规则物体亚像素边缘检测算法分析-analysis of subpixel edge detection algorithm for regular objects.docxVIP

沈阳理工大沈阳理工大学硕士学位论文沈阳理工大沈阳理工大学硕士学位论文摘 要边缘是图像中信息最为集中的地方之一，也是图像最基本的特征之一，它包 含了机器视觉系统需要提取的绝大部分信息。边缘检测结果的好坏也直接影响着 图像特征及平面几何参数的获取，将直接影响着整个机器视觉检测系统的好坏。 亚像素边缘检测技术的应用，对基于机器视觉系统的应用起到了极大的推动作用。对定位精度的提高通常可以通过软件或硬件两种方法来实现，但从硬件上进 行提高相对成本较高，从软件上进行提高是一种比较适中的方法。本文主要研究 从软件上提高边缘定位精度，从图像的去噪到检测定位亚像素边缘点的位置，主 要做了以下几个方面的工作：第一,研究了传统的去噪算法、偏微分去噪和高斯去噪的原理，详细的分析了 P-M 去噪模型，并对偏微分方程去噪进行了分析和实现；第二,研究和实现了传统的边缘检测算法，分析了各个算法的优缺点。结合偏 微分方程去噪模型对 Canny 算子进行了改进，使得算子能够较好的去除噪声的同 时较好的保持边缘细节，为其他需要精确边缘信息的处理方法打好基础；第三,针对现代测量技术上的高精度要求，结合传统的边缘检测算子改进了一 种亚像素边缘检测算法。在分析了传统的边缘检测算子 Sobel 算子的基础上，根 据其不足之处提出了改进方法，并结合多项式插值得到了图像亚像素边缘点的精 确位置，并对多项式插值进行了适当的改进；第四,根据论文研究的算法，设计实现了边缘检测系统。 本文主要研究规则物体的亚像素边缘检测算法，对数字图像亚像素边缘检测的三个阶段进行了研究。在预处理阶段，完成了对图像去噪算法的分析和研究。 在像素级边缘检测阶段，完成了对传统的边缘检测算法的的实现和分析，并对部 分算法提取了改进。在亚像素边缘定位阶段，对常用的亚像素边缘定位算法进行 了阐述，并提出了对多项式插值算法的改进方法。最后完成了对边缘检测系统的 设计和实现。关键词：边缘提取；亚像素；偏微分方程；多项式插值；系统设计AbstractEdge is one of places owning much of information of an image, and one of the most basic characteristics. It includes a large proportion of the information extracted by the machine visual system. The result of edge detection directly have a influence on image characteristics and the capture of Plane geometry parameters, and will immediately influence whether the whole machine visual detection system is good or not.The improvement of location precision can be realized by software or hardware.However, using hardware is more expensive compared with the use of software. So the later is a suitable method. This thesis mainly gives a research on the improvement of the precision of locating the edge through software, from image denoising to the detection of fixxing the position of subpixel edge point. It primarily includes the following aspects:First, study the traditional denoising algorithm, the pinciple of partial differential denoising and Gaussian denoising; Analyse the P-M denoising model in detail; and do a research on partial differential equation denoising;Second, the research and implementation of traditional edge detection algorithm. An