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。     

基于视觉图像的机加工零部件亚像素边缘定位

首先介绍了LOG算子的快速定位方法以及二维理想图像边缘模型的空间矩亚像素细分算法的基本原理;在此基础上给出了符合实际图像采样的三级灰度图像边缘模型的空间矩算子,并推导了该算子的原理误差公式。最后利用试验对空间矩算子亚像素定位方法的有效性、精度进行了研究,并给出了该方法的亚像素定位与实测尺寸的对比结果。结果表明该方法比传统的边缘检测算子的边缘定位精度有较大提高。     

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.     

起重机轨道测量激光光斑中心识别与定位算法

在轨道测量装置中,激光光斑中心检测算法的精度和速度直接影响轨道测量效果,传统的中心算法如灰度质心法、Hough变换等在检测精度或速度上存在不足。文中提出了一种基于高斯积分曲线拟合的光斑中心定位算法,在光斑降噪、特征增强的图像预处理基础上,插值拟合光斑灰度曲面,进行边缘计算、追踪及细化,得到光斑的像素级边缘点,计算其法向等距线及高斯积分拟合点,并通过贝塞尔曲面拟合其对应灰度值,再采用高斯积分曲线拟合得到亚像素级边缘点,对亚像素边缘点进行圆拟合方法最终确定光斑中心点。与灰度质心法、Hough变换椭圆中心法相比,此算法的拟合精度较高,抗干扰性好,达到了实验室环境下轨道测量的精度要求。     

基于高斯分布的星像点精确模拟及质心计算

为提高星敏感器仿真系统的精度,提出了基于高斯规律的模拟星像点的灰度扩散方法和高斯质心提取算法.按照二维高斯分布规律置灰度值来模拟星像点像素,对称中心是映射坐标而不是取整的中心像素坐标,以便准确模拟实际星像点散焦及像差导致的灰度扩散.高斯质心提取亚像素定位过程包括像素粗定位和偏差精定位两个步骤,基于高斯规律建立了一个分段函数实现偏差精定位.在星像点噪声为N(0, 1.22)的仿真条件下,整个偏差区间[-0.5,0.5)pixel内高斯质心定位标准差为0.007 pixel,远小于灰度重心法的0.041 pixel和加权灰度重心法的0.026 pixel,而3种方法对模拟星图的处理结果一致.仿真实验表明:模拟星像点高斯灰度扩散法是合理准确的,而高斯质心提取算法简单精确,精度高于传统灰度重心法.     

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。     

应用面阵CCD的优化光点定位方法

传统的灰度重心法是一种用于对称目标的亚像素定位算法,其计算精度不高而且抗噪声性能较差.提出一种隔离算法,将其边缘像素分离,然后对内部像素灰度进行均值化,从而有效抑制内部像素噪声.同时,利用数据误差理论对这种算法的误差进行分析.最后,通过基于大天区面积多目标光纤光谱天文望远镜(LAMOST)标定实验,验证了这种算法的正确性,并表明优化算法有较好的噪声抑制性能.     

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。     

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。     

利用曲线拟合方法的亚像素提取算法

在图像测量系统中，测量系统的精度与边缘提取的精度成直接的正比关系，普通算法的精度为像素级，现在员常用的亚像素算法是重心法。这里提出了一种利用曲线拟合方法的亚像素边缘提取算法，介绍了算法的推导过程，给出了算法的计算公式，最后给出了实验结果。     

兼顾热轧工艺润滑的工作辊磨损预报模型

通过对某1700热连轧厂润滑轧制中轧辊磨损主要影响因素的研究,提出了包含润滑项的工作辊磨损预报模型,并采用模拟退火遗传算法估算模型主要参数。现场运用结果表明,该工作辊磨损模型结构及其模型参数能够兼顾热轧润滑和非润滑工况,提高了工作辊磨损的预报精度,满足在线运用需求。
     

电路噪声对星敏感器星点定位精度的影响

提出了一种测量星敏感器电路模块带来的图像噪声的方法。在实验室条件下,用星敏感器拍摄多幅背景图像,分析表明:不同背景图像上相同像素的灰度差值代表了电路模块带来的图像噪声,该噪声服从正态分布。模拟产生该正态分布的随机矩阵作为图像噪声加到理想的星点上,采用亚像素细分质心算法计算出带噪声的星点质心坐标,从而得到噪声带来的星点位置偏差。计算结果表明:实验室条件下,星敏感器实测6等星的质心测量精度为1/25 Pixel,而电路噪声将引起1/200 Pixel量级的标准偏差;电路噪声,尤其是DC/DC电源纹波噪声对星敏感器星点定位带来的误差是不容忽视的。     

机械零件尺寸图象测量中的边缘检测算法

这里提出了一种应用于机械零件图象测量领域的边缘检测算法：使用基于Sobel算子的改进的方向算子,综合利用图像灰度信息和灰度梯度信息对目标边缘进行检测和亚像素精确定位。在文章的最后,用实例说明了本算法的可行性。     

基于非极大值抑制的圆目标亚像素中心定位

圆形目标在基于图像的测量系统中应用广泛,针对圆目标中心的高定位精度和快速提取的要求,提出了一种基于非极大值抑制的亚像素中心定位方法.该方法利用Sobel算子进行边缘检测,通过改进非极大值抑制方法获取连续细化的边缘,实现了像素级边缘定位,采用Zernike正交矩对边缘点进行亚像素级定位,并用最小二乘法进行二次拟合来获取精确的标志点的中心坐标.仿真图像和实测图像的实验结果验证了该方法的有效性和准确性,其定位精度可以达到0.02像素,通过测试算法的运行时间,证明该算法具有很好的实时性.     

一种改进的角点检测法

角点包含丰富的图像几何信息，其检测精度直接影响后续图像参数的计算与分析。为满足工程上要求的高精度计算出零件轮廓参数，在检测出零件轮廓边缘后．角点定位成为影响结果精度的最重要因素。为此．本文提出了一种基于亚像素思想，综合图像灰度信息与边缘轮廓点特征的高精度角点检测法。该方法使用Marr边缘检测算子得到连续单像素边缘，结合亚像素思想对各个边缘点进行精确定位，在此基础上根据角点曲率最大原理进行检测．最终确定独立角点。实践证明，该方法能有效、高精度地进行角点检测。     

基于CCD视频幅值调节器的目标精确定位方法

为了应用固定双阈值法进行边界检测并利用灰度重心法进行像元细分，以实现对点目标的精确定位，设计了线阵CCD 视频幅值调节器反馈控制系统。通过对光积分时间和程控增益2环节的定量数控调节，使光点图像目标的尖峰灰度幅值保持恒定，显著降低了对光源和光路的设计难度和成本。固定双阈值边界检测定位法和传统的二值化方法相比，不需要额外的二值化参考电平硬件电路，系统更加简单可靠，算法更优秀，可以实现小于1/10像元的细分效果，在工程应用上实现了对光点的精确定位。该2变量无级调光数控系统方案对多变量摄像调光系统的设计有重要的参考价值。     

Fast algorithm of detection of boundary points in images

A method of detecting boundary points in brightness images, based on subpixel calculation of the brightness difference, is proposed. In a fragment 4×4 pixels in size, this method allows calculating 12 directions of the jump in brightness; the algorithm complexity is ∼34N atomic operations. The method considered is compared with available methods of detection of boundary points in the image. The algorithm proposed is demonstrated to be more stable to the “salt and pepper” noise, ensures more stable determination of the brightness jump direction, and provides a more intense response to the signal. An application of the method is noted.     

基于边缘像元投影的微小轴承亚像素边缘检测

对于微小轴承的内径测量,基于机器视觉的非接触测量技术具有广阔的应用前景。针对轴承的边缘像素点,投影将感光像元划分成感光值不同的两个部分,像素单元的最终灰度值为投影两侧局部灰度统计值的面积加权平均值,取该像素的矩形邻域,并对其邻域灰度值进行高斯加权处理,将边缘投影按泰勒公式展开为二次曲线得到高精度亚像素边缘。针对微小轴承进行实验,将本文算法与基于直线拟合的方法进行比较,每毫米包括约217.18个像素,检测的圆度提高0.04%以上,标准差减少不少于7.27%,因此可更准确获取微小轴承内径的亚像素边缘。