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。     

显微视场下微型零件亚像素边缘检测方法（英文）

为了提高微型零件在显微视场下的边缘检测精度,提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法.采用非正交二次B样条小波变换算法得到图像的像素级边缘,利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化。为了实现算法的原理,建立了一套微型零件的实时检测系统。给出了系统的总体结构和工作原理,完成了实时图像采集与检测,分析了检测结果,并对检测精度进行了评估。实验结果表明:该系统检测零件尺寸可以达到0.01~10 mm,检测精度可以达到0.01%~0.1%,可准确识别出微型零件的边缘,将检测精度提高到亚像素级,满足了在显微视场下微型零件检测的需要。     

显微视场下微型零件亚像素边缘检测方法

为了提高微型零件在显微视场下的边缘检测精度, 提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法. 采用非正交二次B样条小波变换算法得到图像的像素级边缘, 利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化. 为了实现算法的原理, 建立了一套微型零件的实时检测系统. 给出了系统的总体结构和工作原理, 完成了实时图像采集与检测, 分析了检测结果, 并对检测精度进行了评估. 实验结果表明: 该系统检测零件尺寸可以达到0.01~10 mm, 检测精度可以达到0.01%~0.1%, 可准确识别出微型零件的边缘, 将检测精度提高到亚像素级, 满足了在显微视场下微型零件检测的需要.     

面向回转类零件圆度的机器视觉测量方法与试验

针对工程应用中回转类零件的圆度测量精度不高、效率低等问题,提出了基于改进的Zernike矩亚像素边缘特征提取算法的回转类零件圆度视觉测量方法。建立了回转类零件轴截面图像的机器视觉测量系统,在分析零件轴截面图像特征的基础上,将传统的Zernike矩算法与最大类间方差法相结合得到改进的快速算法,提高了亚像素边缘点的定位精度。建立了轴截面圆度测量数学模型,应用标准量块对系统进行标定,实现了回转类零件直径与圆度的非接触式测量。试验结果表明,该方法不仅可使直径与圆度的测量达到亚像素级精度,还避免了传统测量方法造成的低效率与误判,实现了快速、准确、非接触式测量。     

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法.基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测.仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快.     

基于改进Zernike矩的小模数齿轮亚像素边缘检测

针对传统Zernike矩亚像素边缘检测算法中奇数尺寸模板卷积的不对称性,在分析卷积不对称性和卷积窗口中心局限性对检测精度影响的基础上,提出一种改进的Zernike矩亚像素边缘检测算法。算法采用像素级边缘检测算子进行初定位,获取像素级边缘点;利用小尺寸奇数模板求解Zernike矩进行二级初定位,获取亚像素级边缘点;分析二级初定位边缘点所在区间;根据所在区间,选取偶数模板或者奇数模板求解Zernike矩进行精定位,获取更精确的亚像素级边缘点。为了验证算法的有效性,分别对模拟图像和实际图像进行亚像素边缘检测实验。根据齿轮的边缘特性,通过最小二乘拟合法评价算法对齿轮图像的检测效果。实验结果表明,该算法具有绝对定位精度高、抗噪性能强、曝光敏感度好的优点。     

利用机器视觉的直齿轮在线测量方法研究

快速地对大批量生产齿轮的误差进行在线测量是智能化生产的本质要求,结合机器视觉技术非接触测量直齿轮的加工误差具有重要的意义和可行性。文中借鉴Zernike矩亚像素边缘检测算法,结合图像直方图的最大类间方差方法对在线拍摄的直齿轮图像进行最佳全局阈值处理,在提高轮齿边缘检测效率的同时降低了误差。针对Zernike矩亚像素边缘像素宽度较粗的缺点,对采集的图像进行形态学滤波等处理细化了边缘,在此基础上设计开发了一系列算法,得到了齿轮的基本参数和齿距偏差,并进行了误差分析。通过计算结果与实测值之间的对比,证明文中提出的采用机器视觉技术测量齿轮的算法精度较高,可以满足实际生产过程直齿轮在线测量的需要。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

改进Zernike矩的运动靶标高精度定位算法

针对目前运动靶标中心定位检测精度低、实时性差的难题,提出一种改进Zernike矩的亚像素边缘定位算法.该算法将Zernike算法和迭代法相结合,首先采用传统的Zernike算法计算图像的阶跃灰度矩阵,在阶跃灰度矩阵的基础上采用迭代法计算得到最佳灰度阶跃阈值作为边缘判据;最后从矩模板和灰度边缘模型两个角度对误差进行了分析和补偿.以靶标中心定位为实验研究对象,采用改进Zernike矩算法对靶标进行亚像素边缘定位,然后利用最小二乘法拟合圆心坐标,最后通过坐标变换得到靶标的空间位置,测试结果表明:该算法能够准确对运动靶标中心进行定位,算法的检测精度优于传统算法,同时最佳阈值的自动选取相比于人工手动调试具有更高的效率.     

基于图像处理技术的刀具测量系统

阐述了一种高精度刀具测量系统.被测刀具采用白炽灯照明.其图像由数码相机摄取并通过USB接口传输到计算机中,图像处理程序采用Zernike正交矩亚像素算法提取刀具轮廓,计算出刀具的精确几何参数,并从串口输出.文章详细讨论了Zernike正交矩算法,并对实际测量结果进行了分析,证明系统精度可达到4μm.     

视觉测量中椭圆特征亚像素提取方法的研究

椭圆是视觉测量中重要的基元特征。建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由随机Hough变换提取椭圆边缘像素点,最后采用基于最小二乘原理的椭圆拟合边缘提取方法,得到亚像素级被检测椭圆。对像面椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面椭圆亚像素提取算法具有较高的精度和稳定性。     

基于图像拼接的表面粗糙度测量方法

针对光切显微镜图像法测量表面粗糙度时取样长度较小，不足以客观表征工件表面质量的问 题，提出一种基于图像拼接的表面粗糙度测量方法。根据表面粗糙度序列图像中相邻帧图像的重叠区域构 建匹配模板，采用归一化相关算法计算相似度量进行相邻帧图像匹配与拼接，以加权融合算法平滑拼接后 图像的重影和接缝。对拼接后的粗糙度图像提取单侧边缘特征，通过最小二乘法拟合最小二乘轮廓中线， 建立轮廓算 数 平 均 偏 差 和 轮 廓 最 大 高 度 评 定 模 型。实 验 结 果 表 明，采 用 拼 接 算 法 后 取 样 长 度 增 加 了 １９８３．５２μｍ，测量精度平均提高了１．１６％。     

基于Zernike矩的管道弯曲度高精度检测

介绍了管道弯曲度测量系统的工作原理，提出了一种基于Zernike矩的管道弯曲度高精度检测方法。利用LoG算子把激光光斑边缘定位到像素级精度，然后使用Zernike矩算子进一步细分，使光斑边缘定位达到亚像素级精度，通过拟合计算得到光斑中心坐标，从而得到弯曲度的大小和方向。同时还进行了常用光斑中心定位算法与Zernike矩算法的对比实验，并对实验结果进行了定量分析。实验结果表明，Zernike矩算法的定位精度和速度均达到满意的结果。     

基于主轴分析和EDISON—Zernike矩的彩色图像亚像素边缘检测

本文分析了目前常见的亚像素边缘检测方法,提出了一种综合运用主轴分析法、Zernike矩和嵌入置信度的彩色图像亚像素边缘检测算法。首先获取影像三维空间中的主轴,然后利用嵌入置信度的边缘检测算子快速检测出所有可能的边缘点,再利用Zernike矩算子以亚像素精度重新定位边缘。实验表明本文算法优于其它的边缘检测算子,充分利用了图像的彩色信息,定位精度能够达到0.13个像素,并且该方法还具有良好的抗噪声干扰性和处理效率。     

基于亚像素的布氏硬度测量图像处理算法

在最新的一种亚像素边缘提取算法基础上,建立了基于亚像素计算处理的布氏硬度图像压痕测量算法,对布氏硬度图像压痕直径进行了精确测量。测量结果表明,本算法精度比通常的像素法高,对于各种硬度标尺,都能够达到布氏硬度测量国家标准的要求。     

融入一维概率Hough变换与局部Zernike矩的双目视觉测量

针对被测物体理想角点不易检测致使测量精度不高的问题，提出一种融入一维概率Hough变换与局部Zernike矩的双目视觉测量方法。首先利用一维概率Hough变换对物体外轮廓边缘进行直线检测；然后根据直线检测结果建立感兴趣区域，在各局部区域内利用Zernike矩进行亚像素检测，并在两相邻感兴趣区域的相交范围内完成亚像素点筛选；之后通过正交总体最小二乘法进行亚像素边缘直线拟合，并进行关键点匹配；最后利用三角测量原理获得被测物体的三维空间信息完成测量。以连铸坯模型为测量对象，实验结果表明：此算法最小相对误差达到0.340 1%，满足测量要求。长度相对误差均值为0.394 5%，与传统SIFT,ORB算法相比分别降低80.01%和74.63%；与其他边缘拟合算法相比测量误差减小34.11%，运行时间缩短39.07%，验证了此算法的精确性和高效性。     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

基于Zernike矩的亚像素边缘检测改进算法

本文在Zernike矩的亚像素边缘检测算法的基础上,通过修改Prata算子和提出了一种比q-recursive更快的递归关系,提出来一种改进的算法。新算法克服了Ghosal在亚像素边缘检测时存在高阶矩时较高的计算成本和数值不稳定性的不足。实验结果表明,该算法的运算速度与精度比Ghosal算子和Prata算子有较大的提高。     

激光CCD二维自准直仪中圆目标中心精确定位算法

提出一种新的激光CCD二维自准直仪中圆目标中心精确定位算法。该算法采用变结构元多尺度广义数学形态学滤波算法滤除图像噪声,由Zernike矩定位算法得出目标轮廓的亚像素位置,用最小二乘拟合法精确获取圆目标的中心位置,并进行了实验。结果表明:该算法稳定性好,定位精度高,应用该算法后自准直仪的测量分辨力提高了10倍,在±2'测量范围内测量不确定度优于0.3″,有效地提高了自准直仪的测量分辨力和测量精度。