导读:本文包含了亚像素边缘检测论文开题报告文献综述及选题提纲参考文献，主要关键词:棋盘格,角点检测,亚像素,边缘
亚像素边缘检测论文文献综述
艾裕丰,赵敏,张琪,雷杰,白小亮[1]（2019）在《基于亚像素边缘的棋盘格的角点检测》一文中研究指出棋盘格标定广泛应用于高精度机器视觉中。针对棋盘格标定中最关键的角点检测技术,本文提出了一种基于亚像素边缘的角点检测算法。先确定棋盘格边缘线法线方向,再在法线方向插入虚拟像素;根据边缘像素灰度变化趋势,用反正切函数进行曲线拟合;然后通过曲线梯度,确定亚像素边缘。在得到各亚像素边缘后,根据边缘相交形式,采用形心法确定角点位置。本算法建立了边缘法向方向亚像素定位算法,不受棋盘格角点方位影响。采用结合像素插值和灰度曲线拟合的方法提取亚像素边缘,有效的提高检测精度。实验表明本算法相对Harris角点检测算法精度提高一倍。本算法已成功应用于石油管螺纹的图像检测中,满足实际应用需求。(本文来源于《西安理工大学学报》期刊2019年03期）
吴一全,邹宇,刘忠林[2]（2019）在《基于Franklin矩的亚像素级图像边缘检测算法》一文中研究指出为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。(本文来源于《仪器仪表学报》期刊2019年05期）
肖俊,刘瑾,杨海马,刘海珊,韦钰[3]（2019）在《基于亚像素边缘检测的液位测量系统研究》一文中研究指出针对化工、医药等领域中透明试剂的液位测量存在精度低、智能化水平达不到要求的问题。文中在线阵CCD测量技术基础上提出一种非接触透射式的高精度液位检测系统,采用一维图像亚像素边缘检测算法确定液位边缘,再进行阈值比较与直线拟合分析,确定液位像素点坐标,实现液位快速高精度测量。经过多次实验验证,测量范围为5～25 mm时,误差低于10μm,分辨率优于5μm。(本文来源于《仪表技术与传感器》期刊2019年04期）
张智凡,于凤芹[4]（2019）在《改进局部灰度特征的工件亚像素级边缘检测》一文中研究指出针对局部灰度特征方法在高噪声图像中定位精度低的问题,提出改进局部灰度特征方法并用于工件亚像素边缘检测。首先,使用改进的Canny算子代替基于一阶导数的梯度算子,以便更精确地提取粗边缘;然后在采集到的像素窗口两侧建立子图像,代替单个窗口特征以修改边缘上下两侧强度值,再将新构造的子图像中间列像素进行加权,加速图像迭代复原速度;最后,通过所有新生成的子图像局部灰度特征重新计算亚像素位置,进一步提高检测精度。实验结果表明,在无外加噪声和加入1.00%、5.00%的噪声标准偏差图像中,RMS误差明显降低,亚像素坐标数与定位精度明显提高。(本文来源于《软件导刊》期刊2019年06期）
柯洁[5]（2019）在《基于数学形态学和灰度矩的高温亚像素边缘检测》一文中研究指出提出了一种在高温条件下的试件边缘检测方法,能准确检测试件在升温过程中边缘的变化情况。对采集到的图像利用Canny算子和数学形态学进行像素级边缘粗定位,然后在灰度矩亚像素边缘检测算法基础上,增加对边缘判断条件的约束来检测亚像素级边缘,使得检测出的边缘更加真实可靠。经试验分析,该算法的分辨精度可达到0.1-0.15个像素,可实现高温条件下试件边缘的高精度非接触式测量。(本文来源于《工具技术》期刊2019年03期）
朱莹莹,卜雄洙,曹一涵,黄泽江[6]（2019）在《基于像素邻域的传动轴亚像素边缘检测》一文中研究指出针对由于传动轴表面品质不高或者存在毛刺造成的图像噪声问题,提出了一种改进的基于像素邻域的多次迭代滤波求亚像素边缘的方法,阐述了该算法的原理和实现方法。该方法应用于齿轮轴径的测量试验中,能够将测量相对误差控制在0.2%以内,定位精度高于未改进算法的定位精度。结果表明,该算法能够在噪声图像中检测到更平滑和连贯的边缘,从而获得准确的亚像素边缘坐标。(本文来源于《无损检测》期刊2019年01期）
苏益沛[7]（2019）在《基于梯度中心跟踪算法的亚像素边缘检测方法研究》一文中研究指出随着工业4.0的发展、人工智能时代的到来,机器视觉的应用更加广泛和深入。基于机器视觉的工业检测是工业自动化中尤其重要的组成部分,先进的工业检测对视觉系统检测的准确性、稳定性、自适应性提出了更高的要求。通过提升硬件设备的性能来提升视觉系统的检测性能往往意味着成倍增长的成本投入,因此通过成本低、效率高的算法提升检测性能一直是工业界和学术界重要的研究内容。边缘检测是图像处理、机器视觉的关键内容,其作为一种底层方法,是目标检测、目标识别、目标跟踪和区域分割等高层应用的基础手段,边缘检测算法性能的提升往往能够有效促进图像处理和机器视觉中众多应用的发展。经典的边缘检测方法只能得到像素级精度的检测结果,难以满足精度要求;现有的亚像素边缘检测方法存在抑制噪声能力差、重复定位精度低、环境适应性弱等问题。亚像素边缘检测仍然是工业检测性能提升的限制之一。本文总结工业场景中目标轮廓边缘的分布特点,提出“历史边缘连续性”假设,即后续边缘点总是位于历史边缘点的延伸半平面上,基于该假设采用轮廓跟踪思想提出梯度中心跟踪算法进行像素级别的边缘检测,同时针对快速性需求,使用“强化的历史边缘连续性”假设,将延伸半平面强化到四分之一平面,利用结构化的方向算子实现像素级别的快速梯度中心跟踪算法。像素级别实验表明,本文提出的梯度中心跟踪算法能够有效减小工业场景中噪声和小杂斑对边缘信息的干扰,同时提升目标轮廓的完整性,可以作为其他亚像素边缘检测方法的预检测工具,有效降低这些算法在非边缘位置的冗余计算,提升噪声干扰下的稳定性。本文进一步提出边缘向量函数,将梯度中心跟踪算法推广到亚像素边缘级别,结合样条插值、高斯曲线拟合等方法获得亚像素精度边缘点位置,在实验中取得了比Canny/Devernay方法、Zernike矩方法、原始的Steger亚像素边缘检测方法更高的检测精度以及更小的重复检测误差。直线轮廓边缘检测均方根误差小于0.05个像素,圆轮廓检测边缘检测均方根误差达到0.1个像素;在随机噪声标准差不大于0.2时,拟合直线斜率的误差为0.0012,直线纵截距的误差为0.16。(本文来源于《哈尔滨工业大学》期刊2019-01-01）
杨一帆,张鹏军,牛俊财[8]（2018）在《基于亚像素边缘检测的高速摄影下枪机运动分析》一文中研究指出提出一种对高速摄影下枪机的运动图像进行分析,进而估算枪机位移和运动速度的测试方法。在图像预处理阶段使用了自适应的双边滤波算法,在保证对噪点滤除的同时对图像的边缘细节做到了尽可能的保留。使用Zernike矩亚像素边缘检测算法提取目标边缘,将检测精度提高到了一个像素以内。并通过Hough变换对边缘进行直线拟合,通过直线方程计算目标运动的像素距离。这种测试方法在测试空间狭小,且不接触目标的前提下,对枪机运动参数实现了准确预测,具有较高的实用价值。(本文来源于《电子测量与仪器学报》期刊2018年11期）
刘明佩,朱维斌,叶树亮[9]（2018）在《基于改进Zernike矩的小模数齿轮亚像素边缘检测》一文中研究指出针对传统Zernike矩亚像素边缘检测算法中奇数尺寸模板卷积的不对称性,在分析卷积不对称性和卷积窗口中心局限性对检测精度影响的基础上,提出一种改进的Zernike矩亚像素边缘检测算法。算法采用像素级边缘检测算子进行初定位,获取像素级边缘点;利用小尺寸奇数模板求解Zernike矩进行二级初定位,获取亚像素级边缘点;分析二级初定位边缘点所在区间;根据所在区间,选取偶数模板或者奇数模板求解Zernike矩进行精定位,获取更精确的亚像素级边缘点。为了验证算法的有效性,分别对模拟图像和实际图像进行亚像素边缘检测实验。根据齿轮的边缘特性,通过最小二乘拟合法评价算法对齿轮图像的检测效果。实验结果表明,该算法具有绝对定位精度高、抗噪性能强、曝光敏感度好的优点。(本文来源于《仪器仪表学报》期刊2018年08期）
韩东,李煜祺,武彦辉[10]（2018）在《基于高斯拟合的亚像素边缘检测算法》一文中研究指出在质量检测、遥感图像处理和叁维重建等很多计算机视觉应用场景中,准确检测图像中的边缘信息起着至关重要的作用。提出一种基于高斯拟合的亚像素边缘检测算法。算法首先利用Canny边缘检测算法得到像素级的边缘位置信息,再通过高斯拟合的方法将边缘位置准确度提升为亚像素级。与传统的亚像素边缘检测方法相比,提出的算法运算时间更少并且精确度更高。不同强度噪声干扰下合成图像的边缘检测效果验证了算法的鲁棒性和精确度(在10%的噪声下,边缘误差在0.006像素数量级)。另外,算法还在基于多角度真实图像的光滑物体叁维重建系统中取得了较好应用。(本文来源于《计算机应用与软件》期刊2018年06期）
亚像素边缘检测论文开题报告
（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：
为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。
（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。
亚像素边缘检测论文参考文献
[1].艾裕丰,赵敏,张琪,雷杰,白小亮.基于亚像素边缘的棋盘格的角点检测[J].西安理工大学学报.2019
[2].吴一全,邹宇,刘忠林.基于Franklin矩的亚像素级图像边缘检测算法[J].仪器仪表学报.2019
[3].肖俊,刘瑾,杨海马,刘海珊,韦钰.基于亚像素边缘检测的液位测量系统研究[J].仪表技术与传感器.2019
[4].张智凡,于凤芹.改进局部灰度特征的工件亚像素级边缘检测[J].软件导刊.2019
[5].柯洁.基于数学形态学和灰度矩的高温亚像素边缘检测[J].工具技术.2019
[6].朱莹莹,卜雄洙,曹一涵,黄泽江.基于像素邻域的传动轴亚像素边缘检测[J].无损检测.2019
[7].苏益沛.基于梯度中心跟踪算法的亚像素边缘检测方法研究[D].哈尔滨工业大学.2019
[8].杨一帆,张鹏军,牛俊财.基于亚像素边缘检测的高速摄影下枪机运动分析[J].电子测量与仪器学报.2018
[9].刘明佩,朱维斌,叶树亮.基于改进Zernike矩的小模数齿轮亚像素边缘检测[J].仪器仪表学报.2018
[10].韩东,李煜祺,武彦辉.基于高斯拟合的亚像素边缘检测算法[J].计算机应用与软件.2018