准确地求得亚像素级边缘位置.     

基于总体最小二乘法的亚像素月球坑边缘优化提取算法

本文提出了一种基于总体最小二乘法求解多项式的亚像素边缘检测方法.实验证明其效果要好于最小二乘法,但是该方法容易陷入局部最优解.基于此,利用模拟退火算法的优点来求取该多项式,从而求得月坑边缘.     

基于MIC角点检测的改进算法

针对MIC角点检测算法具有角点定位不够精确、误检、漏检等缺点,提出一种改进的MIC角点检测算法．为了克服MIC角点检测算法角点定位不准确的缺点,该检测算法利用最小二乘技术对角点局部方向线进行拟合,实现角点的亚像素定位;同时为了克服MIC角点检测易混淆边界点和角点的缺陷,引入检测直线,根据拟合点到检测直线的距离是否大于某一阈值剔除边界伪角点．实验结果表明,改进的MIC角点检测算法角点检测性能明显提高．     

基于弧段组合的直接最小二乘椭圆拟合

为使直接最小二乘椭圆拟合算法适用于图像中多椭圆的检测,提出了对参与拟合的边点数据按所属椭圆进行分组、以弧段组合代替离散边点作为直接最小二乘椭圆拟合数据的方法.实验结果表明该方法能够有效减少椭圆检测无关的边点,为各个椭圆的拟合提供合理的分组数据,从而准确、有效地实现图像中多椭圆的检测.     

散焦含噪图像的点扩散函数估计与亚像素边缘检测

针对机器视觉中图像模糊的原因,采用广义高斯函数描述点扩散函数(PSF),建立边缘过渡区模型,从一幅图像所含多条边缘中提取样本,依据提出的整合准则从全部样本的估计结果中计算整幅图像的PSF,利用最优求解的概念,可实现最小二乘意义下PSF及亚像素级边缘位置的最佳估计。实验结果表明, 由于算法获得图像所对应PSF的最佳估计,边缘检测具有比较高的抗噪性能,在边缘亚像素检测基础上完成的尺寸测量误差小于0.5%。     

摄像机标定的棋盘格亚像素角点检测

针对传统最小核值相似区(small univalue segment assimilating nucleus,SUSAN)算子对棋盘格角点检测时会将角点与边缘混淆的缺点,提出了一种运算速度快、定位精度高的改进SUSAN亚像素角点检测算法。根据SUSAN模板中角点的特性,提出了灰度对称度的概念,利用灰度对称度区别出棋盘格的角点和边缘。在利用改进的SUSAN算子进行亚像素角点检测时,综合应用了索贝尔边缘算子、灰度平方重心法等方法。提出的亚像素级角点检测方法快速有效,在摄像机标定试验中,其重投影平均误差小于0.2个像素。     

一种快速的虹膜定位算法

提出一种结合傅里叶描绘子和最小二乘法的虹膜定位算法.在虹膜内圆定位时,先用改进的轮廓跟踪算法检测二值化瞳孔边缘的点序列,再用傅里叶描绘子提取该点序列的整体轮廓,最后用最小二乘法拟合内圆.在虹膜外圆定位时,先利用虹膜左、右部分的灰度梯度信息,提取外边缘点序列,再用最小二乘法拟合外圆.实验结果表明,该算法提高了虹膜定位的速...     

具有统计特征的微小型零件边缘识别技术

针对微小型零件边缘检测问题,提出一种宏观检测和微观检测相结合的边缘识别方法. 首先根据分形理论,利用微小型零件图像的分形特征进行区域分割,检测出图像中的边缘区域;然后利用微观检测算子检测出微小型零件的边缘点;最后用最小二乘法拟合出微小型零件的边缘. 实验结果表明,这种宏观检测和微观检测相结合的方法能够排除下边缘、背景和随机边缘的影响,准确地识别出具有统计特征的微小型零件的边缘,检测精度达到像素级.     

基于机器视觉的齿轮中心定位算法

齿轮加工精度影响因素复杂，精度测量要求高，齿轮中心(基圆圆心)的定位精度在检测过程中至关重要。为降低工业视觉检测中缺陷与噪声对齿轮中心定位精度的影响，文章提出一种齿顶圆弧分割结合改进随机抽样一致性(random sample consensus, RANSAC)算法定位齿轮中心。对采集的齿轮图像采用Canny算子检测边缘，使用Freeman码进行边缘跟踪；以最小二乘法拟合得到圆心粗基准，通过比较轮廓点到粗基准的距离快速分割出齿顶圆弧；采用亚像素边缘与更精确的阈值对圆弧进行精分割，并结合随机抽样一致性算法对圆弧进行拟合，得到齿轮中心。实验结果表明该算法具有较高的定位精度和较强的实用性。     

复杂工业环境下激光束中心快速精确定位方法

针对工业现场在线检测对计算机视觉算法稳定性、实时性、精度和抗干扰能力的要求,结合两万吨挤压机活动部件五自由度实时监测系统的具体情况,在现有方法的基础上,提出了一种复杂工业环境下激光束中心快速精确定位方法.首先,在图像预处理的基础上通过Canny算法实现图像边缘二值化,并对得到边缘进行筛选,剔除不符合光斑轮廓特征的边缘.接着,采用一种改进的快速Hough变换初步确定激光光斑的大致位置和半径,依据Hough变换计算结果设置光斑有效区域,在有效区域内通过最小二乘法椭圆拟合得到亚像素精度的激光束中心坐标.实验研究表明,该方法在存在噪声的环境下单次检测时间小于50ms,精度达0.15像素(pixel).可在较强干扰下实现激光束中心的精确定位,与传统方法相比,精度高,实时性好,适应性强.     

散焦含噪图像的点扩散函数估计与边缘检测

针对机器视觉中图像模糊的原因,采用广义高斯函数描述点扩散函数(PSF),建立边缘扩散模型,从一幅图像所含的多条边缘中提取样本,依据提出的整合准则从全部样本的估计结果中计算整幅图像的PSF,利用最优求解的概念,在最小二乘近似下实现PSF及亚像素级边缘位置的最佳估计.实验结果表明,由于获得了图像对应的PSF最佳估计,因此边缘检测具有比较高的抗噪性能,在边缘亚像素检测基础上完成的尺寸测量误差小于0.5%.     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

一种光学测量中椭圆边缘精确提取算法

提出了一种椭圆边缘精确提取算法。对图像灰度分布函数按二次泰勒展开式展开,利用高斯核函数和图像卷积的方式进行微分求导,在过零点附近求取二阶导数绝对值的极小值点,然后,通过计算Hessian矩阵得到该边缘点的法向方向,在法向方向进行多项式曲线拟合和直线拟合得到子像素边缘点。实验结果表明,算法子像素边缘提取具有较好的精度,在光学测量椭圆形标识检测中有参考价值。     

基于改进 Hough 变换与双点去除 R-最小二乘法的车道线检测优化算法

针对传统Hough变换和最小二乘法的不足分别提出改进算法,并应用到车道线检测中,对道路图像进行预处理得到车道线的边缘点,对拟合车道线的两种方法进行改进,提高车道线检测的准确率和实时性。在实际检测中,设计一种结合改进Hough变换和双点去除R-最小二乘(R-least squares with dual removal,R-LSDR)法的检测算法,并运用Kalman滤波器跟踪车道线,在实车采集的道路图像序列上进行初步测试。实验结果表明,优化的车道线检测算法提高了检测准确率和运行效率。