CN104949621A - 一种光栅尺条纹的边界定位方法 - Google Patents
一种光栅尺条纹的边界定位方法 Download PDFInfo
- Publication number
- CN104949621A CN104949621A CN201510305025.7A CN201510305025A CN104949621A CN 104949621 A CN104949621 A CN 104949621A CN 201510305025 A CN201510305025 A CN 201510305025A CN 104949621 A CN104949621 A CN 104949621A
- Authority
- CN
- China
- Prior art keywords
- projective histogram
- vertical projective
- array
- value
- grating scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种光栅尺条纹的边界定位方法,包括:对光栅尺条纹图像进行灰度变换后,计算获得的灰度图像的垂直投影直方图;采用EMD算法分解垂直投影直方图,计算其趋势线;获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合,将索引号集合结合初始像素位置及终点像素位置生成索引数组;计算索引数组中任意两个相邻元素的平均值,建立平均值数组;将平均值数组中的相邻两个数值作为一个区间,计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,将获得的像素位置作为光栅尺条纹图像的边缘位置。本发明操作简单,实现方式简单,鲁棒性强、准确率高且运算速度快,可广泛应用于数字图像处理领域中。
Description
技术领域
本发明涉及数字图像处理应用领域,特别是一种光栅尺条纹的边界定位方法。
背景技术
名词解释:
EMD:Empirical Mode Decomposition,经验模态分解,将复杂信号分解为有限个本征模函数(Intrinsic Mode Function,简称IMF)分量,所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。
在数控机床中,对绝对光栅尺编码器应用光栅尺条纹图像的边缘定位技术,从而获取物体当前的位置。由于光照以及尘埃的影响,传感器采集到的光栅尺条纹图片往往会出现不同程度的退化,比如:光栅尺条纹光照不均,含有高噪声,不同光栅尺条纹图片的打光亮暗程度不一,另外还存在光栅尺条纹发生一定角度倾斜的问题等等,这些问题使得光栅尺条纹图像的边缘定位变得相当困难。
已有的研究者提出了一些条纹图像的边缘定位方法,传统的canny边缘提取,SRM,Ncut等方法并不适用于该类条纹的图像处理,因为难以克服高噪声的影响;针对具体的工程应用,现有技术中出现了通过对比度拉伸后,采用峰谷阈值法将图像二值化,然后统计每一列黑白像素点个数,如果黑色像素点多于白色该列定为黑色,否则,定义为白色。该方法在理论上是合理且高效的,但是实际图像因光照与噪声的影响,对于二值化的图像直接采用黑白像素点个数对比的方法容易使得边缘位置发生偏移,使得亮暗条纹宽度偏离实际宽度,从而影响解码出来的光栅尺条纹位置,影响数控机床的精度。总的来说,目前还没出现比较有效的对光栅尺条纹图像进行边缘提取的方法,无法满足光栅尺编码器的测量应用需求。
发明内容
为了解决上述的技术问题,本发明的目的是提供一种光栅尺条纹的边界定位方法。
本发明解决其技术问题所采用的技术方案是:
一种光栅尺条纹的边界定位方法,包括:
S1、对光栅尺条纹图像进行灰度变换后,计算获得的灰度图像的垂直投影直方图;
S2、采用EMD算法分解垂直投影直方图,进而计算垂直投影直方图的趋势线;
S3、获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合,进而将索引号集合结合初始像素位置及终点像素位置生成索引数组;
S4、计算索引数组中任意两个相邻元素的平均值,建立平均值数组;
S5、将平均值数组中的相邻两个数值作为一个区间,计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置。
进一步,所述步骤S1,其具体为:
对维数为M*N的光栅尺条纹图像进行灰度变换后,根据下式计算获得的灰度图像的垂直投影直方图:
上式中,M表示灰度图像的行数,N表示灰度图像的列数,i,j为自然数,gij表示灰度图像的第i行j列的灰度值,P(j)表示垂直投影直方图的第j个元素的值。
进一步,所述步骤S2,其具体为:
采用EMD算法将垂直投影直方图分解为多个本征模函数分量,进而将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线。
进一步,所述步骤S2,包括:
S21、根据下式,采用EMD算法将垂直投影直方图分解为多个本征模函数分量:
上式中,P表示垂直投影直方图,i为自然数,ci表示EMD分解后的第i个本征模函数分量,num表示分解的本征模函数分量的总个数,r表示残差;
S22、根据下式,将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线:
T=cnum+r
上式中,cnum表示EMD分解后获得的最后一个本征模函数分量,T表示垂直投影直方图的趋势线。
进一步,所述步骤S3,包括:
S31、根据下式,获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合:
V={j|P(j)=T(j),j=1,2,…,N}
上式中,P表示垂直投影直方图,T表示垂直投影直方图的趋势线,N表示灰度图像的列数,P(j)表示垂直投影直方图的第j个元素的值,T(j)表示趋势线的第j个元素的值,V表示索引号集合;
S32、将索引号集合结合初始像素位置及终点像素位置生成索引数组:
其中,V1(k)表示索引数组的第k个元素,Len=length(V),表示索引号集合的元素个数,V(k-1)表示索引号集合的第k-1个元素。
进一步,所述步骤S4,其具体为:
根据下式计算索引数组中任意两个相邻元素的平均值,建立平均值数组:
其中,Mid表示平均值数组,Mid(i)表示平均值数组的第i个元素的值,V1(i)表示索引数组的第i个元素的值,L表示索引数组的元素个数。
进一步,所述步骤S5,其具体为:
将平均值数组中的相邻两个数值作为一个区间,根据下式计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置:
上式中,P"表示垂直投影直方图的二阶导数,Mid(i)表示平均值数组的第i个元素的值,Mid(i+1)表示平均值数组的第i+1个元素的值,j*表示区间[mid(i),mid(i+1)]里,垂直投影直方图的二阶导数的最大值所对应的像素位置。
进一步,所述垂直投影直方图的二阶导数为:
上式中,P(j)表示垂直投影直方图的第j个元素的值,j=1,2,…,N,N表示灰度图像的列数。
本发明的有益效果是:本发明的一种光栅尺条纹的边界定位方法,包括:S1、对光栅尺条纹图像进行灰度变换后,计算获得的灰度图像的垂直投影直方图;S2、采用EMD算法分解垂直投影直方图,进而计算垂直投影直方图的趋势线;S3、获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合,进而将索引号集合结合初始像素位置及终点像素位置生成索引数组;S4、计算索引数组中任意两个相邻元素的平均值,建立平均值数组;S5、将平均值数组中的相邻两个数值作为一个区间,计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置。本方法操作简单,实现方式简单,鲁棒性强、准确率高且运算速度快,可快速、准确地对光栅尺图像进行边缘提取定位。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明的一种光栅尺条纹的边界定位方法的流程图;
图2是本发明的一种光栅尺条纹的边界定位方法中获得的垂直投影直方图和趋势线的示意图;
图3是本发明的一种光栅尺条纹的边界定位方法的边缘定位结果图。
具体实施方式
参照图1,本发明提供了一种光栅尺条纹的边界定位方法,包括:
S1、对光栅尺条纹图像进行灰度变换后,计算获得的灰度图像的垂直投影直方图;这里,垂直投影直方图也指灰度投影直方图;
S2、采用EMD算法分解垂直投影直方图,进而计算垂直投影直方图的趋势线;
S3、获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合,进而将索引号集合结合初始像素位置及终点像素位置生成索引数组;
S4、计算索引数组中任意两个相邻元素的平均值,建立平均值数组;
S5、将平均值数组中的相邻两个数值作为一个区间,计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置。
进一步作为优选的实施方式,所述步骤S1,其具体为:
对维数为M*N的光栅尺条纹图像进行灰度变换后,根据下式计算获得的灰度图像的垂直投影直方图:
上式中,M表示灰度图像的行数,N表示灰度图像的列数,i,j为自然数,gij表示灰度图像的第i行j列的灰度值,P(j)表示垂直投影直方图的第j个元素的值。
进一步作为优选的实施方式,所述步骤S2,其具体为:
采用EMD算法将垂直投影直方图分解为多个本征模函数分量,进而将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线,参照图2所示。
进一步作为优选的实施方式,所述步骤S2,包括:
S21、根据下式,采用EMD算法将垂直投影直方图分解为多个本征模函数分量:
上式中,P表示垂直投影直方图,i为自然数,ci表示EMD分解后的第i个本征模函数分量,num表示分解的本征模函数分量的总个数,r表示残差;
S22、根据下式,将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线:
T=cnum+r
上式中,cnum表示EMD分解后获得的最后一个本征模函数分量,T表示垂直投影直方图的趋势线。
进一步作为优选的实施方式,所述步骤S3,包括:
S31、根据下式,获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合:
V={j|P(j)=T(j),j=1,2,…,N}
上式中,P表示垂直投影直方图,T表示垂直投影直方图的趋势线,N表示灰度图像的列数,P(j)表示垂直投影直方图的第j个元素的值,T(j)表示趋势线的第j个元素的值,V表示索引号集合;
S32、将索引号集合结合初始像素位置及终点像素位置生成索引数组:
其中,V1(k)表示索引数组的第k个元素,Len=length(V),表示索引号集合的元素个数,V(k-1)表示索引号集合的第k-1个元素。
进一步作为优选的实施方式,所述步骤S4,其具体为:
根据下式计算索引数组中任意两个相邻元素的平均值,建立平均值数组:
其中,Mid表示平均值数组,Mid(i)表示平均值数组的第i个元素的值,V1(i)表示索引数组的第i个元素的值,L表示索引数组的元素个数。
进一步作为优选的实施方式,所述步骤S5,其具体为:
将平均值数组中的相邻两个数值作为一个区间,根据下式计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置:
上式中,P"表示垂直投影直方图的二阶导数,Mid(i)表示平均值数组的第i个元素的值,Mid(i+1)表示平均值数组的第i+1个元素的值,j*表示区间[mid(i),mid(i+1)]里,垂直投影直方图的二阶导数的最大值所对应的像素位置。
进一步作为优选的实施方式,所述垂直投影直方图的二阶导数为:
上式中,P(j)表示垂直投影直方图的第j个元素的值,j=1,2,…,N,N表示灰度图像的列数。
以下结合具体实施例对本发明做详细说明。
参照图1,一种光栅尺条纹的边界定位方法,包括:
S1、对光栅尺条纹图像进行灰度变换后,计算获得的灰度图像的垂直投影直方图,具体为:对维数为M*N的受光照与高噪声影响的光栅尺条纹图像进行灰度变换后,根据下式计算获得的灰度图像的垂直投影直方图:
上式中,M表示灰度图像的行数,N表示灰度图像的列数,i,j为自然数,gij表示灰度图像的第i行j列的灰度值,P(j)表示垂直投影直方图的第j个元素的值。
S2、采用EMD算法将垂直投影直方图分解为多个本征模函数分量(IMF),进而将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线。
步骤S2具体包括步骤S21和S22:
S21、根据下式,采用EMD算法将垂直投影直方图分解为多个本征模函数分量:
上式中,P表示垂直投影直方图,i为自然数,ci表示EMD分解后的第i个本征模函数分量,num表示分解的本征模函数分量的总个数,r表示残差;
S22、根据下式,将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线:
T=cnum+r
上式中,cnum表示EMD分解后获得的最后一个本征模函数分量,T表示垂直投影直方图的趋势线。
参照图2所示,图2中波动大且波峰多的曲线为垂直投影直方图图,变化较为平缓的曲线为EMD分解后计算获得的该垂直投影直方图图的趋势线。
S3、获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合,进而将索引号集合结合初始像素位置及终点像素位置生成索引数组。步骤S3包括步骤S31和S32:
S31、根据下式,获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合:
V={j|P(j)=T(j),j=1,2,…,N}
上式中,T(j)表示趋势线的第j个元素的值,V表示索引号集合;
S32、将索引号集合结合初始像素位置及终点像素位置生成索引数组:
其中,V1(k)表示索引数组的第k个元素,Len=length(V),表示索引号集合的元素个数,V(k-1)表示索引号集合的第k-1个元素。
参照图2所示,本步骤中垂直投影直方图与其趋势线相等时的所有像素位置是指图2中垂直投影直方图与其趋势线相交时的所有交点的像素位置,每个像素位置相当于一个索引号,因此将获得的所有像素位置建立索引号集合。
S4、根据下式计算索引数组中任意两个相邻元素的平均值,建立平均值数组:
其中,Mid表示平均值数组,Mid(i)表示平均值数组的第i个元素的值即索引数组V1相邻两分量的平均值,V1(i)表示索引数组V1的第i个元素的值,L表示索引数组V1的元素个数。表示向下取整运算。
S5、将平均值数组中的相邻两个数值作为一个区间,根据下式计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置:
上式中,P"表示垂直投影直方图的二阶导数,Mid(i)表示平均值数组的第i个元素的值,Mid(i+1)表示平均值数组的第i+1个元素的值,j*表示区间[mid(i),mid(i+1)]里,垂直投影直方图的二阶导数的最大值所对应的像素位置。
其中,垂直投影直方图的二阶导数为:
上式中,P(j)表示垂直投影直方图的第j个元素的值,j=1,2,…,N,N表示灰度图像的列数。
本实施例中,建立 RP表示光栅尺条纹图像的所有边缘位置的像素位置集合,在本实施例获得RP后,可以在原图中用红线显示标识的边缘位置,如图3所示。
本发明针对目前因光照问题及噪声问题退化的光栅尺图像边缘提取所存在的问题,采用EMD算法分解光栅尺图像的垂直投影直方图,提取获得垂直投影直方图的趋势线,并记录垂直投影直方图和趋势线的交点的像素位置作为索引号,最后生成索引数组,然后取两相邻的索引号的中点为一区间,在每一个区间里找到垂直投影直方图的二阶导数的最大值对应的像素位置,即得到条纹边缘位置。本方法操作简单,方便实用,适应性强、准确率高且运算速度快,可快速、准确地对光栅尺图像进行边缘提取定位,尤其适用于对光照不均并含高噪声的光栅尺条纹图像进行边缘定位。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种光栅尺条纹的边界定位方法,其特征在于,包括:
S1、对光栅尺条纹图像进行灰度变换后,计算获得的灰度图像的垂直投影直方图;
S2、采用EMD算法分解垂直投影直方图,进而计算垂直投影直方图的趋势线;
S3、获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合,进而将索引号集合结合初始像素位置及终点像素位置生成索引数组;
S4、计算索引数组中任意两个相邻元素的平均值,建立平均值数组;
S5、将平均值数组中的相邻两个数值作为一个区间,计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置。
2.根据权利要求1所述的一种光栅尺条纹的边界定位方法,其特征在于,所述步骤S1,其具体为:
对维数为M*N的光栅尺条纹图像进行灰度变换后,根据下式计算获得的灰度图像的垂直投影直方图:
上式中,M表示灰度图像的行数,N表示灰度图像的列数,i,j为自然数,gij表示灰度图像的第i行j列的灰度值,P(j)表示垂直投影直方图的第j个元素的值。
3.根据权利要求1所述的一种光栅尺条纹的边界定位方法,其特征在于,所述步骤S2,其具体为:
采用EMD算法将垂直投影直方图分解为多个本征模函数分量,进而将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线。
4.根据权利要求3所述的一种光栅尺条纹的边界定位方法,其特征在于,所述步骤S2,包括:
S21、根据下式,采用EMD算法将垂直投影直方图分解为多个本征模函数分量:
上式中,P表示垂直投影直方图,i为自然数,ci表示EMD分解后的第i个本征模函数分量,num表示分解的本征模函数分量的总个数,r表示残差;
S22、根据下式,将分解获得的最后一个本征模函数分量与残差求和作为垂直投影直方图的趋势线:
T=cnum+r
上式中,cnum表示EMD分解后获得的最后一个本征模函数分量,T表示垂直投影直方图的趋势线。
5.根据权利要求1所述的一种光栅尺条纹的边界定位方法,其特征在于,所述步骤S3,包括:
S31、根据下式,获取垂直投影直方图与其趋势线相等时的所有像素位置并建立索引号集合:
V={j|P(j)=T(j),j=1,2,…,N}
上式中,P表示垂直投影直方图,T表示垂直投影直方图的趋势线,N表示灰度图像的列数,P(j)表示垂直投影直方图的第j个元素的值,T(j)表示趋势线的第j个元素的值,V表示索引号集合;
S32、将索引号集合结合初始像素位置及终点像素位置生成索引数组:
其中,V1(k)表示索引数组的第k个元素,Len=length(V),表示索引号集合的元素个数,V(k-1)表示索引号集合的第k-1个元素。
6.根据权利要求1所述的一种光栅尺条纹的边界定位方法,其特征在于,所述步骤S4,其具体为:
根据下式计算索引数组中任意两个相邻元素的平均值,建立平均值数组:
其中,Mid表示平均值数组,Mid(i)表示平均值数组的第i个元素的值,V1(i)表示索引数组的第i个元素的值,L表示索引数组的元素个数。
7.根据权利要求1所述的一种光栅尺条纹的边界定位方法,其特征在于,所述步骤S5,其具体为:
将平均值数组中的相邻两个数值作为一个区间,根据下式计算获得垂直投影直方图的二阶导数在每个区间中的最大值所对应的像素位置,进而将获得的像素位置作为光栅尺条纹图像的边缘位置:
上式中,P"表示垂直投影直方图的二阶导数,Mid(i)表示平均值数组的第i个元素的值,Mid(i+1)表示平均值数组的第i+1个元素的值,j*表示区间[mid(i),mid(i+1)]里,垂直投影直方图的二阶导数的最大值所对应的像素位置。
8.根据权利要求7所述的一种光栅尺条纹的边界定位方法,其特征在于,所述垂直投影直方图的二阶导数为:
上式中,P(j)表示垂直投影直方图的第j个元素的值,j=1,2,…,N,N表示灰度图像的列数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510305025.7A CN104949621B (zh) | 2015-06-04 | 2015-06-04 | 一种光栅尺条纹的边界定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510305025.7A CN104949621B (zh) | 2015-06-04 | 2015-06-04 | 一种光栅尺条纹的边界定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104949621A true CN104949621A (zh) | 2015-09-30 |
CN104949621B CN104949621B (zh) | 2017-08-29 |
Family
ID=54164473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510305025.7A Active CN104949621B (zh) | 2015-06-04 | 2015-06-04 | 一种光栅尺条纹的边界定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104949621B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105758312A (zh) * | 2016-04-07 | 2016-07-13 | 广东工业大学 | 一种绝对式光栅尺及其条纹边界定位方法 |
CN105844280A (zh) * | 2016-03-22 | 2016-08-10 | 杨敏 | 线条工具痕迹图像中线条精确定位与提取方法 |
CN108333617A (zh) * | 2018-01-12 | 2018-07-27 | 山东省科学院海洋仪器仪表研究所 | 一种海水中放射性物质检测的快速寻峰方法 |
CN110672645A (zh) * | 2019-09-05 | 2020-01-10 | 长江存储科技有限责任公司 | 半导体结构的边界特征提取方法及其装置 |
CN115018737A (zh) * | 2022-08-04 | 2022-09-06 | 四川迪晟新达类脑智能技术有限公司 | 一种红外热像增强方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847782A (zh) * | 2006-03-29 | 2006-10-18 | 东南大学 | 基于光栅投影的二维图像区域定位方法 |
CN101872425A (zh) * | 2010-07-29 | 2010-10-27 | 哈尔滨工业大学 | 基于经验模态分解获取图像特征并测量相应物理参数方法 |
CN102628676A (zh) * | 2012-01-19 | 2012-08-08 | 东南大学 | 一种光学三维测量中的自适应窗口傅里叶相位提取法 |
CN102663709A (zh) * | 2012-04-28 | 2012-09-12 | 大连海事大学 | 一种x射线冠脉造影图像血管增强方法 |
CN103455993A (zh) * | 2013-09-30 | 2013-12-18 | 电子科技大学 | 一种自动视觉检测中基于光栅定位的二维图像拼接方法 |
-
2015
- 2015-06-04 CN CN201510305025.7A patent/CN104949621B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847782A (zh) * | 2006-03-29 | 2006-10-18 | 东南大学 | 基于光栅投影的二维图像区域定位方法 |
CN101872425A (zh) * | 2010-07-29 | 2010-10-27 | 哈尔滨工业大学 | 基于经验模态分解获取图像特征并测量相应物理参数方法 |
CN102628676A (zh) * | 2012-01-19 | 2012-08-08 | 东南大学 | 一种光学三维测量中的自适应窗口傅里叶相位提取法 |
CN102663709A (zh) * | 2012-04-28 | 2012-09-12 | 大连海事大学 | 一种x射线冠脉造影图像血管增强方法 |
CN103455993A (zh) * | 2013-09-30 | 2013-12-18 | 电子科技大学 | 一种自动视觉检测中基于光栅定位的二维图像拼接方法 |
Non-Patent Citations (2)
Title |
---|
LIANG L F, PING Z L.: "An edge detection algorithm of image based on empirical mode decomposition", 《INTELLIGENT INFORMATION TECHNOLOGY APPLICATION》 * |
胡维平 等: "经验模态分解中多种边界处理方法的比较研究", 《电子与信息学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844280A (zh) * | 2016-03-22 | 2016-08-10 | 杨敏 | 线条工具痕迹图像中线条精确定位与提取方法 |
CN105844280B (zh) * | 2016-03-22 | 2019-03-08 | 杨敏 | 线条工具痕迹图像中线条精确定位与提取方法 |
CN105758312A (zh) * | 2016-04-07 | 2016-07-13 | 广东工业大学 | 一种绝对式光栅尺及其条纹边界定位方法 |
CN105758312B (zh) * | 2016-04-07 | 2018-10-19 | 广东工业大学 | 一种绝对式光栅尺及其条纹边界定位方法 |
CN108333617A (zh) * | 2018-01-12 | 2018-07-27 | 山东省科学院海洋仪器仪表研究所 | 一种海水中放射性物质检测的快速寻峰方法 |
CN108333617B (zh) * | 2018-01-12 | 2019-06-25 | 山东省科学院海洋仪器仪表研究所 | 一种海水中放射性物质检测的快速寻峰方法 |
CN110672645A (zh) * | 2019-09-05 | 2020-01-10 | 长江存储科技有限责任公司 | 半导体结构的边界特征提取方法及其装置 |
CN115018737A (zh) * | 2022-08-04 | 2022-09-06 | 四川迪晟新达类脑智能技术有限公司 | 一种红外热像增强方法及装置 |
CN115018737B (zh) * | 2022-08-04 | 2023-02-21 | 四川迪晟新达类脑智能技术有限公司 | 一种红外热像增强方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104949621B (zh) | 2017-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104949621A (zh) | 一种光栅尺条纹的边界定位方法 | |
DE112012001243B4 (de) | Verfahren zum Messen von Tiefenwerten in einer Szene | |
CN103871062B (zh) | 一种基于超像素描述的月面岩石检测方法 | |
CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN103426184A (zh) | 一种光流跟踪方法和装置 | |
CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
CN105574533B (zh) | 一种图像特征提取方法和装置 | |
CN104915963A (zh) | 一种用于plcc元件的检测与定位方法 | |
CN101465002A (zh) | 椭圆目标的亚像素边缘定位方法 | |
CN104050642B (zh) | 彩色图像复原方法 | |
CN104268853A (zh) | 一种红外图像与可见光图像配准方法 | |
CN101504770B (zh) | 一种结构光光条中心的提取方法 | |
CN113988112B (zh) | 车道线的检测方法、装置、设备及存储介质 | |
CN106909869B (zh) | 一种矩阵式二维码的采样网格划分方法及装置 | |
CN105261031A (zh) | 基于梯度计算的直线检测方法及装置 | |
WO2017214735A1 (en) | Systems and methods for obtaining a structured light reconstruction of a 3d surface | |
CN101650828A (zh) | 摄像机标定中减少圆形目标定位随机误差的方法 | |
CN106340010A (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN106709952B (zh) | 一种显示屏幕的自动标定方法 | |
CN103116890B (zh) | 一种基于视频图像的智能搜索匹配方法 | |
CN104657737A (zh) | 基于聚类对qr二维码图像进行校正的方法和装置 | |
Shapiro | Accuracy of the straight line Hough Transform: The non-voting approach | |
CN108764343B (zh) | 一种跟踪算法中的跟踪目标框的定位方法 | |
CN103411562B (zh) | 一种基于动态规划和均值漂移的结构光光条中心提取方法 | |
CN102629369B (zh) | 一种基于照度表面建模的单幅彩色图像阴影去除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190415 Address after: 523000 No. 39 Xiangshan Middle Road, Xiangshan Industrial Park, Dalang Town, Dongguan City, Guangdong Province Patentee after: Guangdong Rational Precision Instrument Co.,ltd. Address before: 510006 Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong 729 Patentee before: Guangdong University of Technology |
|
TR01 | Transfer of patent right |