亚像素级细分在CCD光靶中的应用研究

由高速线阵CCD相机基于交汇原理组成的弹丸立靶坐标、射击密集度测试系统,其测试精度与弹丸图像的边缘位置密切相关,弹丸穿过大靶面的边缘区域时成像模糊,其灰度值呈连续变化状态,常用的图像边缘检测算子已经不能适应这种情况.对8 m×8 m的靶面,一个像素就会在物方最大引起±10 mm的测试误差.将Sobel边缘检测算子的粗检测定位与三次样条函数差值的细检测相结合,先用sobel算子粗检测,再构建三次样条函数,利用三次样条插值对弹丸图像边缘进行亚像素级细分.实弹射击试验结果证明,这种方法能够将系统的最大测试误差降低到±2.5 mm.     

基于形态学梯度的亚像素边缘检测方法的研究

伴随着图像处理技术的不断发展,对于目标图像的边缘检测由像素级向亚像素级转变,为了能够得到目标图像相对比较清晰的边缘图像,在本文中首先使用一种改进的数学形态学梯度算法对目标图像进行像素级边缘检测,然后通过对已经得到的像素级边缘点进行样条插值,最终完成亚像素边缘检测,通过实验仿真能够观察出使用本文所研究检测方法能够得到清晰的边缘图像。     

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。     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

基于三次样条插值函数的3D激光图像去噪算法研究

针对USB-C产品尺寸AOI(automated optical inspection,自动光学检测)生产线上3D激光检测系统中因图像不清晰造成针脚平面度误判率高的问题,从激光原图像入手探究其原因,结合三次样条插值多项式的光滑性,研究基于三次样条插值函数的3D激光图像去噪算法。该算法过程为:首先分析3D激光测量仪获取图像的过程,从获得的图像中分离并提取2D信息;然后,对图像检测区域逐个判断可疑噪声点,再针对每一行以位置为横坐标、像素值为纵坐标,采用三次样条插值函数计算噪声点的实际像素。研究结果表明:所提出的算法与分数阶积分算法相比,能够在保留边缘特性和纹理信息的同时,更好地去除噪声;该算法实用性强,能减少误判,大大提高工作效率。     

陶瓷基片检测中Robert边缘细化算法

陶瓷基片检测中为了对亚像素进行精确定位,需要对基片图像进行灰度边缘细化.为了得到保留信息的细化灰度边缘,对边缘细化算法进行了研究,提出了Robert边缘细化算法.先对基片图像进行均值滤波,然后用Robert算子进行两次边缘检测,最后将两次检测结果进行减法运算得到边缘细化的陶瓷基片图像.实验表明,该算法可以得到允许范围内的单像素连通的细边缘,保留边缘灰度信息,为下一步对图像进行亚像素细分,提高测量精度打下良好的基础.     

高斯-拉普拉斯边缘检测算子的扩展研究

针对经典的高斯-拉普拉斯（LOG）边缘检测算子是各向同性的，对各个角度方向的图像边缘检测的力度是相同的特性，对经典LOG边缘检测算子引入了角度信息参量进行推导，使以圆为对称的经典的LOG边缘检测算子变成为以椭圆对称，并且可以在坐标轴旋转任意角度的边缘检测算子，增强了其边缘检测的功能，使之能对不同角度方向的边缘更加有效地进行检测．经过在Matlab里对同一幅图像进行比较实验，对于图像中不同角度的边缘均能相应地进行提取．扩展后的LOG算子，不仅增强了边缘检测算法功能，而且完全保留了经典LOG算子原有的优点．     

基于各向异性扩散的图像放大法

在分析图像特点以及常规插值方法放大图像一些不足之处的基础上,根据文[7]的思想方法,以及放大图像的边缘位置要对应于原先图像的边缘位置的原则,先用边缘提取算子（如Canny算子）得到待放大图像的边缘位置,再经过三次样条插值,得到放大图像的边缘位置,最后运用各向异性扩散,在非边缘区域,将经过常规插值方法放大的图像进行光滑化处理．实验证明,该方法是一种处理时间短且效果不错的图像放大方法．     

基于VC++的改进的图像边缘检测算法研究

对4种常用的图像边缘检测算子的特点进行了分析和比较。在此基础上,针对LOG算子存在的一些缺点,运用选取阈值的方法,将Sobel算子和LOG算子结合起来,提出了一种新的图像边缘检测方法。基于VC＋＋语言,研究了该方法的设计并得以实现。实验结果表明,相对于单纯的LOG算子,该方法更具有实用性和有效性。     

基于双正交子波变换的遥感图象编码方法

介绍一种基于双正交子波变换的遥感图象数据压缩方法。原始图象经过子波变换后，分解为亮度子图象和边缘子图象，采用国际标准的ＪＰＥＧ方法编码亮度子图象，使用快速矢量量化（ＦＶＱ）编码边缘子图象。实验结果表明，在码率为０．８ｂｉｔ／ｐｉｘｅｌ的情况下，重建图象的峰值信噪比为２８ｄＢ，恢复质量好于直接使用ＪＰＥＧ编码。     

基于视觉图像边缘特征的灌木丛或高草识别

灌木丛或高草的枝叶外扩,使得其灰度图像边缘呈"锯齿"状,故边缘点曲率值变化频率及变化范围较大,可选择边缘曲率值的变化特征描述该类障碍物的边界特征.首先,利用Fisher 线性分类器对原始灰度图像进行分割,对二值化图像去除孤立点、进行形态学膨胀处理和空穴区域填充;其次,利用LOG算子及细化算法提取出障碍物的单像素边缘;再...     

多尺度边缘检测中滤波尺度自适应调整方法

提出了一种多尺度边缘检测中自适应调整滤波尺度的方法．该方法分析了当前像素点所处邻域内存在边缘的可能性，并以该可能性度量来定量调整边缘检测中的滤波尺度参数．实验结果表明，这种方法可以得到令人满意的结果，同时具有较好的抗噪能力．     

一种改进的自适应各向异性LOG算子

针对经典各向同性高斯-拉普拉斯(LOG)算子在具有方向性差异的场合中不适用的问题,引入多尺度,多角度参量,使之能对各个方向的边缘更加有效地检测,进而提出一种自适应各向异性LOG算子。该方法由独立强度传播(DS)模型调整长轴尺度,由像素的邻域平滑度决定长短轴的比例,然后通过8邻域一阶偏导决定长轴方向。实验表明,与传统LOG算子相比,该算法很好地解决了不同方向边缘的提取,还完全保留了经典LOG算子原有的优点。     

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．     

一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

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.     

功能磁共振时间序列图像快速配准方法研究

提出了一种非迭代分别检测时间序列图像间旋转、平移运动的方法．该方法基于傅立叶频谱的相位相关特性，解决了迭代配准算法中的旋转与平移耦合问题．通过精心选择参考图像，采用基于递归数字滤波的三次B样条插值方法，实现了功能磁共振序列图像的快速配准，配准精度达到了亚像素级。