为了在多噪声环境中精确提取激光条纹中心，采用改进的灰度权重模型, 提取激光条纹的亚像素中心。通过均值阈值法以及改进的灰度权重模型对3维激光成像系统采集的图像进行了处理，并与传统的算法进行对比。结果表明，该算法能够较为完整地提取激光条纹区域，并且其平均拟合相关系数为0.9809（最接近1），平均列坐标最大差值为0.4518pixel（最接近0）,平均变异系数为0.0062（最接近0）,相对其它方法具有更优的结果，能够抑制多噪声环境对于激光条纹提取的影响，精确提取激光条纹的亚像素中心，具有较好的鲁棒性。该算法为精确提取激光条纹的中心提供了参考。

针对激光条纹中心提取的复杂背景及噪声干扰问题，提出一种自适应双阈值分割方法及改进灰度权重模型。首先对光条图像的特征及噪声来源进行分析，并采用双边滤波进行图像预处理；然后通过图像灰度直方图计算双阈值，并采用双阈值分区域处理获取二值化图像，从而提取初始条纹中心及条纹宽度；最后利用改进灰度权重模型提取激光条纹亚像素中心。将双阈值分割方法及改进灰度权重模型与传统算法进行对比，结果表明：双阈值分割方法较极值法、大津法能更加准确完整地提取激光条纹区域。对比提取的亚像素中心残差值，改进灰度权重模型 (0.23)较灰度重心法 (0.71)、极值法 (0.86)、高斯拟合法 (0.86)具有更优结果。本文方法能有效避免复杂背景以及激光条纹法线方向噪声的影响，提高中心定位精度，具有较高的抗噪能力与稳健性，适用于复杂背景下快速、精确的光条中心提取。

针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题, 提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声, 采用平均法和中值滤波预处理图像; 利用迭代阈值分割及形态学方法, 获取条纹目标, 引入距离变换提取条纹的像素级中心; 根据像素级中心、二值信息及光强灰度, 结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下, 相邻行条纹中心列坐标最大偏差值像素小于2 , 平均偏差像素值约为0.3, 与传统方法相比, 2项指标值更小。实验结果表明, 算法有效利用条纹灰度分布规律, 可降低噪声对中心定位精度的影响, 更逼近条纹真实中心位置, 抗噪能力极强。

椭圆检测是机器视觉和模式识别的基本任务。首先在椭圆中心初定位阶段, 通过参数空间的少量投票, 依据均值漂移技术获取粗略的椭圆中心, 然后再由精提策略实现椭圆中心的精确像素级定位, 并采用插值方法进一步获取椭圆中心亚像素坐标。仿真及真实图像的实验结果表明, 所提出的方法同时具备了椭圆检测的鲁棒性和中心定位的精确性。