机器视觉中亚像素边缘检测的研究和应用

论文摘要

众所周知,现代工业控制系统对精度的要求越来越高。在整个控制系统当中,检测环节所获得的数据精度对整个系统的控制精度的影响是很明显的,因此很多新的非接触检测技术不断出现,能够实现高精度、高速度的在线测量。本文所研究的图像测量技术就是其中的一个重要分支。本文分析了传统测量技术和现代测量技术的优缺点,并对图像测量技术的发展历史、应用范围以及趋势等进行了分析。为了便于图像的测量,本文先介绍了图像旋转方面的原理,其中为了自动获得旋转的角度,又介绍了霍夫变换的理论。并且对图像旋转效果进行了实验,为进一步研究打下了基础。本文对传统的图像边缘提取方法进行了原理分析,并且对常见方法的效果进行了实验比较和分析。小波变换因其多尺度的优势以及良好的时频定位性能使其在图像边缘识别中得到广泛的应用。本文提出了基于小波变换和二维Otsu模型的边缘检测方法。取平滑函数的一阶导数作为小波函数后对原信号进行小波变换,其结果相当于平滑函数平滑原信号之后再求导。所以利用小波变换检测出的信号的剧变点也就是边缘点。由于在提取边缘点的过程中需要设置阈值,而二维Otsu法是一种基于最大类间方差的分割算法,除了考虑像素点的灰度值信息外还考虑了像素点与其领域的空间相关信息,在含有噪声的图像中此方法性能较好,而且求取阈值不需要人为设置参数。在进行了理论分析之后,对本文所提出的方法进行了实验仿真,并且对仿真结果进行了分析,证明本文所采用方案不仅能检测出图形边缘,而且能有效抑制噪声。之后,为了提高测量精度,本文又采用了基于灰度矩和最小二乘法的亚像素边缘检测方法。本文对实际应用中测量系统的构成进行了分析和说明,并编程实现了这种方法。对实验所获得的数据进行了分析,证明本文所提出的方法在测量高度约为150mm,宽度为300mm的物体时误差约为0.064mm。证明了本文所采用方案的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 机器视觉检测技术概述
• 1.3 机器视觉检测技术发展历史与研究现状
• 1.4 本论文的主要研究内容
• 第2章 数字图像处理基础及图像的旋转
• 2.1 空间域滤波
• 2.1.1 均值滤波
• 2.1.2 中值滤波
• 2.2 频率域滤波
• 2.3 图像旋转矩阵
• 2.4 旋转公式的推导
• 2.5 双线性插值
• 2.6 角度的测量
• 2.6.1 霍夫变换原理
• 2.6.2 角度测量
• 2.7 实验
• 2.8 本章小结
• 第3章 基于二维Otsu模型的小波变换边缘检测
• 3.1 边缘检测方法
• 3.1.1 边缘的定义和分析
• 3.1.2 传统边缘检测算子
• 3.1.3 其他边缘检测方法
• 3.2 基于二维Otsu模型的小波变换边缘检测算法
• 3.2.1 小波变换定义及特点
• 3.2.2 连续小波变换
• 3.2.3 离散小波变换
• 3.2.4 小波变换模极大值边缘检测的原理
• 3.2.5 Otsu模型
• 3.2.6 多尺度边缘融合
• 3.3 边缘检测仿真
• 3.4 本章小结
• 第4章 基于灰度矩和最小二乘法的亚像素边缘检测
• 4.1 前言
• 4.2 常用亚像素定位算法
• 4.2.1 拟合方法
• 4.2.2 插值法
• 4.2.3 通用亚像素边缘检测算法
• 4.2.4 矩方法
• 4.3 基于灰度矩和最小二乘法的亚像素检测
• 4.4 本章小结
• 第5章 实验仿真及分析
• 5.1 实验设备
• 5.1.1 硬件设备
• 5.1.2 软件条件
• 5.1.3 环境条件
• 5.2 算法流程
• 5.3 本文算法与其他算法实验仿真比较
• 5.3.1 本文算法仿真
• 5.3.2 其他算法仿真
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 附录1 攻读硕士学位期间发表论文情况