Робастный адаптивный алгоритм субпиксельного продвижения для извлечения центров линейного лазера при изменении кривизны
Robust adaptive sub-pixel advancement extraction algorithm for line laser centers with curvature variation
2026-02-09
SCID: 54.1/pgxfzye4
Discuss with AI
билинейная интерполяцияцентроид по яркостиизвлечение центров линейного лазерасредняя абсолютная ошибка (MAE)устойчивый адаптивный субпиксельный метод извлеченияполе ориентаций тензора структуры
Figures from the paper
Abstract (AI)
Для решения проблем пропуска центральных точек, отклонений позиционирования и плохой непрерывности в существующих алгоритмах извлечения центров линейно-структурированного света при сложных изменениях кривизны, на концах полос и при помехах шума в статье предлагается робастный адаптивный алгоритм субпиксельного извлечения центров лазерной линии. Во-первых, к изображению применяется дополнение по краю. Для световых полос с переменной кривизной на основе оценки тензора структуры генерируется непрерывное и гладкое поле ориентации полосы лазера. Во-вторых, это поле ориентации направляет внутреннюю стратегию продвижения, эффективно компенсирующую потерю центральных точек на концах полос, вызванную утончением скелета. Наконец, вдоль нормали выполняется билинейная интерполяция в сочетании с методом центроидов по уровню серого для достижения высокоточной субпиксельной локализации центра. Экспериментальные результаты показывают, что в тестах на помехоустойчивость предложенный алгоритм полностью извлекает 401 центральную точку даже при дисперсии шума 0.14, со среднеквадратичной ошибкой по модулю (MAE) ниже 0.23, что значительно превосходит классические алгоритмы, такие как Steger и метод направленного шаблона (DTM). В тестах на реальных изображениях алгоритм обеспечивает непрерывное, полное, гладкое и лишенное избыточности извлечение центров для полос различной кривизны при высокой вычислительной эффективности.
Key Findings
1
Комбинация билинейной интерполяции вдоль нормали и метода грай-центроида обеспечивает высокоточное субпиксельное локализование центров.
2
Генерируется непрерывное гладкое поле ориентации лазерной полосы на основе оценки тензора структуры для управления извлечением центров при переменной кривизне.
3
В тестах на устойчивость к шуму алгоритм извлек все 401 центр при дисперсии шума 0.14 с MAE ниже 0.23, превосходя алгоритмы Steger и directional template method (DTM).
4
В тестах на реальных изображениях метод дал непрерывное, полное, плавное и свободное от избыточности извлечение центров для полос с разной кривизной при высокой вычислительной эффективности.
5
Введена внутренняя стратегия продвижения, управляемая полем ориентации, для компенсации потерь центров на концах полос, вызванных утонением скелета.
6
Предложен робастный адаптивный алгоритм субпиксельного извлечения, устраняющий пропуски центров, отклонения позиционирования и плохую непрерывность при изменении кривизны, на концах полос и при шуме.
Research Object
Точки центров линейного лазерного пятна (центры полос линейно-структурированного светового пятна) на изображениях
Research Subject
Устойчивое адаптивное субпиксельное извлечение и локализация точек центров при изменении кривизны, на концах полос и в условиях шума, включая руководство внутренним продвижением полем ориентаций, билинейную интерполяцию по нормалям и уточнение методом серых центроидов для обеспечения непрерывного, точного и нечувствительного к шуму извлечения центров
Publication Details
Publication Date
2026-02-09
Journal
Publisher
ISSN
Cited by
1
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Извлечение центральных линий лазерной полосы из полупрозрачных оптических компонентов с использованием многомасштабной внимательной глубокой нейронной сети2024
Метод извлечения центральной линии лазерной полосы для внутренних поверхностей глубоких отверстий на основе визуального зондирования с линейно-структурированным светом2025
Методы выделения центральной линии многополосных лазерных полос на отражающих металлических поверхностях с использованием глубокого обучения и матрицы Гессе2025