学位论文 > 优秀研究生学位论文题录展示

数字图像处理技术在几何量精密测量中的应用研究

作　者: 吴纪国
导　师: 袁道成
学　校: 中国工程物理研究院
专　业: 机械制造及其自动化
关键词: 数字图像处理技术几何量精密测量小波变换多分辨率分析 EasyGauge亚像素细分算法
分类号: TG806
类　型: 硕士论文
年　份: 2005年
下　载: 628次
引　用: 12次
阅　读: 论文下载

内容摘要

数字图像处理是对图像信息进行加工以满足人的视觉心理或应用需求的一种行为,而利用数字图像处理技术进行几何量测量的主要任务是正确地处理和测量反映被测量信息的图像,精度是图像处理和测量研究中的重要内容。在图像测量领域,对图像边缘的精确识别是保证测量精度的先决条件,如何能够在强背景噪声下有效地检测出图像边缘,进而进行高精度测量应该是几何量精密测量领域中最关心的话题。本论文针对机械加工小孔(含浅盲孔)的边缘检测,首先说明了边缘的定义和特征,然后详细、系统地介绍和分析了经典边缘检测算法以及数学形态学在图像边缘检测中的应用。对于这些小孔,由于机械加工过程中产生的边缘塌边、毛刺,以及浅盲孔底部反光等物理因素,造成采集的每幅浅盲孔图像都不同程度的存在着孔边缘对比度低、信噪比低、边缘类型复杂等缺点。据实验表明,使用经典边缘检测算子无法精确地检测出浅盲孔边缘,如何能够在强背景噪声下检测到小孔的真实边缘是图像处理的关键和难点问题。为解决这个问题,文章分别从软件和硬件两个方面进行了分析研究:首先,从软件方面,依据小波变换检测信号良好的多尺度分辨特性,研究了其在去噪及边缘检测中的应用。从实验结果看,该算法比较好地去除由于浅盲孔底部反光造成的阴影噪声,并有效地保护了孔的边缘。接着,从硬件方面,主要是改良了镜头,降低镜头的景深。从实验结果可以看出,该措施增强了盲孔边缘的对比度,在很大程度上提高了盲孔边缘的检测精度。为进一步提高盲孔孔位的测量精度,文章推导了EasyGauge亚像素细分算法的原理,并且讨论了转位以及噪声对测量结果的影响。实验结果表明,该细分算法可以在强背景噪声下实现稳定、高精度的测量。在文章的最后,介绍了实验中图像采集的硬件设备和自编制的集图像采集、图像处理、图像测量于一体的软件系统,最后对通孔、原始采集盲孔、经过小波处理后的盲孔以及经过镜头改良后的盲孔进行了测量,并对测量结果进行了分析和比较。

全文目录

摘要  3-4
Abstract  4-9
第一章引言  9-16
  1.1 论文的选题背景及研究意义  9
  1.2 数字图像处理技术概述  9-12
    1.2.1 数字图像处理技术所涉及的内容  10-11
    1.2.2 数字图像处理技术的应用领域  11
    1.2.3 数字图像处理技术所涉及的相关学科  11-12
  1.3 图像测量技术概述及发展趋势  12-14
    1.3.1 几何量计量与图像测量技术概述  12-14
    1.3.2 图像测量技术的发展趋势  14
  1.4 论文研究内容  14-16
第二章经典图像边缘检测算法  16-27
  2.1 图像边缘的定义  16
  2.2 经典边缘检测的基本算法  16-20
    2.2.1 Roberts边缘检测算子  17
    2.2.2 Sobel边缘检测算子  17-18
    2.2.3 Prewitt边缘检测算子  18-19
    2.2.4 Laplace边缘检测算子  19-20
    2.2.5 LOG边缘检测算子  20
  2.3 经典边缘检测的实验结果  20-21
  2.4 数学形态学在边缘检测中的应用  21-24
    2.4.1 数学形态学基本运算方法  21-23
    2.4.2 数学形态学在边缘检测中的相关原理  23-24
  2.5 数学形态学边缘检测的实验结果  24-25
  2.6 小结  25-27
第三章基于小波变换的图像消噪及多尺度边缘检测算法研究  27-42
  3.1 傅里叶变换到小波分析  27-32
    3.1.1 经典傅里叶变换  27-30
    3.1.2 短时傅里叶变换  30
    3.1.3 小波分析  30-31
    3.1.4 小波分析与傅里叶变换的比较  31-32
  3.2 小波变换的相关理论分析  32-38
    3.2.1 离散小波变换  32-33
    3.2.2 二进小波变换  33-34
    3.2.3 多尺度小波分析与Mallat算法  34-36
    3.2.4 小波基函数的选择  36-38
  3.3 小波变换在去噪方面的应用研究  38-39
    3.3.1 噪声的来源和分析  38
    3.3.2 小波去噪的机理  38-39
  3.4 基于小波变换的多尺度图像边缘检测实验结果  39-41
    3.4.1 原始采集图像分析  39
    3.4.2 多尺度小波分解  39
    3.4.3 小波系数处理  39-40
    3.4.4 多尺度小波重构  40
    3.4.5 频谱分析  40-41
  3.5 小结  41-42
第四章亚像素细分算法研究  42-59
  4.1 像素坐标系和空间坐标系  42-43
  4.2 EasyGauge亚像素细分算法研究  43-47
    4.2.1 点定位  43-44
    4.2.2 峰值选择  44-46
    4.2.3 亚像素细分算法研究  46-47
  4.3 亚像素细分精度验证实验  47-53
    4.3.1 图像采集  47-48
    4.3.2 实验数据测量与分析  48-50
    4.3.3 亚像素精度验证  50-51
    4.3.4 测量重复性分析  51-53
  4.4 转位对测量结果的影响  53-54
  4.5 噪声对测量精度的影响  54-57
    4.5.1 原始图像构造  54-55
    4.5.2 数据测量与分析  55-57
  4.6 小结  57-59
第五章实验研究与分析  59-72
  5.1 图像采集的硬件系统  59
  5.2 几何量测量系统的软件设计  59-64
    5.2.1 图像数据的读入与存取模块  60-61
    5.2.2 图像采集卡设置模块  61
    5.2.3 图像采集模块  61-62
    5.2.4 图像处理模块  62-63
    5.2.5 图像测量模块  63-64
  5.3 微小通孔测量实验  64-66
    5.3.1 图像采集  64-65
    5.3.2 实验数据获取及分析  65-66
  5.4 微小盲孔测量实验  66-70
    5.4.1 图像采集  66
    5.4.2 直接测量法  66-67
    5.4.3 小波处理算法  67-68
    5.4.4 改进镜头对测量结果的影响  68-70
  5.5 测量结果比较  70-71
  5.6 小结  71-72
第六章总结和展望  72-74
  6.1 总结  72
  6.2 展望  72-74
致谢  74-75
参考文献  75-78
研究生阶段发表的与课题相关的论文  78

相似论文

基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
图像的稀疏表示及编码模型研究,TP391.41
唇读中的特征提取、选择与融合,TP391.41
羊绒与羊毛纤维鉴别系统的研究,TS101.921
感觉刺激诱发脑电特征研究,R318.0
网络传输中的ROI图像编码算法研究,TN919.81
基于多尺度分析的图像融合算法研究,TP391.41
基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
轮廓波变换及其在图像处理中的应用,TP391.41
基于小波的雷达视频压缩方法研究,TN957.52
脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
一种多数据流聚类异常检测算法,TP311.13
基于图像的信息隐藏技术研究,TP309.7
基于DM6446与小波的图像压缩系统设计与实现,TP391.41
结合DWT的动态数据校正研究及应用,TP274
基于小波变换和马尔可夫链的流量预测模型,TP393.06
基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
基于离散小波变换的图像水印算法研究,TP309.7
沉积物岩心灰度图像处理技术及其在东海内陆架高分辨沉积记录中的应用,P736.21
脑部CT图像的压缩应用,TP391.41
一类工具加工痕迹的检验识别,TP391.41