一种基于亚像素定位算法的红外图像边缘高精度检测定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112634228A(43)申请公布日2021.04.09(21)申请号202011523549.0(22)申请日2020.12.21(71)申请人南通斯迈尔精密设备有限公司地址226000江苏省南通市紫琅路30号狼山工业园10号楼1楼西(72)发明人顾贤马继光刘鹏王德霄(51)Int.Cl.G06T7/00(2017.01)G06T5/00(2006.01)G06T7/13(2017.01)G06T7/187(2017.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于亚像素定位算法的红外图像边缘高精度检测定位方法(57)摘要本发明公开了一种基于亚像素定位算法的红外图像边缘高精度检测定位方法，首先，对采集的红外图像进行均值滤波，然后，用Sobel算子进行边缘粗定位，再去除图像的小连通域，减小杂散点对后续亚像素边缘精确定位的干扰，最后，用Zernike矩法对红外图像进行亚像素级边缘高精度检测与定位，得到红外图像的边缘信息。本方法实现了红外图像边缘高精度检测与定位，与传统的边缘检测算法相比，定位精度更高，稳定性更好，解决了传统的边缘检测算法应用于红外图像时，不能很好的抑制噪声，容易出现边缘丢失、伪边缘的问题。CN112634228ACN112634228A权利要求书1/2页1.一种基于亚像素定位算法的红外图像边缘高精度检测与定位方法，其特征在于，包括如下步骤：步骤1：对采集的红外图像进行均值滤波；步骤2：用Sobel算子进行边缘粗定位，再去除图像的小连通域；步骤3：用Zernike矩法对红外图像进行亚像素级边缘高精度检测与定位。2.根据权利要求1所述的一种基于亚像素定位算法的红外图像边缘高精度检测与定位方法，其特征在于：所述对采集红外图像进行均值滤波方法为：式中S为像素所在邻域的集合，M为集合S内像素数量，i和j为正整数，考虑到图像噪声处理需求和红外图像像素数少，本发明选用3×3大小的滤波窗口。3.根据权利要求1所述的一种基于亚像素定位算法的红外图像边缘高精度检测与定位方法，其特征在于：所述用Sobel算子进行边缘粗定位包括用Sobel算子对靠近于模板中心的像素点进行卷积运算，其i、j方向上的卷积模板Ti和Tj为：4.根据权利要求1所述的一种基于亚像素定位算法的红外图像边缘高精度检测与定位方法，其特征在于：所述用Zernike矩法对红外图像进行亚像素级边缘高精度检测与定位的步骤包括：①将N×N的二维数字离散化图像f(i,j)的p阶q次Zernike矩的定义为：其中，N，p，q为正整数，r为大于等于0的数，θ为角度，是在极坐标系中单位圆内的正交p阶q次多项式，*表示的是Vpq(r,θ)的共轭复数；②将呈阶跃变化的理想边缘模型旋转φ角后，中心像素移到坐标原点，边缘与j轴平行，由于矩的旋转不变性，3个阶的Zernike矩满足：A′00＝A00(5)jφA′11＝A11e(6)A′20＝A20(7)其中，A'00，A'11，A'20为复数，A00，A11，A20为常量，A′11的虚部Im[A′11]为0，即：Im[A′11]＝sinφRe[A11]‑cosφIm(A11)＝0(8)由此可得边缘的旋转角度φ为：2CN112634228A权利要求书2/2页③结合(4)～(9)，计算A'00，A'11，A'20，并解得边缘的参数：l＝A20/A′11(10)其中，l和k为常量。④本专利选择5×5大小的模板和粗定位获取的边缘点的坐标进行卷积运算。由Sobel算子初步获取的边缘点坐标为(i0,j0)，则亚像素级的边缘坐标(i1,j1)为：3CN112634228A说明书1/5页一种基于亚像素定位算法的红外图像边缘高精度检测定位方法技术领域[0001]本发明涉及图像处理技术领域，特别涉及一种基于亚像素定位算法的红外图像边缘高精度检测定位方法。背景技术[0002]工件表面缺陷检测是产品质量检测中的一个重要环节。而要实现工件缺陷识别的高准确率，要求高精度的工件红外图像的边缘提取。[0003]数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像处理领域的重要基础。在进行图像理解和分析时，第一步往往是边缘检测。从广义来讲，边缘形成的是对象的轮廓，对象是视觉系统的分析主体。[0004]1965年，L.G.Roberts最早开始系统研究边缘检测。最早提出的是一阶微分算子，1965年L.G.Roberts提出Robert算子，随后，在Robert算子基础上人们经过改进得到的Sobel算子、Prcwitt算子和Kirsh算子等。但是，这些算子检测到的边缘往往不是很理想，边缘较宽，还需要进行细化处理，这样又影响到边缘的定位。在这种情况下，Laplacian算子应运而生。这