受电弓是电气列车重要的受流装置,受电弓滑板磨耗程度影响着弓网之间的配合情况。对受电弓滑板磨耗故障的自动测量,是实现受电弓自动化检测的重要手段之一。根据视觉测量系统所拍摄的受电弓滑板图像的特点,利用基于部分面积作用的亚像素边缘定位算法,提出一种滑板上边缘和下边缘的精确识别算法。通过与其他常见边缘提取算法进行对比,证明了所提算法的可行性和优越性。

提出一种自动识别人体边缘物体的算法, 用于太赫兹人体安检系统的人体边缘物体成像的识别。原始图像经过二值化、滤波除噪、填充、形态学腐蚀膨胀等预处理算法后, 利用顺时针搜寻轮廓追踪算法标记图像轮廓坐标, 对轮廓上各坐标点使用圆形模板占空比检测以及非极小、非极大值抑制算法筛选出所有的凸点和凹点, 并根据相邻凸点和凹点组合特征及其横向距离约束实现边缘物体的识别。500幅测试图像实验结果表明: 该算法对边缘物体可实现快速识别, 误判率在2%以下; 通过调整算法参数, 可良好匹配安检系统的识别精度, 从而达到匹配于系统的分辨极限; 具有抗噪声能力强, 识别速度快, 识别精度高等优点。

提出了一种基于显微图像的微小尺寸零件复杂边缘识别算法。该算法通过对不同加工方法的边缘过渡区进行提取,建立边缘过渡区的多项式回归模型,然后从多项式模型中根据加工特性和零件的实际应用,利用求导的方法确定边缘点精确位置。实验结果表明:精研磨零级1 mm标准量块的测量误差为0.395 μm。通过对精研磨、冲压、线切割3种常见微细加工方法建模分析得出:加工特性对微小型结构件边缘区域影响较大,边缘精确识别时应考虑加工特性的影响。该算法在思想上考虑了实际加工特性的影响,算法上加入了统计学方法,通过建立过渡区数学模型使边缘检测结果达到亚像素级;而且识别的单像素宽,其连续的边缘能进一步满足精密测量的需要。

图像边缘识别是图像处理的重要组成。提出一种基于深度优先遍历的梯度分割算法，这种算法首先构造像素点的数据结构，然后从图像任意点出发，估算该点附近的像素点并获取梯度值，如果该点满足边缘点的特征，则从该点出发深度遍历寻找垂直于梯度方向上的边缘点，并标记访问过的点。如果该方向上没有满足条件的点则回退，从某个具有仅次于最大梯度值的方向继续遍历，并标记开始遍历的点为角点，直至遍历全图。该算法将图像的边缘点和角点明显地分割出来，便于识别，对带有不同类型的噪声图像进行处理也可取得较满意效果。