导读:本文包含了亚像素定位论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:像素,算子,边缘,图像处理,心法,算法,附着物。
亚像素定位论文文献综述
舒启林,山博[1]（2018）在《改进canny算子的亚像素定位算法》一文中研究指出为了提高亚像素边缘定位精度,减小定位误差,提出了一种改进的canny边缘检测算子用来检测图像的像素级边缘,之后基于改进的canny算子粗定位的边缘点,采用高斯拟合亚像素方法找出图像的亚像素边缘点位置。针对微小的圆形零件进行图像采集及图像处理,通过matlab实验仿真将该方法与传统的canny算子相比较,发现误定位明显减少,在保留边缘信息的同时有效的提高了边缘定位的精度,得到更准确的圆心位置及半径长度。结果表明是一种有效的边缘检测定位算法,具有一定的实用意义。(本文来源于《机械设计与制造》期刊2018年10期）
赵彬,马国军[2]（2017）在《线激光条纹中心亚像素定位研究》一文中研究指出针对现有算法不能兼顾线激光条纹提取速度和精度的缺陷,根据激光条纹红色通道分量的纹理特性,提出自适应阈值加权重心法进行激光条纹的亚像素定位。该方法以含激光条纹的图像中的红色通道分量为研究对象,将Otsu算法得到的自适应阈值对激光条纹进行粗提取,最后利用加权重心法获取激光条纹的亚像素坐标。自适应阈值加权重心法消除了背景对提取激光条纹的影响,增加了光强较强点在重心法中的权重,缩小了有效数据的范围,减少了重心法的计算量。实验表明,该方法具有较快速度和较高的精度,可应用于实时扫描测距系统中。(本文来源于《电子设计工程》期刊2017年24期）
雷明珠,蔡明金,毛祥华,蔡志越[3]（2017）在《基于亚像素定位的边坡监测技术研究》一文中研究指出数字图像监测技术是一种非接触式、远距离的测量方法,在实际工程中有了大量应用,而图像测量主要的优势在于其对被测对象不产生附加影响。采用数字图像对边坡进行实时监测能够很好地发挥其非接触、远距离等优势,本文将亚像素定位技术应用于边坡监测技术中,对实际工程进行了实时监测,取得了非常好的效果。(本文来源于《四川建材》期刊2017年11期）
丁艳蓉,白瑞林,倪健[4]（2018）在《基于曲率与灰度复合的角点亚像素定位方法》一文中研究指出针对轴类工件表面毛刺、油污等附着物对视觉测量中角点检测的干扰问题,提出一种基于曲率与灰度复合的角点亚像素定位方法。该方法对图像感兴趣区域进行形态学和双边滤波预处理,消除毛刺和部分油污等附着物;根据曲率特性检测候选角点,利用角点处曲率角的多尺度不变性进行伪角点的预筛选,通过以角点为圆心的圆形窗口内灰度信息进一步排除伪角点,实现角点粗定位;根据粗定位角点和区域端点的连线,对原始图像的边缘点进行筛选,并对筛选后的边缘点进行最小二乘直线拟合,实现角点精准定位。实验表明,该方法有效克服了轴类工件表面附着物对角点检测的干扰问题,角点综合定位的重复性达到0.01mm,角点定位算法精度达到0.004mm,基于角点的综合测量精度为0.06mm。(本文来源于《激光与光电子学进展》期刊2018年03期）
刘欢,肖根福,欧阳春娟[5]（2016）在《基于互学习的自适应PSO算法的亚像素定位研究》一文中研究指出针对数字图像相关方法(DIC)的亚像素精确定位运算量大、时间代价高的问题,提出了一种改进的粒子群优化方法的亚像素精确定位。依据待测物图像中特征点变形程度的差异自适应地调整粒子飞行的速度和范围并细化到x和y二维方向上,改善特征点位移解的质量;另外,引入粒子间的互相学习机制,充分利用前一粒子的历史信息,减少迭代次数,提高算法运行效率;最后,将这种互学习的自适应粒子群的亚像素定位算法与牛顿-拉夫森(Newton-Raphson)算法和牛顿拉夫森-粒子群(NR-PSO)算法作比较。实验结果表明,本文算法具有更高的精度、有效性和可行性,尤其在处理大数据量时,该算法的时间成本优势更为显着。(本文来源于《计算机工程与科学》期刊2016年04期）
曹宗伟,李星全,刘伟,李月锋[6]（2016）在《数字相机校准中光斑中心的亚像素定位》一文中研究指出数字相机校准是进行摄影测量作业的前提条件和精度保障,而对数字相机CCD靶面上光斑中心坐标精确定位是决定数字相机校准精度的主要因素之一。现研究了光斑中心坐标定位精度对数字相机校准精度的影响,得出数字相机校准对光斑中心定位精度的要求为优于0.23像素。在总结分析椭圆拟合算法和灰度加权质心算法的基础上,基于我实验室数字相机校准装置,对不同尺寸的平行光管星点板,在不同相机视场角情况下分别进行了光斑中心坐标定位实验,实验结果表明两种算法的定位精度均满足数字相机校准的精度要求,但椭圆拟合算法定位精度优于灰度加权质心算法。(本文来源于《测绘技术装备》期刊2016年01期）
张利群,李醒飞,王错[7]（2016）在《基于滑动边缘点的高斯拟合亚像素定位算法》一文中研究指出为满足机器视觉装配过程中对加速度计零部件的精确定位要求,提出一种改进的高斯拟合亚像素边缘定位算法。该算法首先在粗定位边缘点梯度方向选取一系列邻近点。然后以粗定位边缘点为当前边缘点,选取拟合点进行曲线拟合。最后,根据曲线拟合质量动态滑动当前边缘点,重新选取拟合点并进行曲线拟合,通过滑动当前边缘点来搜索亚像素边缘点位置。仿真实验表明,在处理经过平滑加噪后的理想圆时,其定位精度优于0.012个像素。实际应用与模拟实验表明,该算法能够修正图像因粗定位不准而带来的亚像素定位误差,获得离粗定位边缘点最近的亚像素边缘点位置。与先验算法相比,改进算法具有更高的精度和实用性。(本文来源于《计算机应用与软件》期刊2016年01期）
王杰飞,刘洁瑜,赵晗,沈强[8]（2015）在《一种改进的激光光斑中心亚像素定位方法》一文中研究指出为了满足平台漂移测量系统中平台漂移角速度高精度测量的要求,基于傅里叶级数,提出了一种改进的激光光斑中心高斯拟合定位方法。该方法在简化高斯拟合模型的同时保证了相对较高的激光光斑中心定位精度。结果表明,改进的高斯定位算法中心定位精度为0.01pixel,明显优于传统质心法和带阈值质心法的0.1pixel。改进后的算法具有较好的算法稳定性。(本文来源于《激光技术》期刊2015年04期）
刘成志,李军成,杨炼[9]（2015）在《基于叁次Bézier曲线逼近的边缘亚像素定位方法》一文中研究指出图像边缘定位是图像处理研究的一大热点问题,近年来,国内外学者主要集中于对边缘亚像素定位方法的研究。本文研究了基于叁次Bézier曲线逼近的图像边缘亚像素定位方法。首先利用传统边缘检测算子对边缘点位置进行粗定位,获得边缘点的大致位置;然后以边缘点为中心取若干点作为考察点,利用叁次Bézier曲线去逼近所假设的边缘函数以获取图像边缘的亚像素定位。该方法通过粗、精两次定位能较快获得边缘的亚像素位置,具有定位精度较高,计算速度快等优点。(本文来源于《软件》期刊2015年07期）
王文韫,郭迎福,赵前程,刘小娟[10]（2014）在《CCD摄像机标定中角点亚像素定位方法》一文中研究指出CCD摄像机的标定是实现光学叁维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.(本文来源于《湖南科技大学学报(自然科学版)》期刊2014年04期）
亚像素定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对现有算法不能兼顾线激光条纹提取速度和精度的缺陷,根据激光条纹红色通道分量的纹理特性,提出自适应阈值加权重心法进行激光条纹的亚像素定位。该方法以含激光条纹的图像中的红色通道分量为研究对象,将Otsu算法得到的自适应阈值对激光条纹进行粗提取,最后利用加权重心法获取激光条纹的亚像素坐标。自适应阈值加权重心法消除了背景对提取激光条纹的影响,增加了光强较强点在重心法中的权重,缩小了有效数据的范围,减少了重心法的计算量。实验表明,该方法具有较快速度和较高的精度,可应用于实时扫描测距系统中。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
亚像素定位论文参考文献
[1].舒启林,山博.改进canny算子的亚像素定位算法[J].机械设计与制造.2018
[2].赵彬,马国军.线激光条纹中心亚像素定位研究[J].电子设计工程.2017
[3].雷明珠,蔡明金,毛祥华,蔡志越.基于亚像素定位的边坡监测技术研究[J].四川建材.2017
[4].丁艳蓉,白瑞林,倪健.基于曲率与灰度复合的角点亚像素定位方法[J].激光与光电子学进展.2018
[5].刘欢,肖根福,欧阳春娟.基于互学习的自适应PSO算法的亚像素定位研究[J].计算机工程与科学.2016
[6].曹宗伟,李星全,刘伟,李月锋.数字相机校准中光斑中心的亚像素定位[J].测绘技术装备.2016
[7].张利群,李醒飞,王错.基于滑动边缘点的高斯拟合亚像素定位算法[J].计算机应用与软件.2016
[8].王杰飞,刘洁瑜,赵晗,沈强.一种改进的激光光斑中心亚像素定位方法[J].激光技术.2015
[9].刘成志,李军成,杨炼.基于叁次Bézier曲线逼近的边缘亚像素定位方法[J].软件.2015
[10].王文韫,郭迎福,赵前程,刘小娟.CCD摄像机标定中角点亚像素定位方法[J].湖南科技大学学报(自然科学版).2014
论文知识图
