基于图像处理的小尺寸精密测量研究

论文摘要

测量技术的发展,在一定程度上标志着一个国家的科技水平。目前,随着生产与科学技术的迅速发展,对小尺寸测量方法的精确度、测量效率以及测量的自动化程度提出了越来越高的要求。因此,研究如何提高小尺寸的测量精度已经成为一个具有现实意义的问题。本文以现有的图像测量技术理论为基础,从软件算法上探索和研究提高小尺寸参数测量精度的方法。数字图像的常规处理是图像测量的基础理论,本文分析了数字图像中的噪声来源及性质,提出了抑制噪声的常用滤波方法。着重论述了边缘检测和图像的阈值分割技术。在边缘检测方面主要讨论研究了一阶微分边缘检测算子、二阶微分边缘检测算子和Canny边缘检测算子;在图像分割方面主要讨论了直方图法、最佳阈值分割法、P参数法、最大方差阈值法等常用方法。通过仿真实验,从检测时间和检测效果两方面比较了常用边缘检测方法的优劣。亚像素边缘细分技术是利用软件算法来提高测量精度的有效途径,因此在图像处理中占有重要的地位。本文针对机械零件边缘的特点,提出了改进的直线边缘定位方法——法向最小二乘线性回归法,该方法将原有要求竖直方向误差平方和为最小的目标改为要求法向垂直方向误差平方和为最小,在不牺牲速度的前提下大大减小了亚像素的拟合定位误差,提高了测量精度。对圆的亚像素细分,本文提出了降维灰度矩法和改进最小二乘法。实验表明,本文算法计算速度快,定位精度高。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 图像处理技术的概述及发展趋势
• 1.1.1 图像处理技术的概述
• 1.1.2 图像处理技术的发展趋势
• 1.2 图像测量技术的国内外研究现状
• 1.3 课题的提出及主要研究内容
• 1.4 论文的主要工作
• 1.5 小结
• 第二章 图像测量技术的原理及系统组成
• 2.1 图像测量技术的原理
• 2.2 图像测量系统的组成
• 2.2.1 硬件系统
• 2.2.2 软件系统
• 2.3 小结
• 第三章 图像常规处理技术
• 3.1 概述
• 3.2 图像噪声及滤波处理
• 3.2.1 数字图像中的噪声
• 3.2.2 数字图像的滤波
• 3.3 数字图像的边缘检测和常用算法
• 3.3.1 微分算子
• 3.3.2 Canny 算子
• 3.4 图像分割
• 3.4.1 概述
• 3.4.2 灰度阈值分割的基本概念
• 3.4.3 简单阈值选取
• 3.4.4 最佳阈值选取
• 3.4.5 P 参数法
• 3.4.6 阈值自动选取的最大类间方差法
• 3.4.7 区域生长及分类合并法
• 3.5 算法比较
• 3.6 小结
• 第四章 亚像素细分算法研究
• 4.1 图像测量系统精度保证
• 4.2 亚像素细分原理
• 4.3 常用的亚像素细分方法及原理
• 4.3.1 拟合法
• 4.3.2 矩法
• 4.4 本文亚像素细分方法
• 4.4.1 直线最小二乘细分方法改进
• 4.4.2 圆的亚像素细分方法
• 4.5 小结
• 第五章 仿真试验
• 第六章 结束语
• 致谢
• 参考文献
• 学术成果