毕业论文课题相关文献综述
文 献 综 述
1. 亚像素的介绍和应用现状
图像测量是近年来在测量领域形成的新的测量技术。它广泛应用于几何量的尺寸测量、航空遥感测量、精密复杂零件的微尺寸测量和形貌三维检测，以及光波干涉图、应力应变场状态分布图等和图像有关的技术领域中。所谓图像测量就是把被测对象的图像当作检测和传递信息的手段或载体加以利用的测量方法，其目的就是从图像中提取有用的信号，图像测量的一个重要课题就是正确地处理图像，获得被测对象的准确信息。
边缘是图像的一个基本特征，对边缘的检测一直是图像处理技术中非常重要的问题。传统的边缘检测算子，通常对噪声比较敏感，且检测一般为像素级，精度较低。而在许多实际应用中，要求检测出的图像边缘达到亚像素级。例如，在计算机视觉测量领域，被测件边缘点的精度往往直接影响到整个测量结果的精度，因此，研究图像的亚像素边缘检测算法有着重要的实际意义。国内外很多学者对该问题进行了广泛的研究，提出了很多亚像素边缘检测方法 。
亚像素边缘检测方法是指在硬件条件一定的情况下，用软件的方法来提高边缘的定位精度，使边缘能定位到像素内部更精确的位置。目前学术界对亚像素边缘检测尚无统一的定义，一般可以理解为一种提高边缘定位精度的方法，或者是一种可以使分辨率小于一个像素的图像处理技术。目前研究的亚像素边缘检测算法，大致可以归纳为3种类型：矩方法、插值法和拟合法 。
2. 亚像素边缘现有提取算法的介绍
图像测量系统的测量原理是通过处理被测物体图像的边缘而获得物体的几何参数。可见在图像测量系统中，图像边缘提取是测量的基础和关键。早期常用像素级边缘提取方法，主要是一些经典的边缘提取算子算法 一般的图像边缘检测与定位算法是基于微分技术的，如Lapl aci an算子、Sobel 算子和LOG算子等，然而它们的边缘检测和定位精度仅能达到一个像素的度，并且微分算子对于噪声非常敏感，常会产生伪边缘等。亚像素边缘检测与定位问题因此受到广泛注意。目前已有许多亚像素的边缘提取方法，如插值法、多项式拟合法、几何矩法、空间矩法等，这些方法大多存在原理误差或计算量大、抗噪性能差等缺点 。随着测量精度要求的提高，像素级精度已经不能满足实际测量的要求，因此需要更高精度的边缘提取算法，即亚像素算法。亚像素级精度的算法是在经典算法的基础上发展起来的，这些算法需先用经典算法找出边缘像素的位置，然后使用周围像素的灰度值作为判断的补充信息，使边缘定位于更加精确位置。最早应用的亚像素算法是重心法，后来又发展了应用不同原理的其它亚像素提取算法，如概论法、解调测量法、多项式插值法、滤波重建法以及矩法等。这些算法的精度和抗噪声能力都不相同，其中以重心法的计算最简单，滤波重建法的精度最高，矩法对输入数据中的加性噪声和乘性噪声不敏感 。
在视觉检测系统中, 亚像素边缘的检测和定位精度是其最终测量精度的关键, 国内外很多学者对该题进行了广泛的研究, 提出了很多边缘检测的方法, 主要分为: (1) 在梯度升降一升的区域内插值确定位置; (2) 利用边缘点邻域灰度分布的矩估计拟合边缘; (3) 借助假设边缘的最小二乘法。并且有很多学者也对各种算法作了对比研究, 但大多使用的评价图像是水平或者垂直的直线边缘, 与实际图像的边缘相差甚远, 对算法的评价有失公允 。
3. 基于小波变换的亚像素边缘提取算法的检测原理
小波变换是一种多尺度几何分析方法，它既可以分析图像的基本信息，又可以分析图像的细节 。小波分析是一种多分辨率分析，它能在时频两域突出信号的局部特征，现已广泛运用于去噪和边缘检测等图像处理领域。但是目前基于小波变换的边缘提取，其定位精度仅能达到像素级，很难满足高精度测量领域的要求 。
小波变换模极大值边缘检则原理：一维小波函数表示如下：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
