[发明专利]Zernike矩对曲线边缘高精度定位的修正方法

说明书

技术领域

本发明涉及一种工业CT定量化图像处理方法，尤其是涉及一种基于Zernike矩的曲线边缘高精度定位方法。

背景技术

工业CT(Industry Computerized Tomography)广泛应用于航空、航天、汽车等工业精密工件内部结构的测量及其缺陷检测领域。工业CT图像尺寸测量方法是一种以工业CT图像为信息载体并从中提取定量数据的测量方法，它以工业CT断层图像为研究对象，计算目标的长度、宽度、高度、壁厚等各种几何参数。与其它测量方法相比，其既能测得实体复杂的内部几何形状(尤其是封闭内腔)的参数，又不破坏实体。

目前，图像几何参数测量发展迅速，其测量的高精度一直是追求的目标。现有技术中先采用传统算子提取像素级边缘，初步确定椭圆参数再采用三级灰度矩和曲率不变原理提取亚像素最后通过最小二乘拟合确定椭圆参数(参见周拥军，寇新建.基于矩和曲率保持的圆形标志精确量测.武汉大学学报：信息科学版，2009，34(2)：203-206.)，这种方法考虑了边缘领域的灰度分布和几何特性，较像素级算子提高了测量精度，但亦有缺陷，其测量精度受到灰度矩边缘检测的局限且需要求矩和超越方程，测量时间较长。

现有技术中基于空间矩的圆标记中心亚像素定位算法(参见郭玉波，姚郁，遆晓光.基于空间矩的圆标记中心亚像素定位算法.吉林大学学报：工学版，2009，39(1)：160-163.)通过改进的空间矩圆形边缘模板进行边缘检测，再通过拟合方法确定圆参数，该测量方法重新推导了空间距的边缘模型，使其适用于圆形边缘的边缘检测，但亦存在不足，其测量精度受到空间矩边缘检测的局限且需要计算六个矩模板和迭代求解非线性方程组，耗时较长。

Ghosal和Mehrotal在空间矩方法基础上首次提出了利用Zernike正交矩来检测亚像素边缘(参见Ghosal S,Mehrotra R.Orthogonal moment operators for sub-pixel edge detection.Pattern Recognition,1993,26(2):295-306.)，在他们的算法中建立了理想的阶跃灰度模型，通过图像的三个不同阶次Zernike矩计算模型的4个参数，以这4个参数为判断边缘的依据来确定图像中物体边缘的位置。Ghosal方法利用Zernike矩旋转不变性将空间矩需要计算的6个矩模版减小至3个，减少了计算量且精度比灰度矩和空间矩高。

但是，分析Zernike矩计算模型和在工程应用的结果，不难发现Ghosal提出的Zernike矩方法是基于直线边缘的，当检测目标为曲线时，算法将每个模板内的曲线边缘作为直线处理，且当待检测的曲线边缘曲率增大时，其边缘检测误差也随之增大。

为了提高存在一定曲率的连续光滑的曲线边缘检测定位精度，满足工业CT图像的高精度测量要求，针对以上发现的问题，提出了对基于Zernike矩的曲线边缘定位之曲率半径补偿因子修正方法。

发明内容

有鉴于此，为了解决上述问题，本发明的提供了一种Zernike矩对工业CT图像曲线边缘定位的修正方法。本发明实现容易、效果好、精度高,是一种能有效、快速、高精度测量具有曲线轮廓工件的方法。

本发明的目的是这样实现的：

本发明提供的Zernike矩对曲线边缘高精度定位的修正方法,包括以下步骤：

1）计算曲率半径误差补偿因子函数τ。

2）获取图像并提取图像的边缘；

3）对图像中的所有边缘点进行细化处理；

4）获取曲线每个边缘点的曲率半径和曲率圆心；

5）应用曲率半径误差补偿因子函数τ和定位点切线的法线方向，分别得到修正后的曲线曲率半径值和修正方向，从而修正边缘点坐标。

进一步，所述曲率半径误差补偿因子函数τ的计算步骤如下：

11）获取一组已知实际曲率的质量均匀的标准钢制工件的工业CT图像；

12）对工业CT图像采用Zernike矩方法进行边缘检测；

13）获取每个点的曲率半径，并计算曲率半径绝对误差；

14）对曲率半径绝对误差与实际曲率数据按折线段分段拟合，可表达如下：