無粗定位亞像素邊緣檢測算法研究.pdf

1、隨著科學技術的發(fā)展，工業(yè)生產(chǎn)中人們對產(chǎn)品精度的要求越來越高，相應的諸如小模數(shù)齒輪和光學元件的檢測也同樣需要達到非常高的精度。伴隨精密注塑等技術的出現(xiàn)，工業(yè)生產(chǎn)的效率越來越高，但是如何對生產(chǎn)出來的產(chǎn)品進行精確的參數(shù)檢測一直是一個難題，傳統(tǒng)的檢測方法已經(jīng)很難達到檢測的要求，需要進行亞像素檢測。
　　傳統(tǒng)的亞像素邊緣檢測技術都需要先進行粗定位，然后再進行準確的亞像素精確定位。如果粗定位定位得不夠準確，那么精確定位就沒有意義。針對該問題，

2、本文提出一種無粗定位亞像素邊緣檢測算法，擺脫對粗定位的依賴，直接對邊緣進行亞像素檢測，這樣不但能夠省去粗定位的時間，而且還能大大減少犯錯的幾率。
　　本文首先采用主軸分析法對彩色圖像進行降維，在RGB模型中，將每個像素點的顏色向量投影到主軸上，該方法在降低圖像維度減少運算量的同時，能夠最大程度的保留圖像的邊緣信息；然后本文提出了一種基于二分K均值的中值濾波算法，在濾波前將某鄰域范圍內(nèi)的像素點聚成普通像素點，邊緣像素點和噪聲點三類，

3、根據(jù)聚類的結(jié)果判斷邊緣和噪聲是否存在，并采用相應的濾波策略進行濾波，該算法在濾除噪聲的同時，還能增強圖像的邊緣；最后本文提出無粗定位亞像素邊緣檢測算法，在梯度圖像中尋找符合擬合要求的點進行高斯擬合，尋找亞像素坐標的位置，該算法擺脫了對粗定位的依賴，提升了算法的可靠性。同時，本文還通過仿真驗證了邊緣檢測中梯度的方向無關性，有效降低了梯度運算的復雜度。
　　最終通過對某圖像進行亞像素邊緣檢測將本文提出的算法與傳統(tǒng)算法進行了比較。其中檢