论文部分内容阅读
SLM(Stereo Light Microscope)显微立体视觉系统在微观研究领域得到广泛应用,通过视觉反馈可实现高精度的三维测量和定位。对于视觉系统来说,影响精度的因素主要有图像噪声、系统分辨率和几何畸变。针对这三个因素,本文研究了SLM显微图像的噪声处理和亚像素特征提取。 图像在成像和传输过程中不可避免地受到噪声的干扰,使图像灰度产生畸变。根据SLM显微立体视觉系统各组成部分的光学或电子特性,分析了SLM显微图像的噪声源,并建立描述图像信号和噪声关系的图像模型。根据噪声属性,将噪声分为随机噪声和非均匀性噪声。针对随机噪声,基于向量的1-范数和2-范数距离和排序,结合均值滤波,建立了一种向量中值滤波算法。并且,综合各种有效的加速算法提出了一种快速算法,使滤波速度提高了76.3%～93.4%。通过实验验证了该算法的优秀滤波性能和高效率性。针对非均匀性噪声,建立了两种基于非均匀性标定的校正方法。在平均标定法的基础上引入向量中值滤波以改善标定精度,在拟合标定过程中采用迭代法提高拟合精度,从而建立了两种标定方法。通过实验分析了对SLM显微图像进行非均匀性校正的必要性,并验证了两种标定方法的准确性。通过噪声处理,提高了图像质量,为后续的分析和处理技术奠定基础。 亚像素定位技术是提高视觉系统分辨率的软件方法。考虑SLM显微图像的特征和图像的彩色信息,在HSI彩色空间和向量空间的基础上,提出了两种基于小波变换的边缘检测算法。在像素级边缘的邻域,采用三次样条函数拟合小波变换模值,并根据拟合曲线的一阶导数零交叉点,获取精确的亚像素边缘位置。实验证明,两种算法都能较好地滤除噪声,检测出完整的亚像素边缘,且检测结果非常相近。对于被椒盐比例为0～0.15的脉冲噪声污染的图像,位置误差为0～0.23像素;而对于被标准差为0～60的高斯噪声污染的图像,位置误差为0～0.16像素。作为亚像素边缘检测算法的一个应用实例,针对平面网状标定样板,建立了一种提取高精度图像特征的方法。该方法经过亚像素边缘检测和边缘跟踪等步骤,能够获得精确的图像特征。对于被椒盐比例为0～0.15的脉冲噪声污染的图像,位置误差为0.052～0.11像素;而对于被标准差为0～60的高斯噪声污染的图像,位置误差为0.052～0.086像素。