基于灰度矩的9×9尺寸模板边缘检测算法

基于灰度矩算法的基本原理,提出了一种新的9×9尺寸灰度矩算子。先分析并推导灰度矩算法的计算过程,再计算出9×9尺寸的灰度矩模板。通过实验对算子的性能和检测精度进行了研究。实验表明,该算子有较强的抗噪能力,边缘定位精度能够达到0.05～0.06个像素。最后,为提高检测效率,使用Prewitt算子进行粗检测、通过先粗后精的方法有效减少了大模板灰度矩的运算量,使新算子的运算耗时降低至0.31 s。     

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。     

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.     

一种基于视觉测量的亚像素边缘检测算法

图像边缘检测精度决定了目标实际尺寸的测量精度。利用亚像素边缘检测技术来解决工业生产中芯片管脚的测量和检测问题。针对传统空间矩算子存在计算量大和边缘定位精度不足等缺点,首先利用改进的Prewitt算子快速提取连续性较好的像素级边缘,然后推导了空间矩算子原理误差并利用改进的空间矩算子进行亚像素级边缘定位。实验结果表明该方法速度快,定位精度高,并且具有较强的抗噪能力。     

基于灰度不均匀图像边缘检测算法改进

边缘检测算法是图像处理中的一个重要的研究内容。该算法的好坏直接影响着图像处理的结果,常用的检测算法常常不能满足特定情况下的要求(例如实时跟踪下的图像处理)。本文在分析了灰度图像各种边缘检测算法的特性的基础上,根据具体需求,对灰度不均匀的图像边缘检测算法进行了改进。实验表明,在图像对比度较差的情况下,应用灰度变换增强后,配合相应的边缘检测算法,可以大大减少运算量,与原来的算法相比,能够取得较好的效果。     

基于Unit-Linking PCNN的灰度图像边缘检测

利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值刚像,在二值分割图基础上实施unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化r图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

一种快速亚像素边缘检测算法

基于正交多项式拟合提出一种快速亚像素边缘检测算法, 并给出计算边缘点的直接表达式. 结果表明, 该算法有效地解决了目前亚像素边缘检测算法的检测精度和检测时间不能同时兼顾的问题. 通过与Gauss和空间矩两种亚像素边缘检测算法进行比较, 该算法能快速准确地求得亚像素级边缘位置.     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

基于Unit-Linking PCNN的灰度图像边缘检测

 利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值图像,在二值分割图基础上实施Unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化了图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

基于边缘检测及灰度跳变的车牌定位算法研究

为了能在复杂背景及不同光照条件下准确地定位出车牌,提出了一种基于边缘检测和灰度跳变的车牌定位算法．该算法首先对获取的图像进行灰度化、图像二值化等预处理操作,提高图像质量,突出车牌信息,接着对车牌图像进行边缘检测,在此基础上采用水平方向和垂直方向上的灰度跳变统计来确定车牌区域的上下边界和左右边界,从而实现车牌定位。实验结果表明,该方法可以比较准确、快速地实现车牌区域的定位．     

基于正交Gaussian-Hermite矩的边缘检测方法

边缘对应着图像中高频成分,为实现有效抑制噪声,同时又要尽可能地保持目标对象边缘信息,采用一种基于正交Gaussian-Hermite矩理论的边缘检测方法,提出了不同阶次矩的结合方案,针对具有复杂背景的红外图像进行目标检测.仿真实验结果表明该算法平滑效果好且能准确定位目标对象的边缘位置.     

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。     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

基于Matlab程序的图像灰度均衡化及其边缘检测

主要讨论获得图片后如何提取其边界信息,首先利用图像灰度均匀化解决了对比度不清晰的问题,然后利用高斯滤波法对图片进行滤波去噪,进而利用Canny算法实现边缘检测提取边界,该方法与Matlab自带的求边界方法有明显的提高,为利用Matlab程序求图像分形维数提供了更精确的前提.     

灰熵加权关联分析的亚像素边缘提取算法

随着油气田开发难度的不断增加,对油井管套损情况的检测越来越重要,通过对油井管套损图像进行边缘检测可便捷地判断出套损程度。为了更精确地定位图像边缘,提出了一种灰熵加权关联分析的亚像素边缘检测算法。首先,采用灰熵加权关联分析对图像边缘进行粗定位,检测出有效的边缘点,再利用Zernike矩算子对其进行亚像素边缘精准提取,从而达到边缘的精确定位。仿真实验表明该方法具有较好的检测效果,为套损检测提供了指导作用。