本文選題：工件邊緣檢測 + 改進Canny算法��； 參考：《廣西大學(xué)學(xué)報(自然科學(xué)版)》2017年06期

【摘要】：為了使區(qū)域模板匹配定位能夠更準確地進行,需要機器視覺精準地檢測出工件邊緣信息,同時消除噪聲、偽邊緣等無關(guān)信息的干擾。針對采用Canny算法進行邊緣檢測時圖像平滑處理過度、閾值需要預(yù)先確定、對無關(guān)信息消除能力較弱等缺點,提出一種基于改進Canny算法的工件邊緣檢測方法。采用雙邊濾波方法處理圖像,以有效去除噪聲并保留邊緣信息;增加45°與135°方向的梯度模板計算梯度幅值,使更多的邊緣信息能夠檢測出來;運用最大類間方差法來確定Canny算法的高閾值,使邊緣檢測算法具有較強的自適應(yīng)能力。實驗結(jié)果表明,改進的算法能夠準確地檢測到真實邊緣,具備較強的自適應(yīng)性,特別是對存在劃痕的工件進行邊緣檢測時,此方法能夠消除劃痕干擾,其檢測效果優(yōu)于傳統(tǒng)Canny算法。
[Abstract]:In order to make the matching localization of the region template more accurate, it is necessary to detect the edge information of the workpiece accurately by machine vision, and to eliminate the interference of irrelevant information such as noise, pseudo-edge and so on. In view of the shortcomings of image smoothing processing when using Canny algorithm for edge detection, the threshold needs to be determined in advance, and the ability to eliminate irrelevant information is relatively weak, a workpiece edge detection method based on improved Canny algorithm is proposed. In order to effectively remove noise and retain edge information, the two-sided filtering method is used to process the image, and to increase the gradient template in the direction of 45 擄and 135 擄to calculate the gradient amplitude, so that more edge information can be detected. The maximum inter-class variance method is used to determine the high threshold of the Canny algorithm, which makes the edge detection algorithm have a strong adaptive ability. The experimental results show that the improved algorithm can detect the real edge accurately and has strong adaptability. Especially for the work piece with scratch, the method can eliminate the scratch interference. Its detection effect is better than the traditional Canny algorithm.
【作者單位】： 長春工業(yè)大學(xué)電氣與電子工程學(xué)院;
【基金】：吉林省中青年科技創(chuàng)新領(lǐng)軍人才及團隊項目(201505190009JH) 吉林省教育廳“十三五”科學(xué)技術(shù)研究項目(2016338)
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 張文琴,狄紅衛(wèi);一種基于小波和形態(tài)學(xué)的邊緣檢測方法[J];暨南大學(xué)學(xué)報(自然科學(xué)與醫(yī)學(xué)版);2004年05期

2 董冬;圖像邊緣檢測方法簡介[J];試驗技術(shù)與試驗機;2004年Z2期

3 薛文格;鄺天福;;圖像邊緣檢測方法研究[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年16期

4 謝可夫;周心一;許光平;;量子衍生圖像邊緣檢測方法[J];計算機工程與應(yīng)用;2008年30期

5 周恩明;薛方正;李楠;;一種簡單背景下的快速邊緣檢測方法[J];微計算機信息;2012年10期

6 趙慧;劉建華;梁俊杰;;5種常見邊緣檢測方法的比較分析[J];現(xiàn)代電子技術(shù);2013年06期

7 盛錦華;;一種非線性的圖象邊緣檢測方法[J];安徽大學(xué)學(xué)報(自然科學(xué)版);1992年03期

8 張紅英,吳斌,吳亞東;一種基于提升方案的邊緣檢測方法[J];計算機工程與科學(xué);2003年06期

9 王電化;一種降噪功能的邊緣檢測方法[J];咸寧學(xué)院學(xué)報;2004年03期

10 李昕,羅中良;基于小波分解的圖象邊緣檢測方法[J];西安航空技術(shù)高等專科學(xué)校學(xué)報;2005年03期

相關(guān)會議論文 前10條

1 伊?xí)詵|;趙慧;;建筑物立面影像邊緣檢測方法的研究[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

2 周飛;王晨升;;基于Canny算法的一種邊緣提取改進算法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

3 鄭瑩;李光耀;孫燮華;;基于擴展數(shù)學(xué)形態(tài)學(xué)的自適應(yīng)邊緣檢測方法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 王玉濤;苑瑋琦;程國輝;王師;;一種堆積顆粒圖像邊緣檢測方法[A];1998年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1998年

5 李欽弟;蔡利棟;;一種基于非線性灰度變換的弱邊緣檢測方法[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

6 辛大紅;;基于CUDA的圖像邊緣檢測方法[A];浙江省電子學(xué)會2008年學(xué)術(shù)年會論文集[C];2008年

7 孫紅星;王蓉;趙楠楠;徐心和;;基于小波提升和形態(tài)學(xué)的圖像邊緣檢測方法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

8 顧茂松;楊小岡;曹菲;繆棟;;基于局部差別的形態(tài)學(xué)邊緣檢測方法研究[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 孫靜;田建東;唐延?xùn)|;;靜態(tài)室內(nèi)圖像投影邊緣檢測方法研究[A];2010中國儀器儀表學(xué)術(shù)、產(chǎn)業(yè)大會（論文集1）[C];2010年

10 張雪;;計算機視覺系統(tǒng)中的圖像邊緣檢測方法[A];中國圖學(xué)新進展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年

相關(guān)碩士學(xué)位論文 前10條

1 黃婷婷;無人機自動巡線方法研究[D];沈陽理工大學(xué);2015年

2 丁遠遠;基于蟻群算法的圖像邊緣檢測方法研究[D];安徽大學(xué);2016年

3 趙倩;基于Mumford-Shah模型的邊緣檢測方法研究[D];華北電力大學(xué)(北京);2016年

4 肖曉;自然圖像的邊緣檢測方法研究[D];吉林大學(xué);2017年

5 楊海波;基于分數(shù)階次信號處理的新型邊緣檢測方法研究[D];南京航空航天大學(xué);2011年

6 張強勁;模糊框架下邊緣檢測方法的研究[D];重慶大學(xué);2006年

7 葉楓;基于灰度圖像的邊緣檢測方法研究[D];西北工業(yè)大學(xué);2003年

8 王康泰;灰度圖像邊緣檢測方法研究[D];浙江工商大學(xué);2007年

9 任文杰;圖像邊緣檢測方法的研究[D];山東大學(xué);2008年

10 程俊鑫;基于灰度圖像的邊緣檢測方法研究[D];太原理工大學(xué);2007年

，

本文編號：1938879