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与流程

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：
：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。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。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。这种算子利用二阶导数的过零点来检测边缘位置，所得边缘较细，不需要边缘细化，定位精确度也相应的得到了提高。我们在研究图像的边缘时，不可避免的会遇到噪声的干扰。用微分算子法可以检测图像的边缘同时也会检测到噪声，为了减少噪声的干扰，人们很自然地提出在进行边缘检测之前对图像进行适当的平滑滤波。基于这种思想mart和hildreth提出了log(laplacianofgaussian)算子。随着研究的进一步深入，后来cannyjf指出高斯函数的一阶导数可以近似为最优边缘检测算子，基于这种思想，提出canny算子，这种算子具有较理想的检测标准、定位标准和单响应标准。上述传统的边缘检测方法的检测精度最高只能达到一个像素级，但是，随着科学技术的飞速发展，工业检测等应用对精确度的要求不断提高，传统的像素级边缘检测方法已经不能满足实际测量的需要。红外图像边缘是目标检测和图像分割所依托的重要特征，利用红外图像边缘，将目标从复杂的背景和干扰中分离，进行目标定位、测量等技术得到了广泛推广与应用。在获取红外图像时，由于背景与目标的辐射强度不相关，背景在红外图像空间上呈现的是面积较大且连续分布的状态，而目标在红外图像空间中的灰度值一般高于背景的灰度值，体现在红外图像的边缘部分即为灰度不连续的点。此外，成像系统硬件噪声、外界干扰等因素，导致红外图像呈现出边缘不清晰、细节特征不明显等特点。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、伪边缘等现象。技术实现要素：技术问题：针对上述传统的边缘检测方法的缺陷，提出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，定位精度更高，稳定性更好。技术方案：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，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。进一步的，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。进一步的，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：进一步的，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)a′11＝a11ejφ(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：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：有益效果是，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。附图说明图1为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流程图；图2二维理想边缘模型；图3为钢直尺局部直线边缘图像。具体实施方式下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。如图1所示，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，包括如下步骤：步骤1：对采集的红外图像进行均值滤波，具体为：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，本专利选用3×3大小的滤波窗口。步骤2：用sobel算子进行边缘粗定位，再去除图像的小连通域，具体为：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：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，具体为：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)a′11＝a11ejφ(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：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：为验证本发明的技术问题，对本发明进行了实际成像实验。如图3所示，为将钢直尺通过加热产生红外辐射，用红外热像仪采集的钢直尺局部直线边缘图像，通过本发明专利提供的方法，得到表1：表1序号定位偏差10.3020.2930.3040.3150.3260.3070.3080.3090.31100.31由表3可见，其偏差都小于1，相较于最高只能达到一个像素级的传统边缘检测方法检测精度更高。以上所述仅是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12