基于影像测量仪的大尺寸零件高精度测量方法研究毕业论文.doc

《基于影像测量仪的大尺寸零件高精度测量方法研究毕业论文.doc》由会员分享，可在线阅读，更多相关《基于影像测量仪的大尺寸零件高精度测量方法研究毕业论文.doc（34页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、陕西理工学院毕业论文基于影像测量仪的大尺寸零件高精度测量方法研究郝小波（陕西理工学院机械工程学院测控技术与仪器专业11级04班，陕西 汉中 723000）指导教师：景敏摘要 尺寸的精密测量在制造业中有着重要的作用和意义,它是衡量与保证加工制造质量的一个重要环节。对于大尺寸零件来说,作为接触式与非接触式测量的代表,三坐标测量机与激光位移传感器/激光干涉仪是经常使用的测量工具，然而前者效率低下、使用复杂,后者则成本高昂。影像测量是从计算机视觉的概念和方法出发,将计算机视觉应用于空间几何尺寸的精确测量和定位,但是它的不足之处在于只能对视场内的单幅小视场图像进行测量,测量范围受到视场的制约。本课题提出

2、利用图像拼接技术解决影像法测量大尺寸零件精度不高的问题。 本课题从大尺寸零件的特征出发，研究了大尺寸零件接触测量与非接触测量的特点，提出应用图像拼接技术再现大尺寸零件。本课题主要用到全自动摄像仪来获取图片，然后利用Harris角点检测法提取特征点，从而进行图拼接、图像融合，最后利用边缘检测的方法获得大尺寸零件的尺寸。关键词 大尺寸;影像测量仪;高精度;图像拼接;图像融合;Research on high accuracy measurement method of large size parts based on image measuring meterHaoxiaobo（Grade11,

3、Class04,Major Measurement Control Technology And Instrument，school of mechanical engineering，Shaanxi University of Technology，Hanzhong 723000，Shaanxi）Tutor: Jingmin Abstract：The precision measurement of the dimension has important function and significance in the manufacturing industry. It is an imp

4、ortant link to measure and guarantee the manufacturing quality.For the dimension of the part, as a representative of the contact and non-contact measurement, three coordinate measuring machine with laser displacement sensor / laser interferometer is one of the frequently used measuring tool, however

5、 the former efficiency is low and the use is complex, which is costly.Image measurement is from the concepts and methods of computer vision of the application of computer vision in precise measurement and positioning of the space dimension, but its shortcoming is only within the field of view of a s

6、ingle small field images were measured and the measuring range is field constraints. This paper presents the problem of using image mosaic technology to solve the accuracy of large parts with large dimension.problem of using image mosaic technology to solve the accuracy of large parts with large dim

7、ension This thesis is based on the characteristics of large size parts, and studies the characteristics of large size parts contact measurement and non-contact measurement, and puts forward the application of image mosaic technology to reproduce large size parts. This topic mainly used automatic cam

8、era to get the picture, and then feature points are extracted using Harris corner detection method, and image mosaic, image fusion, finally, the edge detection method to obtain the size of large size workpiece. Key words：large image;image meter;high precision;image mosaic;image fusion;目 录1 绪论11.1 课题

9、研究的背景11.2国内外发展现状11.3研究目标的介绍12大尺寸零件的测量方案论证32.1研究对象的介绍32.2检测方法的介绍32.2.1大尺寸零件的接触式测量技术32.2.2大尺寸零件的非接触式测量技术32.3方案的选择33数字图像处理的介绍43.1数字图像处理的基本信息43.1.1图像预处理43.1.2图像配准53.1.3图像配准算法分类63.2基于区域的图像配准算法63. 3基于特征的图像配准算法73.3.1基于图像轮廓特征算法73.3.2几种算子的比较与选择93.4图像融合103.4.1图像融合目的103.4.2图像融合技术的发展及应用113.4.3图像融合技术的分类113.4.4图像

10、融合的方法114实验结果和分析134.1实验介绍134.1.1实验器材介绍134.1.2实验内容介绍13 4.2实验标定14 4.3测量系统的误差分析184.3.1图像采集过程中的干扰因素184.4.2目标分割过程中的影响因素19 4.4.3系统误差19结论20致谢21参考文献22附录A拼接程序附录B边缘提取程序I1 绪论1.1 课题研究的背景大尺寸零件在我们日常生活中非常多见，用途非常广泛。但是其精度的测量又不能一次性完成，大尺寸物体测量是指测量对象的长、宽、高超过一定的范围。传统的测量方法采用大型卡尺、大型千分尺和大型千分杆等工具,近些年出现用超声波、激光等工具,但都面临着使用不方便、工具

11、体积较大、测量精度不高、速度慢以及设备成本高等问题。在这种背景下本课题研究影像测量仪下大尺寸高精度的研究。它是基于图像拼接技术的研究，图像拼接就是将有重叠的多幅图像 ( 不同时间不同视角或者不同传感器采集的) 拼接成一幅大的高分辨率图像，是机器视觉研究中的一个热点。它能很好的解决大尺寸零件测量成本高，精度低的问题。1.2国内外发展现状 大尺寸零件在工业农业上都应用广泛，关于他的测量就显得尤为重要。图像零件高精度测量实质上就是图像增强的一种现实的应用。一般情况下，在各类图像系统的传送和转换（如显示、复制、成像、扫描以及传输等）总会在某种程度上造成图像质量的下降。例如摄像时，由于模糊天的原因使图像

12、模糊；再如传输过程中，噪声污染图像，使人观察起来不满意；或者是计算机从中提取的信息减少造成错误，因此，必须对降质图像进行改善处理，主要目的是使图像更适合于人的视觉特性或计算机识别系统。从图像质量评价观点来看，图像增强技术主要目的是提高图像可辨识度。通过设法有选择地突出便于人或机器分析的某些感兴趣的信息，抑制一些无用信息，以提高图像的使用价值，即图像增强处理只是增强了对某些信息的辨别能力。大多数学者认同将现有的图像配准方法分为基于区域的配准方法和基于特征的配准方法。直接利用待拼接图像的灰度信息获得配准的方法称之为基于区域的图像配准方法，也称之为基于灰度的配准方法、直接法或灰度相关法，有模板法(也

13、称为像素匹配算法) 和相位相关法之分。基于特征的配准方法则利用图像中的一些特征实现图像的配准。其中，通过特征点实现配准是最常见的。除了用特征点配准图像外，还有学者利用线特征、面特征进行图像的配准。近来，基于单幅图像的零件高精度测量霾算法获得了很大的进步。这类方法的成功的相似之处在于它们在分析模糊的成因后在算法中做出了一些强制性的假设。何凯明6等人提出了一种暗通道先验的单幅图像零件高精度测量算法。暗通道先验是一种模糊霾图像的数据统计，即基于一种重要的观察：大多数模糊霾图像的局部块在某个色彩通道具有较小的灰度值。使用这种假设和模糊霾图像成型模型结合，能够直接估计模糊霾的浓度和恢复模糊霾图像的质量。

14、目前绝大多数零件高精度测量霾的算法，都是在此基础上进行研究的。许丽红等人7认为基于暗通道先验规律的图像零件高精度测量霾算法在进行暗通道计算时,用固定区域会造成介质透射率估算的不合理,从而导致最终效果细节不清晰。因此采用基于图论的分割算法来确定暗通道的区域,避免了固定区域求取暗通道带来的透射率估计不合理的问题.方雯等人8针对暗通道零件高精度测量霾算法在处理不满足暗通道先验条件的明亮区域时,估计的透射率偏小,导致零件高精度测量霾后的图像与原图像相比,色彩和纹理平滑度出现较大偏差的问题,提出反馈调节的暗通道零件高精度测量霾算法。蒋建国等人9分析讨论了暗通道先验零件高精度测量算法原理,通过引入一种容差

15、机制,算法能更有效地处理不满足暗通道先验的明亮区域,纠正了这类区域错误估计的透射率。石文轩等人10对暗通道零件高精度测量算法进行了改进,提出了边缘优化透射率估计方法。从目前对模糊霾图像恢复的算法研究来看，都是在图像暗通道先验基础上来估计更加细致的透射率，从而进一步研究获取更加细致的恢复图像结果。1.3研究目标的介绍对于常规尺寸和大尺寸的机械零件,较小的视野范围只能摄取到零件的局部图像。采用将序列局部图像拼接成全局图像的方法，一方面可以用较高的检测分辨率获得待测零件在尺寸方向的全貌;另一方面,在拍摄序列图像时,使成像区域尽可能靠近成像平面中心位置,又可有效减小图像畸变对测量精度的影响。但是,当序

16、列图像很多时,由于数据量大,受处理速度和拼接精度的制约,很难适应快速高精度的测量要求。因此,不进行图像拼接,而是提取序列局部图像的尺寸特征,并以图像序列之间的关联关系为依据来求解零件尺寸,是实现机械零件高精度快速测量的一种新方法。2大尺寸零件的测量方案论证2.1研究对象的介绍 大尺寸是指公称尺寸在大于500mm至3150mm的尺寸。大尺寸零件分为大尺寸孔和大尺寸轴。2.2检测方法的介绍大尺寸零件的测量方法有很多种，大致可分为两大类第一类是接触式测量第二类是非接触式测量。 2.2.1大尺寸零件的接触式测量技术多点测量是接触式测量技术之一。该测量技术采用模块化结构，能根据具体的测量任务进行最近爱配

17、置。采用此技术测量一维几个尺寸时，几个探同时在多个测量位置测量。多点式测量目前普遍用于轴类零件的测量，测量两工件是通过一个水平夹紧，通过外接的电脑或测量计算机可分析并显示测量值，而且多个位置能够相互连接。接触式测量的主要优点是以下几点：1、接触式三坐标探头、机械结构及软件系统已经成熟，准确性、可靠性高。2、接触式可快速准确的测量出各个基本几何形状。3、接触式测量直接对物体表面直接测量，不受物体颜色、反射特性、曲率的影响。当然其缺点也很明显主要有以下几点：1、由于接触式的探头频繁被接触被测零件导致球形探头容易磨损，为了保持精度需要常常矫正球头直径。2、接触式无法检测小于探头直径的小孔。3、接触式

18、测量测量时逐点测量，测量速度慢。4、接触式会因为探头发出机构延迟导致动态误差。5、如果测量头的压力过大会使被测零件表面发生变形，导致探头局部压入零件表面，从而影响测量精度。2.2.2大尺寸零件的非接触式测量技术 非接触式测量技术是随着近年来光学和电子元件的广泛应用而发展起来的，其测量基于光学原理，具有高效率、无破坏性、工作距离大等特点，可以对物体进行静态或动态的测量。此类技术应用在产品质量检测和工艺控制中，可大大节约生产成本，缩短产品的研制周期，大大提高产品的质量，因而倍受人们的青睐。随着各种高性能器件如半导体激光器LD、电荷耦合器件CCD、CMOS图像传感器和位置敏感传感器PSD等的出现，新

19、型三维传感器不断出现，其性能也大幅度提高，光学非接触测量技术得到迅猛的发展。非接触式三维测量不需要与待测物体接触，可以远距离非破坏性地对待测物体进行测量。其中，光学非接触式测量是非接触式测量中主要采用的方法。非接触式测量是指不接触被测物体的前提下进行精准测量。其测量精度可以达到m非接触式测量仪利用CCD采集变焦镜下样品的影像,再配合XYZ轴移动平台及自动变焦镜，运用影像分析原理，通过计算机处理影像信号，对科研生产零件进行精密的几何数据的测量，并可进行CPK数值的分析。影响测量仪、二次元、红外线探测，逆向工程扫描仪等的测量都属于非接触测量。非接触测量的优点有以下几点：1、使用冷光源系统，可以避免

20、容易变形的工件在测量是因为热而变形所产生的误差。2、可检测橡胶、软塑料等工件，而且工件可以随意放置。2.3方案的选择 根据上面论述本课题主要研究影像测量仪下的大尺寸零件的测量故应选择非接触式测量方法。本课题以锥形零件为研究对象来进行测量。在全自动影像测量仪来获取图片从而达到测量的目的。3数字图像处理的介绍 3.1数字图像处理的基本信息 数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割

21、和图像分析等。图像处理一般指数字图像处理。虽然某些处理也可以用光学方法或模拟技术实现,但它们远不及数字图像处理那样灵活和方便,因而数字图像处理成为图像处理的主要方面。主要应用下下面几个方面1、视频与视频监控在日常生活当中,图像拼接技术适用于视频监控系统,它由多个摄像点获取监控图像合成全景图,分辨率高,便于监控,这样就不需要去分别监控每一路视频。目前研究的一种由视频序列拼接的全景图技术可以实现操作人员与专家之间的远程协助与遥控,专家可以根据收到的现场视频构建现场的全景图,实时效率得到很大的提升。2、遥感图像的处理随着航空技术的发展,卫星或航空遥感能够实现获得目标的高分辨率图像,不同传感器的多幅图

22、像可以通过拼接得到大视野的全景影像图。这种技术可以用于针对一块地区进行监测,比如对于这一地区的河流流域问题、耕地面积以及农作物情况监控。最典型的应用就是天气预报,通过拼接多条轨道的卫星云图得到气候变化的重要走向信息。3、医学分析在超声检测中,超声图像的质量尤为关键,它能够直接左右医生对病情的判别。但由于一般的超声探头很小,对于大的组织器官以及大范围病变难以直接进行判断,利用图像拼接技术就可以将探头探测的区域实时的拼接成大视野的全景图,显示出完整的“现场”,为诊断提供可靠的依据。在外科手术当中,由于缺少对视网膜整体状态进行检查的工具,手术成功率很低。有的学者就提出了利用图像处理包括图像预处理，图

23、像配准，图像融合等。 3.1.1图像预处理在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。 1、数字化 一幅原始照片的灰度值是空间变量（位置的连续值）的连续函数。在MN点阵上对照片灰度采样并加以量化（归为2b个灰度等级之一），可以得到计算机能够处理的数字图像。为了使数字图像能重建原来的图像,对M、N和b值的大小就有一定的要求。在接收装置的空间和灰度分辨能力范围

24、内,M、N 和b的数值越大,重建图像的质量就越好。当取样周期等于或小于原始图像中最小细节周期的一半时，重建图像的频谱等于原始图像的频谱，因此重建图像与原始图像可以完全相同。由于M、N 和b三者的乘积决定一幅图像在计算机中的存储量，因此在存储量一定的条件下需要根据图像的不同性质选择合适的M、N 和b值，以获取最好的处理效果。 几何变换 用于改正图像采集系统的系统误差和仪器位置的随机误差所进行的变换。对于卫星图像的系统误差，如地球自转、扫描镜速度和地图投影等因素所造成的畸变,可以用模型表示,并通过几何变换来消除。随机误差如飞行器姿态和高度变化引起的误差，难以用模型表示出来，所以一般是在系统误差被纠

25、正后，通过把被观测的图和已知正确几何位置的图相比较，用图中一定数量的地面控制点解双变量多项式函数组而达到变换的目的。 2、归一化 使图像的某些特征在给定变换下具有不变性质的一种图像标准形式。图像的某些性质，例如物体的面积和周长，本来对于坐标旋转来说就具有不变的性质。在一般情况下，某些因素或变换对图像一些性质的影响可通过归一化处理得到消除或减弱，从而可以被选作测量图像的依据。例如对于光照不可控的遥感图片，灰度直方图的归一化对于图像分析是十分必要的。灰度归一化、几何归一化和变换归一化是获取图像不变性质的三种归一化方法。 3、图像平滑 消除图像中随机噪声的技术。对平滑技术的基本要求是在消去噪声的同时

26、不使图像轮廓或线条变得模糊不清。常用的平滑方法有中值法、局部求平均法和k 近邻平均法。局部区域大小可以是固定的，也可以是逐点随灰度值大小变化的。此外，有时应用空间频率域带通滤波方法。 4、复原 校正各种原因所造成的图像退化，使重建或估计得到的图像尽可能逼近于理想无退化的像场。在实际应用中常常发生图像退化现象。例如大气流的扰动，光学系统的像差，相机和物体的相对运动都会使遥感图像发生退化。基本的复原技术是把获取的退化图像g(x，y)看成是退化函数h(x，y)和理想图像f(x，y)的卷积。它们的傅里叶变换存在关系 G(u，vH(u，v)F(u，v)。根据退化机理确定退化函数后，就可从此关系式求出F(

27、u，v)，再用傅里叶反变换求出f(x，y)。通常把 称为反向滤波器。实际应用时，由于H(u，v)随离开uv平面原点的距离增加而迅速下降，为了避免高频范围内噪声的强化，当u2+v2大于某一界限值W娿时，使M(u，v)等于1。W0的选择应使H(u，v)在 u2+v2W范围内不会出现零点。图像复原的代数方法是以最小二乘法最佳准则为基础。寻求一估值,使优度准则函数值最小。这种方法比较简单，可推导出最小二乘法维纳滤波器。当不存在噪声时，维纳滤波器成为理想的反向滤波器。 5、增强 对图像中的信息有选择地加强和抑制，以改善图像的视觉效果，或将图像转变为更适合于机器处理的形式，以便于数据抽取或识别。例如一个图

28、像增强系统可以通过高通滤波器来突出图像的轮廓线，从而使机器能够测量轮廓线的形状和周长。图像增强技术有多种方法，反差展宽、对数变换、密度分层和直方图均衡等都可用于改变图像灰调和突出细节。实际应用时往往要用不同的方法，反复进行试验才能达到满意的效果。 3.1.2图像配准图像配准是指将某一场景下的多幅图像按一定的算法对比找出图像之间相五重叠的区域及精确坐标的技术。对于待拼接图像,由于所获得的图像是从不同时间、不同角度、不同的传感器得到的,所以要对所获得图像先进行图像配准。图像配准是整个图像拼接的核心,图像配准的准确性则成为能否拼接成功的关键性因素,同时还对拼接运行速度有着至关重要的影响。因此,对图像

29、配准算法的研究成为图像拼接技术领域中的关注重点。图像配准算法图像拼接能否成功主要取决于图像配准精度,所以说图像配准是图像拼接技术的核心和关键。图像配准的基本组成元素在拍摄图像时往往会出现类似传感器噪声、摄像位置变化、目标变形和移动、光照或环境的改变等多种复杂情况,在这样的情况下采集同一场景图像所获得的数字图像会存在很大的差异。为了能够使图像配准算法达到精度高、速度快、鲁棒性强的效果,国内外许多研究者针对不同类型的图像,提出了很多的图像配准方法主要包含四个组成元素:1、特征空间 特征空间是由进行图像配准的图像特征所组成的,而图像的特征有很多种形式,比较常见的有:图像的轮廓、线交叉点、图像边缘、灰

30、度特征、统计特征、闭合区域、显著特征、高层结构描述与句法描述等等。在参考图像和待配准图像中要包含有共同的图像特征,对这些特征不仅要求数量要多,而且要求图像特征在图像中应均匀分布,并且这些特征还能便于进行图像特征配准。选取合适的特征空间可以保证图像配准的性能,因为合适的特征空间可以减小噪声,降低搜索空间,减少图像配准中不确定性因素对图像配准算法的影响。2、相似性度量相似性度量是一种采用某种算法衡量配准特征之间的相似性程度的衡量标准,相似性度量通常以某种相似系数函数或距离函数体现出来。通过研究得出的经典相似性度量包括:自相关函数、互相关函数、归一化积相关函数与距离函数。图像配准时,相似性度量通常会

31、选择图像中互为相关的特征,从而保证能够提高图像配准算法的抗干扰能力。3、搜索空间搜索空间就是指用于图像配准的图像进行变换时的范围及方式。图像变换的范围一般可以为两类:一种是局部的,另一种是全局的。局部变换主要是指变换参数对位置可以存在依赖性,也就是说,在不同位区域内,变换参数模型可以不同;全局变换则是指整幅图像通过相同的变换参数模型来描述变换过程。图像变换方式一般可分成线性和非线性变换两种类型,其中线性变换包含刚体变换、仿射变换、投影变换等模型;非线性变换常使用多项式函数。4、搜索策略搜索策略的目的是在搜索空间中找出图像之间进行旋转、平移等变换的最优配准参数。判定最优的依据就是相似性度量。有效

32、的搜索策略能够确保图像之间经过变换后具有最大相似性。正确使用搜索策略有助于减少图像配准时的计算量,因此当搜索空间比较复杂时,搜索策略的合理选择将变得非常重要。在图像配准时通常运用的搜索策略一般包含以下几种:黄金分割法、多尺度搜索、松驰算法、Brent法、穷尽搜索、分层搜索、线性规划、三次插值法、广义变换、模拟退火算法、奴群算法、遗传算法和神经网络等。图像配准的四个组成元素既相互影响又相互联系。对图像配准算法 展研究,首先要依据实际应用背景,确定图像的成像方式,规划出图像配准的类型及相关性能指标,然后按照规划好的指标参数设计图像配准所需的特征空间和搜索空间,最后遵循最优的搜索策略分析计算出能够使

33、相似性度量值最大的最优变换参数模型。 3.1.3图像配准算法分类在图像配准中主要有两类算法:一类是基于区域的图像配准算法,这类算法主要是通过两张图像的灰度关系来确定图像间坐标变化的参数,其中主要包括基于频域的算法和基于空间像素配准的算法。另一类是基于特征的图像配准算法,这类算法主要是通过提取图像特征,进行图像之间特征的匹配,匹配后按匹配关系来构建图像间的变换关系,此类算法只需要提取图像的部分信息,从而能缩减计算时间。该类算法主要包括基于图像轮廓特征的算法,基于角点检测的算法,SIFT算法和基于区域特征的算法。3.2基于区域的图像配准算法对不存在复杂变换的图像进行拼接时,通常会采用基于区域的图像

34、配准算法,例如待配准图像只存在平移变换。这类算法主要使用模板配准,并且在图像拼接过程中,往往能够很容易的完成图像重构和变换模型的构建。该算法的原理是基于不同图像中景物的相对位置一般不变的情况下,根据局部的对应关系能够确定全局的对应关系。针对这类算法所采用的构造思想比较直观,选取的模板一般都比较简单,在图像的配准过程中,可采用图像间的子图像和子图像间的配准,也可采用整幅图像和整幅图像间的配准。此类算法包括:块配准法、网格配准法和比值配准法。1、块配准法块配准法是先取出第一幅图像中处于两幅图像重叠区域的一块数据作为模板,在第二幅图像中对比分析哪一区域的数据与前一幅图像数据相同(或相似),从而准确定

35、位图像配准的坐标。采用块配准法时,当模板数据较大时算法的配准精度会很高,但同时计算量也将增大。2、网格配准法网格配准法是在块配准法基础上优化形成的。其原理也是通过以第一幅图像的某个重叠区域作为模板,在第二幅图像中寻找相同(或相似)数据的块,在搜索过程中先进行粗配准,计算对应像素点RGB值在模板中差的平方和,在网格中找到最小值位置就是最佳配准的坐标,再以这个坐标为中心进行精确配准,最终得到图像配准 最佳坐标。网格配准法的计算量相对块配准法会减小一些,但绝对计算量仍很大。3、比值配准法比值配准法是在两幅图像的重叠区域内找出两列像素的相隔距离,将这两列像素之间的比值作为配准模板,在第二幅图像与第一幅

36、图像的重叠区域中找到对应位置,从而确定图像配准位置。这种算法只使用了两条竖直的平行线段的像素信息,并不能充分利用图像中的全部信息。3. 3基于特征的图像配准算法使用图像中的特征信息来进行图像配准工作是基于特征的图像配准算法的核心思想。此类算法不需要使用图像中的全部信息,所以在计算时算法的效率比较高,对图像中的灰度变化也有较强的鲁棒性,但此类算法的精度很大程度上依靠的是特征点提取精度及其配准的准确度。在图像配准中,可以使用的特征有很多,例如轮廓、角点、边缘、高曲率点、区域特征等,因此出现很多种基于特征的图像配准算法。 3.3.1基于图像轮廓特征算法基于图像轮廓特征算法的核心思想是依照图像之间轮廓

37、特征各不相同的特点,提取不同图像的轮廓用于图像配准,进而分析出正确的配准坐标位置。提取轮廓特征常用的方法为边缘检测法,使用该方法能够检测出比较清晰的图像轮廓,从而提高图像配准精度。目前对图像边缘检测技术的研究已经很成熟,传统的边缘检测算法是通过计算图像中每个像素点在其较小邻域内的灰度变化程度,使用计算出的一阶或二阶方向导数变化来进行边缘检测。例如:索贝尔算子(Sobel)、Roberts算子、Canny算子、马尔算子(LOG)等。近些年来,如小波边缘提取算法等新的算法也陆续被研究出来,下面来具体研究这几种算法。1、索贝尔算子(Sobel)索贝尔算子(Sobel)的核心思想是在图像的任一像素点,

38、用图像亮度函数梯度值的近似值计算出图像边缘。具体算法是:先设定一个阈值,在比较图像中的每个像素的邻域梯度值来判断此像素是否为图像的边缘。此种算法在空间上易于实现,可以比较准确的找出图像边缘,有一定抗噪能力。但对图像的边缘定位精度不高,存在伪边缘信息。索贝尔算子是由两个卷积与对原图卷积运算得到的。其数学表达式如下： （3.1）2、Roberts算子Roberts算子的具体算法是:先设定一个阈值,然后在图像中选取任一像素点,对该点在任意相互垂直方向进行差分计算得出梯度值,再与事先设定阈值进行比较从而描述出图像的轮廓。当图像噪声较低且在垂直方向与水平方向存在陆峭边缘的情况下,该算法往往具有良好效果,

39、可以比较准确的定位图像边缘。但当存在噪声干扰的情况出现时,会因噪声等因素产生一些伪边缘。设是图像灰度分布函数，是图像边缘的梯度值；是梯度方向。则有 （3.2）3、坎尼算子(Canny算子） 坎尼(Canny)算子是指首先找出图像中具有局部最大梯度值的像素点,再通过寻找能够用于实际图像的梯度数字逼近来提取图像边缘。此种算法能够在边缘检测和噪声抑制之间取得平衡。同时也存在一些不足,为了能够在图像边缘检测中得出较好的检测结果,滤波尺度要运用的比较大,这会丢失图像中的一些细节。坎尼研究了最优边缘检测器所需的特性，给出了评价边缘检测性能优劣的三个指标： 1）高的准确性，在检测的结果里应尽量多的包含真正的

40、边缘，而尽量少的包含假边缘。 2）高的精确度，检测到的边缘应该在真正的边界上。 3）单像素宽，要有很高的选择性，对每个边缘有唯一的响应。 针对这三个指标，Canny提出了用于边缘检测的一阶微分滤波器的三个最优化准则，即最大信噪准则、最优过零件准则和单边缘相应准则1、信噪比准则 （3.3）其中为边缘函数；为带宽为W的低通滤波器的脉冲响应；是高斯噪声的均方差。2、定位精确准则L为边缘的定位精度，定义如下： （3.4）其中和为和的一阶倒数；L是对边缘精确定位的度量，L越大定位精度越高。3、单边缘响应准则要保证对单边缘只有一个响应，检测算子的脉冲响应导数的零点交叉平均距离应该满足： （3.5）式中为的

41、二阶导数；是进行边缘检测后的图像这三个准则是对前述边缘检测指标的定量描述。抑制噪声和边缘精确定位是无法同时得到足的，即边缘检测算法通过图像平滑算子去除噪声，势必增加边缘定位的不确定性；反之，提高边缘检测算子对边缘的敏感性，同时也提高了对噪声的敏感性。因此，在实际应用中只能寄希望于再抑制噪声和提高边缘定位精度之间实现一个合理的折衷。4、马尔算子(LOG)马尔算子(LOG)的核心思想是首先运用Gaussian函数平滑图像,再运用拉氏算子根据二阶导数过零点对图像进行边缘检测。马尔算子(LOG)本身有三方面优点:一是通过对两个不同带宽的高斯曲面之差近似的实现算子,提高运算的速度;二是使用高斯滤波器能够

42、同时在空域和频域达到最佳;三是具有边缘定位精度高、抗干扰能力强、连续性好等特点,并且可以提取对比度较弱的边缘轮廓。不足之处是高斯滤波的零交叉点不一定全部是边缘点,所以还需要进一步确定边缘像素点的真伪。所谓零交叉点就是：如果一个像素处的值小于一0，而此像素8-连通的各个像素都是大于0（0是一个正数）那么这个像素就是零交叉点。这样还能克服拉普拉斯算子对噪声敏感的缺点，减少了噪声的影响。二维高斯函数为： （3.6）3.3.2几种算子的比较与选择几种算子的比较图3.1几种算子的优缺点比较算子优缺点索贝尔算子对灰度渐变和噪声较多的图像处理较好，索贝尔算子对边缘定位比较准确Roberts算子对具有陡峭的低

43、噪声的图像处理效果较好，但利用Roberts算子提取边缘的结果是边缘比较粗，因此边缘定位不准确坎尼算子此方法不容易收噪声干扰，能够检测到真正的弱边缘。该方法的有点在于使用两种不同的阀值分别别检测强边和弱边缘，并且仅当弱边缘与强边缘相连时，才将弱边缘包含在输出图像中。这种方法不容易被噪声“填充”，隔壁容易检测出真正的弱边缘。马尔算子(LOG)马尔算子经常出现在双边缘像素边界，对噪声比较敏感，所以很少用它检测边缘，而是用来判断边缘像素位于图像的明区还是暗区根据上表可以看出本实验最好的检测方法是用坎尼算子来进行边缘检测。3.4角点检测算法 角点检测算法的核心思想是使用角点检测法找出图像中的角点,再使

44、用相关函数计算就可以进行图像配准角点的检测法有很多种,例Moravec检测法、Forstner检测法、Harris检测法、SUSAN检测法、Trajkovic检测法等。下面进行详细研究。1、 Moravec检测法Moravec检测法是在1977年被提出来的,其核心思想是首先通过计算得出每个像素点的兴趣值,兴趣值是通过计算以像素点为中心向不同方向得出的灰度差的平方和,在这些平方和中取其最小值得到的。其次,我们将根据实际图像来设定一个阀值,遍历图像中的每一个像素点,如果该点的兴趣值大于该点的阀值,那么这个点就作为一个候选点出现。最后,选择一个固定大小的滑动窗口,并遍历这个滑动窗口中灰度图像,在遍历

45、过程中蹄选兴趣值最大的候选点,将它作为特征点。Moravec检测法对斜边缘的响应很强,对噪声响应也较强。2、Forstner检测法Forstner检测法的核心思想是先计算图像中每一个像素的Robert梯度值,再得出以每个像素为中心窗口的灰度协方差矩阵,然后以接近圆的最小误差椭圆点作为角点。Forstner检测法的计算速度比较快而且计算的精度也比较高,但这种检测法的计算过程中非常复杂。3、Harris检测法Harris检测法是C. Harris和M. J. Stephens于1988年在Moravec检测法的基础上改进的新算法。该算法属于基于信号方法的点特征提取算法,因为在检测过程中只是用到了灰

46、度的一阶差分以及滤波。所以算法操作简单,在提取的特征点上是均勾且合理的,由于这种检测法只使用图像灰度的一阶导数参与计算,即使在图像出现噪声、旋转灰度变化及视点变换等不同情况下,提取到的角点也较为稳定。 对于图像，当在点（x,y)处平移后的自相似性可以通过自相关函数给出： (3.7)其中是以点为加权函数，既可以用常数表示，又可以用高斯加权函数表示根据泰勒展开，对图像在平移后进行一阶近似： (3.8)公式中（2）中是图像偏导数较为稳定。4、SUSAN检测法SUSAN检测法是英国牛津大学的S. M. Smith和J. M. Brady共同研究出的新角点算法,其核心思想是通过分析图像内某一个像素点为中心的局部区域内亮度值的分布情况来找出角点。SUSAN检测法无需梯度运算,计算效率高,抗噪能力强,但计算量比较大。5、Trajkovic检测法基于 SUSAN 检测法中 USAN 的定义