视觉检测系统中的亚像素边缘检测技术研究.pdfVIP

视觉检测系统中的亚像素边缘检测技术研究 付鹏，高晓蓉 (西南交通大学光电工程研究所，四川成都610031) 撬要：照像素检测技术已经取得了很大的进展，避年一姥新的贩像素边缘检测算法陆续提出。本 文就征像素算法应用于边缘检测作了概述，并分别对备算法进行亚像素边缘定位原理进行了简要分析， 详细总结了各种算法的特点和实麓情况。本文还锋对众多酌照像素边缘检潮算法，进行了性能研究滋 较，势主要对三种矩方法给出了模拟三阶边缘图片的处理结果，为实际情况下亚像素边缘检测算法的 选取提供了参考。 关键词：亚像素；边缘定弦；矩；模耘速缘 l写l言H】 枧器视觉熙像检测以其离精度、速度快、非接触等优点在检测领域中获得广泛应用。 随着人们对检测精度要求的提高，仅通过提高硬件性能的方式，有时不仅不能满足要求， 而鼠还会极大地增加系统成本。近年来发展的噩像素检测技术可以从软件的角度极大地 提离检测精度。通常的亚像素算法在实际图像中能达到0．1～o。5个像素的精度u1。 亚像素边缘检测算法种类很多，将这些方法归纳主要如下：矩方法u_41、拟合法ujl、 插馕法‘霸、切线法黜l、一阶微分期望法‘9，1翻、小波变换法㈣以及其它一些方法‘13_引。 其中以矩方法和拟合法为主流，各种方法的检测精度和速度不同，适用的边缘情况不同， 并且抗噪声性能也不一样。以下将介绍各种亚像素边缘检测算法，总结各自性能，并对 各种算法性麓进行研究≥艺较，针对三种矩算法给高了模拟三阶边缘静检测结果，并对结 果进行了分析。 2翌像素边缘检测算法 2．1 矩方法 矩方法是计算机视觉与模式识别中广泛使用的方法。矩作为数学上的完备描述，相当 于愿嚣数在新的坐标空间上的展开，即一个分段连续有晃函数可用其矩族瞧一表示。根 据被测目标的矩特性在成像前后保持不变的原理，可以将矩方法应用到图像目标的亚像 素边缘定位中。根据不同的原理，可以分为：灰度矩、空间矩和Zernike矩。 2．王．王 灰度矩㈣1 灰度矩边缘定位法是一种利用前三阶灰度矩来对边缘进行溉像素边缘定位的算法。 其蒸本原理就是假设实际图像中的实际边缘分布与理想阶跃边缘模型盼灰度矩傈持一 致，鄂矩不变性，来确定实际边缘鳃位置。 ．99． 灰度矩算法以严格的形式给出定位边缘，无需插值和迭代，并且不受灰度数据加性 和乘性因素的影响，重复性精度较高，对灰度平移和缩放具有不变的性。灰度矩不仅能 用于边缘的亚像素定位，而且同样适用于其它形状目标的亚像素定位。 由于算法采用模板运算的方式，因此存在不同尺寸的模板，对应物体非常细的情况 可能将不再满足基于模板内灰度单调的假设。算法采用二阶边缘模型同真实的三阶灰度 模型存在差异，因此如果希望得到更准确的结果还需要对算法进行补偿，而这部分工作 很复杂。算法涉及到超越方程的求解，必定会导致精度和速度上的取舍矛盾。另外由于 假定模板内是阶跃边缘，因此对于角边的检测将很不准确。 2．1．2 空间矩u一’1训 空间矩边缘模型与灰度矩类似。空间矩算子以其精度高，计算过程相对简单， 不受数据加性和乘性因素的影响等诸多优点，在现代高精度图像测量系统中得到了广泛 的应用。这种方法在噪声和成像模糊的图像中仍能获得较满意的定位精度。由于基本算 法是基于二阶灰度边缘模型的，因此采用了误差补偿的方式对更解决实际边缘的三阶灰 度模型进行补偿，使得计算结果更精确。 但是由于本算法采用了6个窗口进行计算，因此与同样尺寸的其它矩的方法如灰度 01个像素，如果采用误差表进行精度补 须要进行精度补偿，否则定位误差可以达到0．i 偿，会增加额外的存储量和计算量，此外它同样不能用于角边的检测。 2．1．3Zernike矩14,16] 在Zernike正交矩(Zernikeorthogonal 阶跃灰度模型，通过计算图像的三个不同阶次的ZOM首先把理想阶跃灰度模型的4个参 数映射到三个ZOM中，然后再通过这三个ZOM计算出边缘所在直线的参数，从而确定边 缘的亚像素极坐标。ZOM矩亚像素边缘检测的原理和空间矩边缘检测的原理十分相似， 使得算法的计算效率更高。 2．2 拟合法ll,5-61 拟合法是通过对离散图像中的目标的灰度或其他属性进行拟合，得到目标的连续函数 形式，从而确定描述物体的参数值，对目标进