机械零件图像中直线边缘亚像素定位方法

!#$%&’()*%+,%&-./.0()1(023’40-5%+637.(%*%859%*:!;%:##==!#)-&’)*,703(73?0-0%(@373AB3’;#==!;#==!C=DC#=;EFGH:===CDIDJ#==!#C==!=C=G;;;;;D=IG=;KLM:::KLM6N!E;;;;O;;:::#=F=P&37Q3*#O:$:6)B)-)B)0!O:P&3’-)4G:N:K523’4DR:$3(43(I::D::S%B3’-,%B3’::::::;;;::!#!$!!!%%!%%!!!%&’()’*+’,-./’011+’,&2/%%#%!3454##!#!#!34#4!#![]654##!###3##7$#!%&2/%%%&2/%%#$&2/&2/%!#!3%!&$%!!’!’!!’!3%8%#$%9%!!%&2/%*%8%#$%&2/%!:+;%!-=5)-.5=;5%%#!!(3!!#!)!(%%%*%!(’!(!(’’!%!3#)(*$(4?4#(44+#(+#66!!3@+,!!%!!!!?!8’!###!$#$!!$!%&’#!#$$’!%’!$%$’’!&%&&%$!!$!&’#!#$$’!%’!$%$’’!&%&%’{&%(####’&$&!(&$$#$##$!)#&$%$$%$&$%$%&%%%$%!$%⎡⎢⎢⎢⎢⎣⎤⎥⎥⎥⎥⎦!&!&!%#!$##!&(#)#!&#)*!&#)#’$#)+,+,,$,#,(!-./0#12%)$)$$%$$%$%*$*(%)&+3451$)&+5672%&%*8%)$%$&$*8$)$$#9:88,;),-./#&$,(,-./=4?0,#@6A,#BA?B?C?3C647DCCE?0?F?04GH6I?0HJ?365647##3(K(,L?7C6MN2%%OPQ(*O9:,;)RLSSK$%%,$,$,$,*%$NN(S,(S$$,,,%,$%,%$,,,!#!$$!!!!%&’()!*)+,(-+./)01)234)5-!#$4+6766869#%:6&6666;8!:7666666667=888676686;9%:6&6666;8!:67#;?8667=8?68?7?$9;=667;9=869676=$$7;6=86967688676666676?8=8#67=;;6678$?$7#9?6;67$$676666867?6=8?7888$96!7@7#66#6#9$:#987#!A,)BC)(DE7F(.B&(G3+,&(.1)2&-.2HI3BI2)B.J53K)+)LMJ)+&5L(35)+@7@FND=;$:#87$!%&’&-&’&3F@D3-BI)((O*7PLJ)(.B&-3.5-.+,’130)(G&(,)+35L3J3-&(34&J)2Q@7RPPP%2&5+SFDR=;?9#;;:#67?!A,)2-&+FD)L3.53T7U)-)B-3.5./35-)5+3-QBI&5J)+H3-I+,’130)(&BB,2&BQ,+35JV&1(&B3&5MT&,++3&54&+C+@7RPPP%2&5+SFDR=;9;898:99?78!VQG)2+PSD-BI)((O*7W,’130)(4)&+,2)4)5-+,+35J&4.4)5-M’&+)L)LJ).1)2&-.2@7RPPP%2&5+.5SFDR=;=##=$:$6=79!@)5+)5XF5&+-&++3.,U7W,’130)()LJ)(.B&(3K&-3.5&5L-I)35-)21.(&-3.5./+-3((34&J)+@7RPPP%2&5+R4&J)S2.B)++35J==8?$#;8:#=87!#$%&%’(#)*+,$#-+./&,(012+34-%5*4+6*#+%.’%)!5$*.+5*47*)#89*,’()*+,)!’-.()*/!()!+012,!31451)/$,)*N.(()J)./D)BI&53B&(P5J7W.,-INI35&Y53G7./%)BI7T,&5JKI.,869?6NI35&:1;#)*5#Z&+)L.512&B-3B&(&11(3B&-3.5./B.41,-)2G3+3.5/.24)BI&53B&(1&2-+J).4)-2Q1&2&4)-)235+1)B-3.5&5)H&112.&BI3+12)+)5-)L-.L)-)2435)-I)2&41)LJ)&--I)()G)(./130)(,+35JV&1(&B3&5./T&,++3&5VOT/,5B-3.57%I)130)(()G)()LJ)-.+,’130)(&BB,2&BQ3+-I)5(.B&-)L’Q,+35J-I)DVW(35)&22)J2)++3.5.5-I)B.5L3M-3.5-I&--I)4.L)(./-I))LJ)3+C5.H57N.5-2&+-3G))01)234)5-+I&G)’))5B.5L,B-)L-.-)+--I)&(J.23-I4./-I)+1&-3&(4.4)5-+,’130)((.B&(3K&-3.5/.2-I)+-2&3JI-(35))LJ)&5L-I)&(J.23-I412.1.+)L35-I3+1&1)27%I))01)23M4)5-2)+,(-++I.H-I&--I)12)B3+3.5./-H.&(J.23-I4+3++&-3+/&B-.2Q&5L-I)G)(.B3-Q./-I)DVW(35)&22)J2)++3.5+,’130)((.B&(3K&-3.53+/&+-)27=%)&;)LJ)35+1)B-3.5VOT.1)2&-.2(35)&22)J2)++3.5+1&-3&(4.4)5-+,’130)(!机械零件图像中直线边缘亚像素定位方法作者：杨敏，叶邦彦，牟丽，吴春凌作者单位：华南理工大学,机械工程学院,广东,广州,510640刊名：华南理工大学学报(自然科学版)英文刊名：JOURNALOFSOUTHCHINAUNIVERSITYOFTECHNOLOGY(NATURALSCIENCEEDITION)年，卷(期)：2003，31(12)被引用次数：11次参考文献(6条)1.张洪涛.段发阶.叶声华一种快速亚像素边缘检测方法研究[期刊论文]-计量学报2002(04)2.HueckelMFAlocalvisualoperatorwhichrecognizesedgesandlines19713.TabatabaiAJ.MitchellOREdgelocationtosubpixelvaluesindigitalimagery1984(02)4.HUERTASA.MedioniGDetectionofintensitychangeswithsubpixelaccuracyusingLaplacian-Gaussianmasks1986(05)5.LyversEP.MtchellORSubpixelmeasurementsusingamoment-basededgeoperator1989(02)6.JensenK.AnastassiouDSubpixeledgelocalizationandtheinterpolationofstillimages1995(03)相似文献(10条)1.期刊论文孟飞.孙鹏.梁树辉.张合新.MengFei.SunPeng.LiangShuhui.ZhangHexin自适应Wiener滤波改进LOG算子对激光雷达图像的边缘检测能力-导弹与航天运载技术2007,(6)LOG算子是一种经典的边缘检测算子,针对激光雷达图像含有丰富的高斯噪声和乘性噪声干扰.提出一种LOG算子的改进方法:用二维自适应Wiener滤波代替LOG算子中Gaussian滤波.设计了自适应性算法,通过仿真可以看出,该方法有效提高了LOG算子对激光雷达图像的边缘检测能力,是一种实用、有效的方法.2.学位论文英锡锋基于几何性质的边缘检测和图像恢复2002该文主要是将图像作为函数(曲面)来处理,并将曲面性质应用到图像处理与模式识别中.图像生成的过程,就是将实体从三维空间投影到二维平面的过程,投影的过程中在光照等因素影响下,最后形成了图像.所以,无论是对图像进行处理,还是对图像进行识别都可以将图像作为一种函数来进行.图像的边缘检测在图像处理中占有重要的地位.经典的边缘检测方法利用梯度的思想检测边缘,有很好的效果(特别是LOG算子).但是,对整幅图像进行处理的时候,由于图像不同区域性质不同一,如果应用LOG算子,简单的阈值判断并不能取得很好的效果,所以该文提出在不同性质区域分别进行阈值判断的思想进行边缘检测.通过应用变差函数来分析图像上不同区域的性质,作为图像划分区域依据.最后,在不同的区域应用不同的阈值得到图像的边缘信息,取得了很好的边缘检测效果.在对图像进行分析的时候,图像数据可以直接拟合成一种函数型式,虽然梯度思想分析图像也是将图像看作是函数来处理的,但是梯度是基于某一平面来形成的,它并不能反映曲面的本质信息.所以可以应用曲面的本质性质来分析图像,进而找到边缘检测的方法.由于边缘是图像上像素发生突变的位置,所以在图像曲面上某一方向的法曲率值会出现由正到负的变化,故此应用这个性质来判断曲面上某点是否为边缘点.由于有了较为理想的边缘检测方法,所以为利用轮廓恢复图像提供了很好的条件.该文通过引入焦距这个参量,很好的解决了在未知圆柱体端面轮廓的情况下,对透视投影圆柱体图像进行恢复的问题.在进行图像恢复的时候,利用图像形成过程中三维空间的透视投影变换规则得到圆柱体投影性质,识别出圆柱体投影图像中实体轴在三维空间中的方向.3.期刊论文孟飞.郑玉航.王仕成.张合新.MENGFei.ZHENGYu-hang.WANGShi-cheng.ZHANGHe-xin基于LOG算子的激光雷达图象边缘检测算法改进-指挥控制与仿真2007,29(6)针对LOG算子的不足之处,提出了一种激光雷达图像的边缘检测改进LOG算子算法:用二维自适应Wiener滤波代替Gaussian滤波.仿真结果表明:对于含有高斯噪声和乘性噪声的激光雷达图像,该算法能够有效提高LOG算子的边缘检测能力.4.期刊论文田自君.刘艺.TIANZi-jun.LIUYi基于LoG算子边缘检测的图像二值化处理-中国测试技术2007,33(6)数码管图像的目标和背景分离不明显,直方图分布较复杂.针对该问题,提出基于拉普拉斯高斯(LaplacianofGaussian,LoG)算子边缘检测的全局二值化方法对其进行处理,该方法通过提取图像边缘部份的像素灰度获得图像二值化的阈值.处理结果表明,与传统的几种方法相比,该方法能够快速选取良好的二值化阈值,较好地区分目标和背景,在相当大模板宽度内图像二值化的结果都令人满意.5.学位论文何俊峰基于视觉原理的图像边缘检测算子研究2006图像的边缘是图像的基本特征，携带了图像的大部分信息。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是计算机视觉和图像测量重要的研究课题之一。如何快速、准确的对图像进行边缘检测是图像处理领域长久以来的研究热点。本论文的课题来源于基金项目“基于生物视场模型的自动目标识别算法研究及仿真”。论文首先对图像边缘的分类进行了详细的论述，进而分析了图像边缘检测最基本的方法以及一些经典的边缘检测算子，研究了这些算子的原理和推导过程，并逐一进行实验，比较了这些算子边缘检测的效果。在此基础之上，论文着重对高斯-拉普拉斯（LOG）边缘检测算子进行了研究，经过数学推导和引入视觉原理，即结合生物视场各向异性感受野模型的改进、Gabor旋转因子及弹性感受野等三种不同事物，以生物视觉的同时对比现象为判据，推导出了一种更加符合人眼视觉心理的边缘检测算法的数学模型，对各向同性的LOG边缘检测算子引入了尺度量和角度量信息，使之能够对不同角度方向的边缘更加有效的进行检测。扩展后的LOG边缘检测算子，不