基于蚁群算法的Zernike矩亚像素工件边缘检测

边缘检测是影响工件尺寸检测精度的主要因素之一。为了进一步提高工件尺寸测量的准确性,本文提出了一个改进Zernike矩的亚像素边缘检测方法。首先,采用滤波和阈值分解等技术对图像进行预处理以得到二值图,再次,采用蚁群算法得到图像的边界,然后,采用Zernike矩的边界检测方法来确定图像亚像素边缘。结果表明,改进的边缘检测方法相较于传统方法,其提取的亚像素边缘坐标与原始坐标之间的绝对误差不超过0.5,且运行速度提高了约10倍,较好地满足了工件尺寸检测精度的要求。     

基于Zernike矩的边缘检测方法

提出了一种基于Ｚｅｒｎｉｋｅ矩的边缘检测方法,根据建立的图参数边缘模型,利用Ｚｅｒｎｉｋｅ矩的性质导出了边缘参数和矩的关系,通过求矩得到边缘参数,所提出的方法可以达到子像素级检测精度,对噪声不敏感,具有良好的稳定性。     

基于 Zernike 矩的边缘检测方法

提出了一种基于Zernike矩的边缘检测方法.根据建立的四参数边缘模型,利用Zernike矩的性质导出了边缘参数和矩的关系,通过求矩得到边缘参数.所提出的方法可以达到子像素级检测精度,对噪声不敏感,具有良好的稳定性.     

基于改进Zernike矩的亚像素钻铆圆孔检测方法

在机器人自动钻铆系统中,高精度的圆孔视觉测量技术对制孔的定位精度和质量检测具有重要作用。为了提高钻铆基准孔和连接孔几何参数的视觉检测精度,该文首先基于Canny算子获取像素级边缘点集,实现圆孔中心坐标的粗定位;其次提取待测圆孔所在的感兴趣区域,利用4个Zernike正交矩准确推导了三灰度过渡模型的边缘参数;然后通过判断边缘参数和阈值的关系,计算圆孔边缘点的亚像素坐标;最后根据最小二乘原理实现圆孔中心坐标和半径的高精度检测。仿真结果表明,该算法的圆心坐标相对误差在0.01像素范围内,半径的相对误差精度为0.1像素。稳定性和抗噪性实验表明,该算法适应于不同尺寸的圆孔,并且对噪声的敏感程度较低。因此,该算法有效提高了钻铆圆孔参数的检测精度,在机器人钻铆视觉测量系统中具有重要意义。     

基于改进的Zernike矩亚像素边缘提取算法外螺纹非接触测量

为了进一步改善螺纹图像轮廓提取效果、提高螺纹参数的计算测量精度,在分析基于Zernike正交矩亚像素边缘检测算法的基础上,建立了边缘灰度阈值与一阶导数相结合的模型,提高了亚像素边缘点的定位精度,并在此基础上提出了计算螺纹中径和牙型角的新方法.结果表明,该方法对于克服工件表面水油污染、提高检测精度具有显著效果.     

基于Zernike矩的改进LoG边缘检测方法

LoG算子是图像边缘检测中的一种经典方法,其通过引入高斯滤波来减少图像中噪声对边缘检测的影响。高斯滤波在抑制噪声的同时也会将图像的边缘弱化,导致不能有效地对图像边缘进行检测。为此提出了一种改进的LoG边缘检测方法,采用Zernike矩对图像进行结构特征描述,并用其作为LoG算子中高斯滤波权值的计算依据;在此基础上,对平滑图像采用Laplacian算子和零点交叉法检测图像边缘。实验结果显示,通过采用基于Zernike矩的权值计算方法能够有效地保持高斯滤波在平滑图像时弱化的边缘特征,使得LoG算子在抑制噪声的同时能够更加有效地提取图像边缘。     

一种改进的灰度矩亚像素边缘检测算法

在分析Tabatabai提出的灰度矩亚像素边缘检测算法的基础上,指出灰度矩算法存在边缘判断条件不够完善和未能考虑模板效应的问题,提出了改进方法,考虑Tabatabai的灰度矩算法产生很多虚假边缘,改进算法分析了各参数对结果的影响,对边缘判断条件进行完善。实验结果表明,所改进算法具有抗干扰性、边缘细化能力强,定位准确的特点,分辨精度可达0.06~0.08个像素。     

通用亚像素边缘检测算法

研究了针对不同边缘类型进行同步亚像素级检测的问题.通过详细分析3种基本边缘类型(阶跃型边缘、脉冲型边缘、屋脊型边缘)的特点,提出了一种基于形体质心思想的通用算法,并对其进行了严格证明.该算法能同时对这3种基本类型边缘进行亚像素级检测与定位,且不存在原理性误差.对算法进行离散化处理,给出了便于计算机实现的离散算法.通过实验验证了此算法的有效性,并分析了误差产生的原因.     

基于Zernike矩和水平集的超声图像分割

为了提高超声图像的分割精确率,提出了一种基于Zernike矩和水平集的超声图像分割方法.首先,利用9个具有不同阶数和重复度的Zernike矩提取超声图像的纹理特征,保留矩的幅值和相位,获得18个特征图,同时在每一特征图目标区域内外采样,利用采样值计算出特征图的权值.然后,将特征图与高斯算子进行卷积,计算其边缘检测函数,将所有特征图的边缘检测函数与对应的特征图权值相乘,所得结果之和即为该超声图像的边缘检测函数.最后,利用基于变分函数的水平集方法对超声图像进行分割.基于前列腺超声图像的实验结果显示,相比基于梯度的水平集方法和基于Zernike矩幅值的水平集方法,所提方法具有更高的分割精度,dice相似系数达到95%以上.     

基于Zernike矩的图像不变性识别研究

本文提出一种基于Zernike矩的图像不变性识别方法,用于图像的平移、缩放和旋转不变性识别。理论分析和实验结果表明,Zernike矩做为一种经典的正交矩分析方法,具有良好的抗噪能力、图像识别能力。     

微零件图像亚像素边缘定位算法

为快速而精确地检测微零件图像边缘,提出了一种新的图像亚像素边缘定位算法.此算法与常用亚像素边缘定位算法区别在于不需要进行边缘初定位,而直接提取亚像素边缘点.应用一种新的图像坐标排序方法,使无规律的边缘点能够按照一定时针顺序链接成闭合曲线.以微齿轮图像作为实验对象测试了算法的精度与速度,结果表明该算法在边缘定位精度满足亚像素的情况下,能够快速提取边缘曲线,处理时间不超过1s.     

改进的基于Facet模型的亚像素边缘检测

在图像测量等工程应用中,需要获得目标的高精度图像边缘信息.本文首先介绍了一种基于Facet模型的亚像素边缘检测算法,该方法具有抗噪能力强,定位精度高等优点,但是计算复杂度太高.针对此缺点,本文研究了一种改进算法,将其与Mallat的小波变换模极大算法有效的结合,不仅处理速度提高了10倍左右,而且所提取的边缘效果也有所改善.实验结果表明,本文的方法不仅能获得高精度的边缘信息,抗噪能力强,而且处理速度快.     

基于边缘导向的直边图像亚像素定位方法

通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果．     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

基于Hu矩和Zernike矩的文字识别

在研究Hu矩和Zernike矩的基础之上,提出一种基于Hu矩和Zemike矩的文字识别方法,在采集的文字图像中提取Hu矩和Zernike矩特征,利用K近邻的分类方法进行分类,理论和实验表明,该识别方法具有很强的抗图像平移、拉伸和旋转识别能力,其中Zemike正交矩由于其正交性在具有较高的识别能力的同时,还具有很强的冗噪能力。     

基于Zernike矩特征的FCM-RBF神经网络图像分类器

针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.     

基于改进的soble算子和zernike矩遥感图像边缘检测

为了实现和提高对于遥感图像边缘信息和轮廓的提取,在传统经典的边缘检测soble算子的基础之上提出改进soble算子结合zernike不变矩的边缘检测方法.首先通过对应的滤波对于遥感图像的预处理,接着利用改进的soble进行边缘点存在的确定和计算.最后利用7*7的zernike矩对于图像边缘更加精确的定位及处理.通过实验可以得到,此方法相对于传统的经典边缘检测算法相比较定位更加准确,边缘检测轮廓和信息更加明显.     

机械零件亚像素边缘检测算法的研究

在分析亚像素边缘检测算法机理的基础上,对多项式插值算法和矩算法在亚像索边缘检测中从速度和精度两个方面, 对其进行了比较性研究, 实验结果表明, 在同等精度条件下.多项式插值法的运算耗时较短,具有运算效率高, 同时其标准差小, 具有更高的定位精度.     

基于Zernike矩的图象识别

分析了Zemike矩的旋转不变性特征，并将其应用于旋转目标的识别。由于Zemike矩可以构造任意高阶矩，所以Zemike矩的识别效果优于其他方法。因而Zemike矩在旋转目标识别中具有广泛的应用前景。     

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。