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。     

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。     

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。     

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。     

装配位姿视觉检测系统中红外靶点质心定位

结合装配位姿视觉检测系统的研发,为提高红外LED靶点质心亚像素定位精度与稳定性,对红外LED靶点图像的灰度分布模型进行了研究,提出了一种基于自由曲面拟合的质心定位算法以获取靶点图像的亚像素中心。根据靶点图像的灰度分布,该算法通过双三次样条插值生成靶点灰度分布曲面,利用拟牛顿法求取曲面顶点即靶点图像中心的亚像素坐标。实测实验显示该算法在图像噪声水平较低的高精度测量环境中,当靶点距离摄像机约5m和12m时,与高斯曲面拟合法和加权灰度重心法相比,该算法都能更准确地描述靶点的灰度分布,生成的灰度曲面更加接近靶点图像的真实分布,在高精度测量环境中具有更高的测量精度和稳定性。     

基于数学形态学和灰度矩的高温亚像素边缘检测

提出了一种在高温条件下的试件边缘检测方法,能准确检测试件在升温过程中边缘的变化情况。对采集到的图像利用Canny算子和数学形态学进行像素级边缘粗定位,然后在灰度矩亚像素边缘检测算法基础上,增加对边缘判断条件的约束来检测亚像素级边缘,使得检测出的边缘更加真实可靠。经试验分析,该算法的分辨精度可达到0.1-0.15个像素,可实现高温条件下试件边缘的高精度非接触式测量。     

一种适用于高精度视觉测量的边缘检测方法

为了减少或消除随机噪声对机器视觉测量系统的影响,提高测量系统的测量精度,利用图像的灰度曲面特性和边缘曲线特性,开发了包括各向异性双边滤波、基于Facet模型的亚像素边缘提取和边缘曲线拟合的三级逼近图像边缘检测算法。实验证明,这种方法的重复定位精度优于0.1像素。对标准量块的多次测量证明,使用该算法构建的视觉测量系统测量精度可以达到微米级。     

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.     

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.     

Edge detection of steel plates at high temperature using image measurement

An edge detection method for the measurement of steel plate’s thermal expansion is proposed in this paper, where the shrinkage of a steel plate is measured when temperature drops. First, images are picked up by an imaging system; a method of regional edge detection based on grayscales’ sudden change is then applied to detect the edges of the steel plate; finally, pixel coordinates of the edge position are transformed to physical coordinates through calibration parameters. The experiment shows that the real-time, high precision, and non-contact measurement of the steel plate’s edge position under high temperature can be realized using the imaging measurement method established in this paper.     

基于非线性扩散滤波的边缘检测和图像测量

提出了一种基于自适应非线性扩散方程滤波的边缘检测方法, 以提高图像测量的精度。首先对原始图像实施一种非线性扩散处理,即沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘, 而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像; 然后应用经典的微分算子来检测边缘。实验结果表明,相对于经典的边缘检测算子, 本算法得到了尖锐而平滑的单像素宽的图像边缘,较好地定位了边缘, 相对误差为0.03。当图像边缘模糊和存在附加噪声时, 测量结果将会受到很大影响。本方法较好地定位了边缘像素, 对于微小尺寸测量显示出它的优越性.     

Fuzzy automated visual broken edge detection

This paper describes an automated machine vision-based inspection method for fast and accurate detection of broken edges on the machined surface of water pumps which are formed during casting. The paper proposes a collection of steps to inspect images taken in a noisy environment to identify broken edges. By developing three broken edge verification features and using fuzzy C-means clustering, we provide a fuzzy broken edge inspection model that classifies water pumps into three classes: pumps with significant (major) broken edges, pumps with insignificant (minor) broken edges, and pumps with no broken edges. The devised machine vision-based inspection method is efficient in terms of processing time and accuracy to recognize the parts with broken edges and to make decisions consistent with human knowledge. The fuzzy broken edge detection was carried out on a database of 150 gray-level images. The developed method properly identifies about 95 % of the broken edges in the entire database.     

基于序列局部图像的尺寸高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究基于序列局部图像的视觉测量方法。首先分析机械零件图像边缘的过渡分布特征,提出边缘像素补偿法,消除实际边缘不能精确定位对测量精度的影响。然后以直线边缘距离测量为原型,提出基于序列局部图像尺寸特征的测量方法：对零件进行微小区域成像,生成在空间上连续的序列局部图像;应用相关系数法和双线性插值法获得相邻序列图像的亚像素级尺寸特征线,从而得到各局部图像的尺寸特征;对这些尺寸进行求和与补偿,得到零件的总体尺寸。实验表明,对常规尺寸零件的单幅图像运用边缘像素补偿法,相对测量误差在0.008%以内;对大尺寸零件应用序列图像测量法,相对测量误差在0.01%以内,具有误差积累小的优点,可用于机械零件的精密自动化测量。     

Hyperbolic tangent algorithm for periodic effect cancellation in sub-pixel resolution edge displacement measurement

This work explores the effect of sensor fill-factor, acquisition noise and blurring level on sub-pixel edge detection uncertainty and finally proposes a new edge detection algorithm to reduce the measurement uncertainty. Optics analysis demonstrates that the intensity profile of an edge, acquired with a digital camera, has the mathematical shape of the error function (erf). The erf is therefore expected to be the best function to fit the intensity profiles of edges. The position of the edge is then estimated through the position of the flex of the approximating curve. However, the hyperbolic tangent can be used to fit the erf with a low discrepancy, though requiring a lower computation time. For this reason the hyperbolic tangent was selected to implement the proposed edge detection algorithm. This algorithm was tested using both numerically generated images and real data. Results demonstrated the efficiency of the proposed algorithm, strongly reducing sub-pixel edge detection systematic effect.     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

适用于光照不均匀图像的边缘检测算法

首先利用图像梯度方向特征改进Canny算法,使之更适合连续边缘的检测。然后将其与基于侧抑制原理的图像增强算法结合,设计了一种新的适用于噪声背景下光照不均匀图像的边缘检测算法。算法实验结果表明该边缘检测算法能有效提取光照不均匀图像中的连续边缘。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

采用子图像抽取尺度变换的边缘检测方法

针对工业尺寸检测中现场采集图像模糊但目标占有空间尺度较大这一特点,利用低分辨率采样下图像高频特征失真较大而低频特征失真较小的原理,提出了一种通过图像抽取获得多幅不同尺度子图像分别进行边缘检测后,综合各子图像边缘与原图像边缘来提取大尺度弱边缘的算法。试验结果表明,本算法能有效地检测出图像中的大尺度弱边缘。