导读:本文包含了亚像素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,灰度,测量,边缘,护套,心法,算法。
亚像素论文文献综述
阴法明,王康,赵力[1]（2019）在《电缆护套厚度灰度矩亚像素测量研究》一文中研究指出图像测量技术与传统测量方法相比,具有非接触,精度高,速度快等优点,被广泛用在几何尺寸测量领域。在研究Sobel边缘检测技术的基础上,提出一种基于灰度矩的亚像素重定位算法,形成了电缆护套材料厚度图像测量系统。首先采用Sobel边缘检测算法,进行像素级边缘提取,然后通过基于灰度矩的检测算法进行亚像素级精确定位,计算得到电缆护套最大和最小厚度值。实验表明,与像素级边缘定位算法相比,电缆护套厚度测量误差降低约50%,算法流程简单,有效提高了电缆护套厚度检测系统的测量精度和稳定性。(本文来源于《电子测量与仪器学报》期刊2019年10期）
艾裕丰,赵敏,张琪,雷杰,白小亮[2]（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）
徐从裕,徐俊,高雨婷,胡宗久,杨雅茹[3]（2019）在《面向在线测量的亚像素提取与实验验证》一文中研究指出为解决亚像素提取时间过长以及解决不同材质的灰度图像对亚像素提取精度影响的问题,提出了一种几何重心法的亚像素提取算法。几何重心法首先通过相关分析获取整像素值,在整像素值附近对3×3的相关值进行几何差值,再通过重心算法实现对亚像素的快速提取。为验证几何重心法,采用光栅微移动平台对不同摄像头距离、不同背景光、不同材质的灰度图条件进行了亚像素对比实验,实验结果表明,相比于传统曲面拟合法和梯度法,几何重心法在亚像素提取时间、抗干扰能力以及误差等方面都具有明显的优势,特别是亚像素提取时间仅为其他算法的1/5或更少,满足了在线测量的实时要求。(本文来源于《电子测量与仪器学报》期刊2019年08期）
李继哲,朱维斌,叶树亮[4]（2019）在《基于信号采样的相位相关法亚像素级配准方法研究》一文中研究指出为解决小模数齿轮视觉测量中凸显的工业相机高空间分辨率与大视场相互制约的矛盾,对基于相位相关原理的亚像素级配准方法进行了研究。分析相位相关法在应用于具有亚像素位移量的图像时,互功率谱傅里叶逆变换后产生主峰副峰的原因及两者幅值与亚像素位移量的对应关系,将该方法用于小模数齿轮图像配准,实验结果表明:该方法的配准误差小于0. 002 pixel;在忽略非相关区域影响的情况下,通过误差分析得出该方法存在的周期为1 pixel的非累积性误差,其中由函数近似引入的误差小于5×10-8pixel。(本文来源于《计量学报》期刊2019年04期）
张西顺[5]（2019）在《图像的亚像素分割技术研究及在飞机外轮廓分割中的应用》一文中研究指出飞机外轮廓识别在航空领域具有重要的作用,由于目前运用传统的图像分割方法获得的图像外轮廓精度较差,在后期识别过程中造成准确率下降等问题。为了解决这一问题,本文对亚像素的分割技术进行研究,通过对多种图像的分割效果进行不断优化,最后应用到飞机外轮廓的分割过程中。结合目前一些亚像素分割算法对于飞机图像的处理能力难以达到需求的精度,本文对飞机图像在亚像素分割过程中存在的问题进行研究,运用一系列改进算法来提高分割后图像的精度和抗噪能力以及提高整个过程的运算效率,并将本文研究的算法应用到外轮廓的分割过程中。本文的主要研究工作如下:(1)本文在对图像实现亚像素定位过程中运用主客观的方法判断各定位算法的优劣性,发现目前常用的插值定位方法很难解决插值效果与运算效率不一致的问题。因此,本文改进一种基于分层插值的定位方法,该方法根据灰度信息进行处理,然后对每一层再进行插值。该方法能够使插值后的图像定位精度进一步提高,并且保证运算效率能够满足航空领域处理图像的运算需求。(2)以往基于亚像素的图像分割方法仅仅对亚像素的个体信息进行处理,而忽略了亚像素邻域之间的相互关系,在图像分割时往往由于一些噪声、背景等因素的干扰,分割过程可能会导致图像模型优化时陷入局部最优的状态。本文引入马尔科夫随机场和贝叶斯估计(MRF-MAP)对图像中的亚像素信息运用统计学方法处理,建立关于图像中亚像素的函数模型,再运用交叉视觉皮质模型(ICM)优化理论进行优化。在优化过程中改进一种聚类方法,运用均值漂移聚类实现初始点的标记,能够有效的降低背景信息对目标的干扰,并具有较强的抗噪能力。(3)针对于图像运用传统的分割方法可能会存在欠分割或过分割的问题,本文运用遗传神经网络方法,能够实现分割后的目标图像分割精确,解决了欠分割或过分割的问题。另外针对于遗传神经网络方法出现图像分割后边缘不均匀的问题,本文将模糊理论与遗传神经网络进行结合,运用隶属度函数在边缘检测过程中隶属度逐级退化,来完成图像的分割过程。通过遗传模糊神经网络方法分割后的图像效果更好,并且获得的图像分割精度能够达到0.02个精度以上。(4)将本文研究的相关算法应用到飞机外轮廓的分割过程中,验证了本文算法的有效性,能够保证后期的识别和判断过程中的准确度。(本文来源于《北京交通大学》期刊2019-06-04）
宫岩[6]（2019）在《基于Hermite亚像素灰度重构的数字图像相关方法的研究》一文中研究指出数字图像相关方法经过多年的发展,已经广泛应用于众多研究与应用领域。在数字图像相关的测量技术中,由于整像素位移测量不能满足测量精度的需求,因此,数字图像相关方法的亚像素位移测量算法已成为该领域的研究重点。在数字图像相关亚像素位移测量算法中,Newton-Raphson迭代算法(简称N-R迭代算法)因其具有较高的计算精度以及较好的计算稳定性而受到了广泛的关注。在传统N-R迭代算法的亚像素位移计算过程中,通常采用叁次样条插值计算的方法重构亚像素位置的灰度值。而在插值算法中,叁次Hermite插值算法具有良好的光滑程度。因此,为了进一步提高N-R迭代算法的亚像素位移求解精度,本文提出了基于Hermite亚像素灰度重构的N-R迭代算法并对其相关特性进行了研究。(1)针对传统N-R迭代算法亚像素灰度重构的精度问题,提出了基于Hermite亚像素灰度重构的N-R迭代算法。该算法应用Hermite插值函数建立亚像素灰度重构方法,应用Barron算子计算一阶灰度梯度;最后应用牛顿迭代算法求解亚像素位移。通过真实散斑图的数值变形实验验证了本文算法的可行性。与传统的N-R迭代算法相比,本文算法具有更好的计算精度。(2)为了进一步的提高Hermite亚像素灰度重构的N-R迭代算法的计算效率,避免在亚像素位移测量计算中一阶灰度梯度的重复计算,本文提出了全域灰度梯度的计算策略。同时,为了提高Hermite亚像素灰度重构的N-R迭代算法的初值精度,避免亚像素位移求解时初值对计算精度和计算效率的影响,根据被测表面变形连续性原理,提出了基于种子点的搜索策略,该搜索策略将已求点的亚像素位置作为相邻待求点的亚像素位移的初值。应用数值模拟实验验证两个策略的有效性,两个策略的应用在不改变算法的计算精度的基础上,有效地提高了本文N-R迭代算法的计算效率。(3)对本文提出的基于Hermite亚像素灰度重构的N-R迭代算法进行了误差分析,通过位值误差的求解公式建立了亚像素位置与位值误差的函数关系。同时,对计算窗口的大小如何影响本文提出的N-R迭代算法的计算精度进行了模拟实验验证。结果表明,本文提出的N-R迭代算法在不同计算窗口的均值误差各不相同,同时,相同计算窗口的每幅散斑图的均值误差也不同,这说明了计算窗口大小的差异会对本文提出的N-R迭代算法产生影响。通过均值误差波动范围可以得到,计算窗口在?-?)51514141(像素范围内时更适合本文提出的N-R迭代算法。最后,对叁种常出现的随机误差进行分析并给出了如何减小随机误差影响的建议。(4)在基于双相机跟踪的力学性能测试系统上,应用Hermite亚像素灰度重构的N-R迭代算法进行了材料的拉伸实验分析。实验结果表明,本文提出的N-R迭代算法与引伸计测量的结果相比误差较小,且本文提出的算法具有较高的精度,可以满足测量的要求,验证了本文提出的N-R迭代算法的可行性与实用性。(本文来源于《长春工业大学》期刊2019-06-01）
戴宗贤,莫洪波,周勇,张震,尹爱军[7]（2019）在《基于灰度的亚像素插值视觉测量方法》一文中研究指出针对现有视觉测量中的检测代价高,精度低和速度慢问题,该文提出一种基于计算机机器视觉的紧密内插值亚像素测量方法。该方法基于线性插值算法的原理,结合常规边缘检测方法和图像的灰度曲线图,利用阈值分割和标准长度进行亚像素自适应阈值选择。为验证该方法的有效性,对标准量块长度进行测量实验,并分析测量系统的误差影响因素。相比于传统的Canny算子方法检测结果,该方法的平均测量准确度提升46.2%。实验结果表明该算法的测量精度较高,可以快速、精确地测量出物体的几何尺寸。(本文来源于《中国测试》期刊2019年05期）
王正策,赵凯旋,徐中标,冯衍秋[8]（2019）在《基于局部亚像素移位和隔行局部变差消除Gibbs伪影》一文中研究指出目的将Gibbs伪影消除方法局部亚像素移位(LSS)扩展到k空间零填充重建的磁共振图像。方法提出两种基于LSS的消除k空间零填充重建的磁共振图像中Gibbs伪影的方法。第1种:LSS+图像域插值,该方法首先在非零填充图像上执行原始的LSS方法,使图像上局部变差最小,然后执行图像域插值获得最终图像。第2种:是隔行局部变差法(iLV),该方法首先对k空间数据进行零填充,随后将零填充后的k空间数据通过二维傅里叶变换到图像域,然后使用iLV来搜索最小的隔行局部总变差,从而消除图像的Gibbs伪影。我们将本文提出的两种方法iLV,LSS+插值与原始LSS以及汉明窗滤波器做对比,分别在体模和活体数据中验证了本文提出的两种方法的可行性与鲁棒性。结果两种方法均较LSS与汉明窗滤波器优,在保留图像细节的基础上,极大的消除了Gibbs伪影。iLV和LSS+插值方法相比,iLV方法能够更好地保留图像的细节。结论 iLV与LSS+插值方法均实现了对传统LSS方法的扩展,能很好地消除零填充k空间数据重建图像中的Gibbs伪影,且iLV方法在保留图像细节信息方面更突出。(本文来源于《南方医科大学学报》期刊2019年05期）
李春亭,连志刚[9]（2019）在《基于亚像素矩阵图像识别的评阅系统研究》一文中研究指出中小学老师人工评阅作业与试卷,一方面耗费大量时间,另一方面因为疲劳等造成错批误判。随着智能化时代的到来,对智能化评阅系统的需求越来越迫切。本文提出了网上评阅系统的应用模式,实现作业与试卷智能化评阅。本文研究了评阅系统的系统架构与详细模块功能,通过移动端APP、微信小程序扫描作业与试卷信息,利用图像识别技术进行作业与试卷评阅。本文提出了一种基于亚像素矩阵图像识别算法,通过仿真实验发现其识别效率较高,基本满足了评阅系统四则混合运算结果的正误智能识别及计分,应用前景广泛。(本文来源于《合肥师范学院学报》期刊2019年03期）
吴一全,邹宇,刘忠林[10]（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）
亚像素论文开题报告
（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：
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。
（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。
亚像素论文参考文献
[1].阴法明,王康,赵力.电缆护套厚度灰度矩亚像素测量研究[J].电子测量与仪器学报.2019
[2].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
[3].徐从裕,徐俊,高雨婷,胡宗久,杨雅茹.面向在线测量的亚像素提取与实验验证[J].电子测量与仪器学报.2019
[4].李继哲,朱维斌,叶树亮.基于信号采样的相位相关法亚像素级配准方法研究[J].计量学报.2019
[5].张西顺.图像的亚像素分割技术研究及在飞机外轮廓分割中的应用[D].北京交通大学.2019
[6].宫岩.基于Hermite亚像素灰度重构的数字图像相关方法的研究[D].长春工业大学.2019
[7].戴宗贤,莫洪波,周勇,张震,尹爱军.基于灰度的亚像素插值视觉测量方法[J].中国测试.2019
[8].王正策,赵凯旋,徐中标,冯衍秋.基于局部亚像素移位和隔行局部变差消除Gibbs伪影[J].南方医科大学学报.2019
[9].李春亭,连志刚.基于亚像素矩阵图像识别的评阅系统研究[J].合肥师范学院学报.2019
[10].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