针对人脸测量时的抖动现象，设计了一种循环反向编码方法。该方法无需专门投影反向二值条纹辅助边缘点定位，减少了投影图案的数量。用循环的三帧条纹图像代替原本利用正反两帧条纹图像定位的方式，提高边缘点检测精度的同时能够有效消除定位偏差。实验表明，所提方法能够有效提高测量速度，同时保持较高的测量精度，减少点云中的运动波纹。

为提高微小零件亚像素级定位效果，采用改进爬山算法。将目标区域向外扩展获得调焦窗口跟踪漂移图像，边界由像距和视角决定；然后优化爬山搜索算法得到最优收敛解，二维图像信息熵构成调焦图像评价函数；改进Zernike矩算法，通过高阶矩的模代替边缘参数，减少了计算量，卷积窗口矩阵构成Zernike矩的差值，提高定位精确度；最后给出了算法流程。实验结果显示，改进Zernike矩偶模板比奇模板边缘亚像素定位误差小，相比空间矩算法、多项式拟合算法、Zernike矩算法、区域生长算法和模板匹配算法，对规则形状定位误差均值分别减少了43.24%,21.62%, 32.43%,27.03%和56.76%；对不规则形状定位误差均值分别减少了39.02%,20.15%,26.83%,24.39%和51.22%。本文算法定位精确度较高。

高精度、 快速非接触的平板玻璃零件的几何参数测量, 已成为相关生产领域的主要问题, 也是激光光谱学的一个重要应用方向。 平板玻璃零件几何参数的准确检测不仅有助于加工工艺的改进和产品装配精度的提高, 还可以实现按参数分档管理。 为实现微型石英敏感平板玻璃零件参数的精密测量, 提出了一种基于激光与视觉图像处理技术的多参数测量方法, 设计了由自适应同轴视觉检测单元和激光视觉厚度测量单元构成的测试系统。 为了保证其中的半导体激光器LD（laser diode）能提供稳定的光源, 设计了一种恒功率驱动控制系统。 在亚像素图像处理中给出了改进的亚像素边缘定位算法, 实现了二次曲线特征边缘亚像素精确定位。 利用检测出的曲线边缘点数据, 通过定义一个新的误差函数并最小化, 可以计算出微型石英敏感平板玻璃零件参数, 从而实现图像特征参数的精确提取。 在实验室条件下进行微型石英敏感平板玻璃零件几何参数的检测试验, 测量结果的平均偏差优于2 μm。 该方法稳定性好, 测量精度高, 满足微型石英敏感平板玻璃零件参数检测的精度要求。

基于机器视觉的钢坯侧面形状检测系统是由面阵CCD、激光发射器、激光接收器以及工控计算机等组成。通过面阵CCD拍摄到钢坯侧面图像，经过工业控制计算机进行数字图像处理分析和计算，提取钢坯侧面边缘高度和厚度，进而通过专用软件分析出钢坯头部和尾部的形状信息，从而有效地对入口钢坯翘头扣尾的异常状态发出报警信号。将异常信号传送给外围控制系统，以实现对钢坯的控制。

分析和比较了三种常见的基于矩的亚像素边缘定位方法,得出三种方法获取的边缘角度以及OFMM法与ZOM法获取的亚像素边缘相同的结论。提出了一种针对椭圆目标的亚像素边缘定位方法。在ROI提取和SOBEL算子初步检测边缘的基础上,利用初步获取的椭圆目标的几何信息,将参与计算的模板个数减少至一个,从而大大减少了运算时间,提高了算法的运算速度。同时实验结果表明,与其他基于矩的亚像素边缘定位方法相比,新方法不仅有更高的运算速度,而且精度和抗噪性能都有很大地提高。

成像过程中的CCD噪声将给图像测量结果带来误差,因此能否有效地抑制这些噪声是提高测量精度的关键。分析了CCD暗电流噪声和随机噪声的特性,并针对各自特性提出了相应的噪声标定技术以及抑制方法。结合精密图像测量任务,分别研究了暗电流噪声和随机噪声对一维边缘定位、结构光相移法相位提取的影响。通过仿真和实验,比较了噪声抑制前后的测量结果,结果表明,噪声抑制后边缘定位精度有很大的提高,证实了该CCD噪声标定技术和抑制方法的有效性和必要性。

图像的边缘定位是图像测量的关键之一，随着测量精度要求的提高，已由早期的像素级边缘定位发展到了现在的亚像素级边缘定位。根据地球在地球敏感器CCD阵面中的成像特性，提出了一种基于曲线拟合的亚像素边缘定位方法以获取地球“灼热圆盘”的边缘。该方法利用曲线拟合获得的拟合斜率以及灰度值来提取图像的边缘。仿真结果表明，采用曲线拟合亚像素边缘定位法可使图像的边缘定位精度达到百分之几个像素，具有较高的精度。

为了提高自准直仪的准确度,利用三次样条插值法对CCD像元进行细分,并利用直线边缘拟合法检测图像边缘.实验采取独立的测量手段,将自准直仪的实际转角和算法计算得到的角度值进行比较,分析其准确度.实验结果表明,该方法能明显提高自准直仪的准确度,准确度达到0.1角秒.

为满足高精度计量和方位瞄准跟踪系统的发展对激光CCD自准直仪测量精度的要求,提出一种基于正交傅里叶-梅林矩的激光CCD自准直仪圆目标中心抗噪声精确定位方法。首先利用正交傅里叶-梅林矩(OFMM)的幅值旋转不变性和更低径向矩阶数在充分提取图像边缘细节信息的同时抑制图像噪声的影响,通过对图像边缘旋转后垂直方向上不同阶次的正交傅里叶-梅林矩之间关系的分析将圆目标轮廓定位至亚像素级,然后采用最小二乘拟合方法实现圆目标中心的精确定位。结果表明,该方法稳定性好,定位精度高且抗干扰能力强,改进后的激光CCD自准直仪的测量分辨力提高了10倍,测量精度由2″提高到±0.18″,可有效满足在小角度测量和瞄准等领域的高精度测量需要。