一种利用Roberts-Zernike矩的亚像素边缘检测方法

亚像素软件处理技术可以在一定程度上提高图像测量系统的精度,针对Zernike矩的亚像素边缘检测存在计算量大和边缘定位精度低等不足,提出了一种基于Roberts-Zernike矩的亚像素边缘检测方法,在提高精度的同时减少了运行时间。实验结果表明,该方法测量精度高、定位精确,具有良好的抗噪性能和处理效率。     

基于改进Zernike方法实现圆形边缘亚像素检测

在图像测量中,图像边缘的精确定位与检测是影响测量精度的关键。为了实现快速、高精度的图像边缘定位与检测,提出了一种改进的Zernike方法,采用四个方向模版Sobel算子对图像初处理,利用被测物的几何信息,只使用零阶矩实现对边缘的亚像素定位。实验结果表明改进算法比原算法具有更高的精度,而运行的时间不到原算法的1/4。该算法具有良好的处理效率,能够满足一般具有几何特征图像边缘实时、亚像素精度定位与检测的要求,具有广阔的应用前景。     

基于Zernike正交矩的图像亚像素边缘检测算法改进

介绍了Zernike矩及基于Zernike矩的图像亚像素边缘检测原理, 针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足, 提出了一种改进算法. 推导了7×7 Zernike矩模板系数, 提出一种新的边缘判断依据. 改进的算法能较好检测图像边缘并实现了较高的边缘定位. 最后, 设计了3组不同的实验. 实验结果同Canny算子及Ghosal算法相比, 证明了改进算法的优越性.     

基于气门油封的亚像素边缘检测

针对气门油封的尺寸检测问题, 本文提出了一种基于Zernike矩改进算法的亚像素边缘检测方法. 首先, 对比分析了高斯滤波和双边滤波的预处理效果, 结果表明双边滤波在滤波和保留边缘信息方面具有更好的表现. 然后, 采用Canny算子进行边缘粗定位, 并利用自适应的Zernike矩过度模型进行亚像素级定位. 最后, 采用最小二乘拟合圆法获取圆心坐标和半径. 经试验证明, 优化后算法的边缘定位平均误差更小, 精度更加准确.     

一种基于亚像素边缘特征的医学图像融合方法

一种新的基于亚像素边缘特征的图像融合算法。该算法通过使用一种亚像素边缘检测算法提取图像的亚像素边缘特征,采用奇异值-迭代最近点法(SVD-ICP)实现轮廓间配准和利用小波极大值融合算法实现图像融合。     

基于Zernike矩亚像素边缘检测的快速算法

为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一种边缘检测的快速算法。利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,用Otsu法直接得到最优的阶跃灰度阈值进行边缘判别,并考虑了由于边缘模型带来的误差,在保证检测效果的同时缩短了检测时间。实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。     

基于矩的亚像素边缘检测算法的对比研究

基于矩的亚像素算法在众多亚像素算法中是最成熟有效的算法之一.本文对三种基于矩的亚像素算法进行了分析,并对灰度矩算法所出现的边缘判定问题进行了研究及改进.最后对三种矩算法进行了检测性能对比,为实际情况下亚像素边缘检测算法的选取提供了参考.     

基于Zernike矩的亚像素边缘检测算法

随着对图像处理精度要求的不断提高,传统的图像边缘检测算法已经不能完全满足要求,利用Zernike正交矩来检测亚像素边缘的方法能精确定位边缘,而且对噪声不敏感,在实验中取得了良好的效果。     

一种改进的数学形态学边缘检测算法

针对传统数学形态学边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等问题,提出一种改进的数学形态学边缘检测算法。该算法在保持传统形态学方法优点的基础上引入边缘方向信息,采用非极大值抑制方法对形态学梯度图像进行细化处理,利用新的基于方向的检测和连接方法从中提取边缘,既提高了检测出的边缘的分辨率,又实现了低强度边缘的保护,同时还获得了更强的抗噪声能力。与应用较为广泛的传统形态学方法及Canny边缘检测方法的比较研究也证明了该算法的有效性。     

亚像素边缘检测技术的研究

精确确定数字图像边缘的位置,对于图像测量非常重要。同时,图像获取过程中受到各种噪声的影响,必然会引起图像边缘的模糊,因此对图像边缘提取技术的研究一直是一个热门。对几种代表性的亚像素边缘检测技术进行了原理分析和性能比较。介绍了基于曲面拟合的和基于灰度矩的亚像素边缘检测算法。     

一种新的亚像素边缘检测方法及其性能研究

本文介绍一种可对已知形状的曲线进行精确到亚像素的边缘检测方法。该方法是从图像量化的原理出发，利用像素边在其切线方向上的信息来计算精确到亚像素的边界。     

基于正交Fourier-Mellin矩的改进亚像素边缘检测算法

提出一种改进的亚像素级边缘检测算法,该算法先用像素级边缘检测算子(Canny算子)定位所有可能的边缘点位置,再利用正交Fourier-Mellin矩(OFMM)算子的低径向阶与旋转不变特性在已有像素级边缘位置上进一步定位亚像素级边缘位置。实验表明,同等条件下该算法运算效率较高,不仅具有较高的检测精度(小于0.2 pixel),且算法耗时较短。     

一种新的亚像素边缘检测误差校正算法

矩方法采用二维理想边缘模型描述亚像素边缘,实际图像在边缘处存在一个渐变的过渡阶段,而二维理想边缘模型不能精确描述边缘,导致原理误差的产生。为此,提出一种采用误差校正表的算法,用于降低二维理想边缘模型引入的原理误差,提高亚像素边缘检测精度。通过方形采样定理模拟生成已知边缘的理想图像,用矩方法检测理想图像的亚像素边缘,构造二维误差校正表。使用查询误差校正表并结合双线性插值求出误差后进行误差校正。以灰度矩和Zernike矩为例进行对比实验,结果表明,该算法亚像素检测精度比校正前提高了一个数量级。校正算法主要计算量是双线性插值,能保持亚像素边缘检测的实时性。     

一种图像亚像素边缘检测算法的改进研究

为了提高刀具预调测量仪的检测精度,提出了一种改进的图像快速亚像素边缘检测算法——基于正交多项式拟合的亚像素边缘检测算法。首先,利用传统的Sobel算子完成边缘点整像素级别的检测,确定边缘的主体区域;然后,过边缘点沿边缘法线方向拓展像素,取一系列像素点并计算其灰度值;最后根据像素点灰度分布的数学特征,利用正交多项式和最小二乘法求拟合函数,通过拟合曲线确定图像边缘点的精确位置,实现图像亚像素边缘检测。实验证明,该算法运行时间短,约为0.63 s;检测精度高,可达0.1 pixels。     

一种新的漫射边缘亚像素检测算法

分析了漫射边缘的特征及其在亚像素边缘检测中存在的主要问题,针对目前亚像素边缘检测算法不适于漫射边缘的亚像素检测的问题,提出了一种新的针对漫射边缘的亚像素边缘检测算法.该算法充分利用了漫射边缘中的有效信息,在计算上具有通用性及简易性.同时,引入了高斯卷积平滑的预处理方法及Sobel算法对图像像素进行粗筛选,从而进一步提高了该算法的计算速度和精度.并且通过实验,验证了该算法的有效性及优越性,并分析了误差产生的原因.     

一种新的基于Zernike正交矩亚像素边缘定位的直径测量方法

提出了一种新的基于亚像素边缘定位技术的棒状物体直径测量方法;该方法利用两个CCD摄像头,分别获得两张棒状物体横截面的椭圆特征图像,利用仿射变换将灰度椭圆特征图像变换成圆形特征图像,然后利用亚像素中的Zernike正交矩对边缘进行精确定位,进而分别计算出棒状物体的直径,再将两个测量数据加以平均融合,完成对直径的测量;实验结果表明,与像素级方法相比较,该方法定位精度高,测量误差小,能够达到提高测量精度的目的。     

基于三次样条插值的亚像素边缘检测方法

为了实现图像边缘的亚像素定位,针对阶跃形式的边缘类型,提出了一种基于三次样条插值的亚像素边缘检测算法,根据样条插值原理,获得一维边缘的连续灰度分布,通过计算边缘点两侧三次样条函数的二阶导数为零点,实现一维边缘点的亚像素定位;利用一维曲面拟合方法,获得边缘投影方向,根据一维曲面投影方向像素灰度不变理论,利用投影公式将数字窗口中所有三维点投影到相同的投影平面,从而可将二维边缘检测问题转化为一维边缘检测,利用一维边缘检测方法获得边缘点位置,结合投影方向,最终实现二维边缘定位。通过与现有亚像素边缘检测方法的比较,可知算法对噪声具有较好的鲁棒性,同时计算时间相对较快,因此在实际应用中具有较好的适用性。     

亚像素边缘检测算法比较

针对光学测量中传统边缘检测算法的定位精度低、对噪声敏感等缺点,文章主要比较基于径向基函数插值的亚像素边缘检测算法、基于高斯曲线拟合的亚像素边缘检测算法、基于密度函数估算的亚边缘检测算法等几种边缘检测算法的定位精度,实验分析这几种算法存在的优缺点。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数，用该乘积与原图像进行卷积运算，然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声，而且很好地检测出了图像的真实边缘。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。