（南京航空航天大學(xué)機(jī)電學(xué)院，南京 210016）

鉚釘是飛機(jī)上的一種重要的連接緊固件。一架重型飛機(jī)的裝配，需要大約150～200萬個(gè)鉚釘，可以看出在飛機(jī)裝配過程中，鉚釘有著舉足輕重的作用。其中，鉚釘幾何尺寸精度是決定鉚釘鉚接質(zhì)量的重要影響因素。所以，鉚釘輪廓尺寸的檢測(cè)對(duì)于保證飛機(jī)連接的質(zhì)量具有重大的意義。然而目前仍然采用人工視覺檢測(cè)的方法對(duì)鉚釘?shù)某叽邕M(jìn)行檢測(cè)，但人工檢測(cè)受主觀因素影響大，嚴(yán)重制約著檢測(cè)的效率和質(zhì)量。因此，迫切需要研究出一種高精度、高效率的鉚釘尺寸自動(dòng)化柔性檢測(cè)系統(tǒng)。當(dāng)前，基于工業(yè)相機(jī)的視覺檢測(cè)在智能制造生產(chǎn)中得到了廣泛的應(yīng)用和普及，并推動(dòng)了鉚釘自動(dòng)檢測(cè)技術(shù)的發(fā)展。

鉚釘?shù)淖詣?dòng)檢測(cè)技術(shù)在業(yè)界已經(jīng)得到重視并取得了一些研究進(jìn)展。上海交通大學(xué)丁超[1]研發(fā)了一種基于圖像識(shí)別的鉚釘表面缺陷檢測(cè)系統(tǒng)，完成了對(duì)鉚釘表面缺陷圖像的采集、預(yù)處理、識(shí)別、結(jié)果輸出等功能。上海交通大學(xué)馬鑫晟等[2]設(shè)計(jì)出一套鉚釘外形尺寸自動(dòng)檢測(cè)系統(tǒng)，用兩個(gè)高精度相機(jī)對(duì)待測(cè)鉚釘進(jìn)行拍照，通過圖像采集卡傳輸?shù)焦た貦C(jī)中進(jìn)行圖像處理，以檢測(cè)鉚釘是否為合格品，完成在數(shù)據(jù)庫中數(shù)據(jù)保存及報(bào)表生成功能，并完成包括送料及廢料剔除的整個(gè)控制流程。上海交通大學(xué)魯睿婷等[3]通過控制鉚釘?shù)纳狭霞芭帕?，控制兩個(gè)相機(jī)對(duì)鉚釘進(jìn)行拍照，以檢測(cè)鉚釘是否為合格品，并且完成正次品分離的整個(gè)控制流程，設(shè)計(jì)出鉚釘光學(xué)檢測(cè)自動(dòng)控制系統(tǒng)。經(jīng)過試驗(yàn)測(cè)試，測(cè)量精度控制在0.03～0.06mm之間。文獻(xiàn)[4]提出了一種基于畸變補(bǔ)償?shù)娘w機(jī)鉚釘尺寸測(cè)量方法，以提高鉚釘?shù)脑诰€檢測(cè)精度。文獻(xiàn)[5]則針對(duì)拉鉚釘在線檢測(cè)系統(tǒng)的自動(dòng)供料機(jī)構(gòu)開展研究，以保證拉鉚釘在線檢測(cè)效率和質(zhì)量。

上述方法相對(duì)于傳統(tǒng)的檢測(cè)手段有很大優(yōu)勢(shì)，例如檢測(cè)效率高，能完成表面缺陷的檢測(cè)等。但它們也存在不足：檢測(cè)的工件型號(hào)單一，不能做到柔性化。為此，本文將通過圖像識(shí)別的方法，開發(fā)出一種柔性的鉚釘尺寸檢測(cè)系統(tǒng)，對(duì)不同牌號(hào)的鉚釘?shù)妮喞叽邕M(jìn)行檢測(cè)，篩選出滿足精度要求的鉚釘，從而提高飛機(jī)鉚接的質(zhì)量。

系統(tǒng)方案設(shè)計(jì)

1 系統(tǒng)工作流程原理

本文所設(shè)計(jì)的鉚釘柔性尺寸檢測(cè)系統(tǒng)工作原理如下。

首先，待檢測(cè)鉚釘通過振動(dòng)下料盤裝置被送上轉(zhuǎn)盤。然后，當(dāng)鉚釘轉(zhuǎn)動(dòng)到攝像機(jī)的拍攝范圍時(shí)，檢測(cè)傳感器2將檢測(cè)到工件，發(fā)出一個(gè)信號(hào)，并傳給工業(yè)相機(jī)。接下來，工業(yè)相機(jī)拍下此時(shí)的鉚釘圖片，并傳送給圖像采集卡；圖像采集卡將模擬的圖像信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，經(jīng)過PCI總線進(jìn)入計(jì)算機(jī)，然后用上位機(jī)軟件對(duì)圖像進(jìn)行處理，分辨出圖像對(duì)應(yīng)的鉚釘尺寸是否達(dá)標(biāo)。最后，PC告知下面的 PLC是否執(zhí)行剔除操作，若不達(dá)標(biāo)則在廢料口處吹落，若達(dá)標(biāo)則運(yùn)轉(zhuǎn)至正品口落下。注意：若程序判斷正在檢測(cè)的鉚釘為本次檢測(cè)過程中的第一例，則進(jìn)入CCD自動(dòng)對(duì)焦程序，選擇適合本型號(hào)鉚釘?shù)慕咕唷?/p>

其中，電機(jī)轉(zhuǎn)盤一直處于運(yùn)行狀態(tài)，振動(dòng)下料盤通過判斷輸送線路上有無鉚釘而啟動(dòng)、停止。若按停止按鈕，則系統(tǒng)停止運(yùn)作，并且顯示最終檢測(cè)結(jié)果。若振動(dòng)盤上的檢測(cè)傳感器1持續(xù)3s接收不到鉚釘信號(hào)，則系統(tǒng)默認(rèn)為本次檢測(cè)程序結(jié)束，系統(tǒng)停止運(yùn)作，并且顯示最終檢測(cè)結(jié)果。具體流程如圖1所示。

2 系統(tǒng)硬件模塊

鉚釘自動(dòng)檢測(cè)系統(tǒng)硬件模塊主要分為：鉚釘?shù)淖詣?dòng)送料及儲(chǔ)存模塊、機(jī)械轉(zhuǎn)盤模塊、圖像采集裝置的安裝及固定模塊、廢品剔除模塊，硬件模塊構(gòu)成如圖2所示。

圖1 系統(tǒng)工作流程圖Fig.1 System work flow chart

圖2 系統(tǒng)硬件組成Fig.2 System hardware structure

自動(dòng)送料機(jī)構(gòu)：本裝置中采用振動(dòng)料盤將鉚釘按照一定規(guī)律的振動(dòng)對(duì)其進(jìn)行排列，有利于后續(xù)的操作及控制。振動(dòng)盤將鉚釘排好序后，從出料口輸出，到達(dá)直線振蕩器的輸送槽上。鉚釘在直線振蕩器的作用下向前運(yùn)動(dòng)，當(dāng)鉚釘運(yùn)動(dòng)到輸送槽的盡頭時(shí)，若轉(zhuǎn)動(dòng)的機(jī)械轉(zhuǎn)盤凹腔對(duì)著直線振蕩器上的輸送槽，鉚釘會(huì)在氣流的作用下被吹進(jìn)機(jī)械轉(zhuǎn)盤凹腔，隨著機(jī)械轉(zhuǎn)盤一起轉(zhuǎn)動(dòng)，等待相機(jī)的圖像采集；若機(jī)械轉(zhuǎn)盤的凹腔未對(duì)著直線振蕩器上的輸送槽，鉚釘會(huì)被擋在直線振蕩器的輸送槽上，等待機(jī)械轉(zhuǎn)盤凹腔。

機(jī)械轉(zhuǎn)盤模塊：機(jī)械轉(zhuǎn)盤機(jī)構(gòu)接收直線振蕩器送來的鉚釘，考慮到圖像采集過程中拍攝的需要，本文采用的是直徑為400mm、厚度為4mm的有機(jī)玻璃圓盤。由于采集鉚釘圖像時(shí)需要鉚釘精確地在轉(zhuǎn)盤上定位，后續(xù)鉚釘?shù)姆謷枰欢ǖ拈g隔時(shí)間，故機(jī)械轉(zhuǎn)盤采用步距精確的伺服步進(jìn)電機(jī)驅(qū)動(dòng)。

圖像采集模塊：在滿足相機(jī)、光源等尺寸的條件下，盡量進(jìn)行簡(jiǎn)約化設(shè)計(jì)，方便對(duì)其進(jìn)行拆裝以及調(diào)試。在本文中，由于測(cè)量尺寸參數(shù)較少，采用一個(gè)相機(jī)即可進(jìn)行測(cè)量，在相機(jī)及光源等的位置選取及固定過程中，要使獲得的圖像保持較高的質(zhì)量。

廢品剔除模塊：本裝置擬采用高壓氣流的方式，將不合格鉚釘從鉚釘夾具中分離出來。其中，鉚釘合格評(píng)判標(biāo)準(zhǔn)可根據(jù)不同牌號(hào)鉚釘?shù)木唧w技術(shù)規(guī)格標(biāo)準(zhǔn)（航標(biāo)、廠標(biāo)）在系統(tǒng)數(shù)據(jù)庫中進(jìn)行預(yù)先設(shè)置，從而實(shí)現(xiàn)鉚釘正品、廢品的自動(dòng)檢測(cè)分析。

根據(jù)以上分析,鉚釘自動(dòng)檢測(cè)系統(tǒng)硬件結(jié)構(gòu)模型如圖3所示。

圖3 鉚釘自動(dòng)檢測(cè)系統(tǒng)硬件結(jié)構(gòu)模型Fig.3 Hardware structure model of rivet automatic test system

CCD相機(jī)自動(dòng)調(diào)焦

1 CCD相機(jī)自動(dòng)調(diào)焦原理

在鉚釘柔性檢測(cè)系統(tǒng)中，為了確保圖像采集清晰，需要保證CCD相機(jī)能精確對(duì)焦。CCD相機(jī)自動(dòng)調(diào)焦是利用上位機(jī)系統(tǒng)對(duì)采集到的圖像信息進(jìn)行清晰度分析，通過對(duì)比不同物鏡位置的清晰度數(shù)值，再驅(qū)動(dòng)微動(dòng)機(jī)構(gòu)微調(diào)物鏡位置完成對(duì)焦[6-7]。自動(dòng)調(diào)焦流程如圖4所示，首先找到采集圖像的待檢區(qū)域，即鉚釘外形輪廓，由計(jì)算機(jī)利用適合本系統(tǒng)的清晰度評(píng)價(jià)函數(shù)進(jìn)行評(píng)價(jià)后，與前一物鏡位置拍攝圖像的清晰度評(píng)價(jià)指標(biāo)進(jìn)行對(duì)比。如果此位置圖像較為清晰，則令微動(dòng)執(zhí)行機(jī)構(gòu)驅(qū)動(dòng)物鏡繼續(xù)向本方向微調(diào)，反之則向反方向微調(diào)。重復(fù)此過程，直至得到成像最清晰的物鏡位置。

2 圖像清晰度評(píng)價(jià)

在鉚釘柔性檢測(cè)系統(tǒng)的相機(jī)自動(dòng)調(diào)焦中，需要用一個(gè)指標(biāo)去評(píng)價(jià)對(duì)焦的好壞，這就是圖像清晰度評(píng)價(jià)函數(shù)。對(duì)不同物鏡位置所成的鉚釘圖像進(jìn)行清晰度評(píng)價(jià)，通過找到最清晰圖像時(shí)的物鏡位置來完成對(duì)焦。

通常，理想的清晰度評(píng)價(jià)函數(shù)必須具備以下特性。

（1）無偏性：評(píng)價(jià)函數(shù)只在焦平面與像平面重合時(shí)取極值；

（2）單峰性：具有唯一的一個(gè)極值；

（3）具有足夠的信噪比：系統(tǒng)在一定干擾下正確地檢測(cè)出信號(hào)。

目前圖像清晰度評(píng)價(jià)函數(shù)主要有[8]：基于頻譜函數(shù)、基于梯度函數(shù)和基于熵-能量函數(shù)。本文通過分析比較上述的評(píng)價(jià)函數(shù)，選用基于梯度函數(shù)作為對(duì)焦評(píng)價(jià)函數(shù)完成系統(tǒng)的自動(dòng)對(duì)焦。在自動(dòng)調(diào)焦過程中，對(duì)于傳入鉚釘柔性檢測(cè)系統(tǒng)的圖像進(jìn)行方差計(jì)算，并將每次計(jì)算與前一次計(jì)算相比較，若比前一次的結(jié)果大，則使PLC驅(qū)動(dòng)微動(dòng)執(zhí)行機(jī)構(gòu)繼續(xù)向一個(gè)方向運(yùn)動(dòng)；若當(dāng)前運(yùn)算結(jié)果已是最大（即比它的前一次與后一次大），則說明CCD相機(jī)已對(duì)焦完成。

為驗(yàn)證所提對(duì)焦方法的可行性，本文利用兩幅對(duì)比度不同的鉚釘圖像進(jìn)行了圖像清晰度試驗(yàn)比較。結(jié)果如圖5與圖6所示，對(duì)比度較弱的鉚釘圖像的均方差為5.32，而對(duì)比度較強(qiáng)的鉚釘圖像的均方差為11.56，驗(yàn)證了所提方法的有效性。

鉚釘幾何特征提取

1 鉚釘圖像輪廓的濾波處理

對(duì)于數(shù)字圖像而言，噪聲是最常見的干擾因素之一，通常以極亮點(diǎn)或極暗點(diǎn)形式出現(xiàn)。圖像中的噪聲可看作隨機(jī)變量，可以根據(jù)PDF（概率密度函數(shù)）的特點(diǎn)分為Gaussian噪聲、均勻噪聲和椒鹽噪聲等[9]。本檢測(cè)系統(tǒng)的噪聲種類主要是椒鹽噪聲，因此，本文對(duì)均值濾波、中值濾波、高斯濾波這3種濾波方式進(jìn)行論證比較，以選擇出消除椒鹽噪聲的算法，更好地提高鉚釘圖像的質(zhì)量。圖7所示為鉚釘圖像經(jīng)過均值濾波處理、中值濾波處理及高斯濾波處理的效果圖。

圖4 自動(dòng)調(diào)焦流程圖Fig.4 Flowchart of automatic focusing

圖5 對(duì)比度低的鉚釘圖像的方差計(jì)算Fig.5 Variance of rivet image for low contrast ratio

圖6 對(duì)比度高的鉚釘圖像的方差計(jì)算Fig.6 Variance of rivet image for high contrast ratio

由圖7比較可知，均值濾波能夠一定程度地去除噪聲，但是均值濾波是對(duì)窗口中所有的像素點(diǎn)進(jìn)行了均值化，使得窗口中的像素點(diǎn)值都發(fā)生了改變。高斯濾波能夠一定程度地去除噪聲，但是由于高斯濾波更適用于高斯噪聲，對(duì)椒鹽噪聲去除得并不好，因此不利于后期鉚釘圖像的邊緣檢測(cè)及特征識(shí)別。中值濾波對(duì)噪聲的處理效果更好，而且在去除噪聲的同時(shí)，一定程度上還克服了均值濾波所帶來的鉚釘輪廓圖像模糊的問題，增強(qiáng)了鉚釘圖像的細(xì)節(jié)。因此在鉚釘柔性檢測(cè)系統(tǒng)中，將選用中值濾波算法對(duì)拍攝原圖像進(jìn)行濾波處理。

2 鉚釘圖像輪廓的邊緣檢測(cè)

對(duì)于鉚釘圖像，它的尺寸特征信息在圖像的邊緣。因此，邊緣檢測(cè)成為提取目標(biāo)特征的關(guān)鍵一步。目前，主要的邊緣定位算法有：梯度算子、拉普拉斯-高斯、Canny邊緣檢測(cè)方法、方向算子、邊緣跟蹤等[10]。通過對(duì)各種算法的最終處理效果進(jìn)行比較、評(píng)價(jià)，選出最適合本鉚釘尺寸檢測(cè)系統(tǒng)的邊緣檢測(cè)算法，為后面的特征識(shí)別提供高精度的鉚釘邊緣。圖8為利用OpenCV對(duì)鉚釘圖像的5種邊緣處理的效果圖。

圖7 鉚釘圖像經(jīng)不同濾波處理后的效果圖Fig.7 Rivet image after different filtering treatment effect

由圖8比較可發(fā)現(xiàn)，Robert算子受噪聲影響較大；Prewitt邊緣檢測(cè)算子利用邊緣樣板算子，檢測(cè)到的邊緣單像素邊緣標(biāo)準(zhǔn)低、邊緣較寬，且局部會(huì)出現(xiàn)不連續(xù)的現(xiàn)象；Sobel邊緣檢測(cè)算子對(duì)灰度值進(jìn)行了平均，具有濾波作用，其邊緣檢測(cè)效果較清晰，但邊緣位置精度不高，會(huì)影響后期特征識(shí)別的精度及準(zhǔn)確度；用LoG算子進(jìn)行高斯濾波，抗噪聲能力增強(qiáng)，邊緣檢測(cè)效果較好，但對(duì)某些比較尖銳的邊緣進(jìn)行了平滑操作，導(dǎo)致檢測(cè)不到這些邊緣點(diǎn)，出現(xiàn)局部不連續(xù)的現(xiàn)象。在這5種邊緣檢測(cè)算法中，Canny算子的檢測(cè)效果最好，由于它是單像素邊緣定位，精度也較高，因此將Canny算子作為本系統(tǒng)的邊緣檢測(cè)算法。

3 軟件功能界面

鉚釘檢測(cè)系統(tǒng)軟件中最為重要的部分是尺寸檢測(cè)模塊，其中包含系統(tǒng)標(biāo)定模塊、圖像處理模塊、尺寸檢測(cè)及對(duì)比模塊。

在系統(tǒng)標(biāo)定模塊中，CCD相機(jī)對(duì)焦可分為自動(dòng)對(duì)焦和手動(dòng)對(duì)焦。在CCD相機(jī)對(duì)焦完成后，可以認(rèn)為本次檢測(cè)中相機(jī)內(nèi)外方位元素已經(jīng)確定，此時(shí)應(yīng)對(duì)系統(tǒng)進(jìn)行標(biāo)定。本系統(tǒng)采用的標(biāo)定方式為傳統(tǒng)相機(jī)標(biāo)定方法，先對(duì)標(biāo)準(zhǔn)件進(jìn)行測(cè)量，然后得到整個(gè)系統(tǒng)的像素當(dāng)量，功能界面如圖9所示。

圖像處理通過中值濾波、Canny算子檢測(cè)、Hough變換、亞像素角點(diǎn)流程的圖像處理流程進(jìn)行鉚釘圖像處理，功能界面如圖10所示。

尺寸檢測(cè)及對(duì)比模塊主要完成對(duì)所測(cè)型號(hào)鉚釘?shù)闹饕獛缀纬叽鐧z驗(yàn)對(duì)比，功能界面如圖11所示。

系統(tǒng)應(yīng)用

在實(shí)際生產(chǎn)使用過程中，鉚釘生產(chǎn)及使用單位重點(diǎn)關(guān)注的是鉚釘幾何外形尺寸和表面缺陷。因此，本系統(tǒng)目前具備的檢測(cè)功能主要以鉚釘?shù)拈L(zhǎng)度、直徑等幾何外形尺寸為檢測(cè)對(duì)象，后續(xù)將在現(xiàn)有系統(tǒng)基礎(chǔ)上，應(yīng)用圖像特征識(shí)別技術(shù)進(jìn)行表面缺陷的自動(dòng)檢測(cè)分析。系統(tǒng)當(dāng)前可達(dá)到的主要性能指標(biāo)如下：

圖8 鉚釘圖像的5種邊緣檢測(cè)效果Fig.8 Five kinds of edge detection effect of rivet image

圖9 系統(tǒng)標(biāo)定界面Fig.9 Interface of system calibrating

圖10 圖像處理界面Fig.10 Interface of image processing

圖11 尺寸檢測(cè)對(duì)比界面Fig.11 Interface of dimension detection contrast

（1）測(cè)量精度： 0.01mm；

（2）檢測(cè)速度：最低120個(gè)/min，平均 300 個(gè) /min。

（3）檢測(cè)正確率：最低速度時(shí)，不低于97%；最高速度時(shí)，不低于95%。

（4）可檢特征：釘頭高度、補(bǔ)償頭高度、鉚釘直徑、釘帽直徑、鉚釘長(zhǎng)度。

其中，測(cè)量精度是本檢測(cè)系統(tǒng)的核心性能指標(biāo)，因此為了驗(yàn)證系統(tǒng)的檢測(cè)精度性能，本文在系統(tǒng)標(biāo)定好的條件下，將鉚釘放置在載物臺(tái)上，采集圖像后從載物臺(tái)上取下再重新放到載物臺(tái)上采集圖像，共采集10幅圖像進(jìn)行精度對(duì)比分析。由于在鉚釘?shù)母鱾€(gè)檢測(cè)參數(shù)中，鉚釘直徑的精度要求最高，所以本文對(duì)鉚釘?shù)闹睆竭M(jìn)行測(cè)量和數(shù)據(jù)分析，得到的鉚釘直徑測(cè)量結(jié)果如表1所示，與影像測(cè)量?jī)x的測(cè)量值5.0246mm比較，相差很小。

由表1可知，10次檢測(cè)的鉚釘直徑誤差都在允許的公差范圍內(nèi)，測(cè)量誤差值最大變動(dòng)為0.0066mm，試驗(yàn)結(jié)果證實(shí)了該檢測(cè)系統(tǒng)能夠滿足測(cè)量的精度要求。

結(jié)論

本文通過分析鉚釘檢測(cè)的工作流程和原理，設(shè)計(jì)了鉚釘自動(dòng)檢測(cè)系統(tǒng)的硬件結(jié)構(gòu)，并利用圖像特征處理技術(shù)，提出了面向鉚釘幾何尺寸的特征提取方法，保證了鉚釘檢測(cè)精度。試驗(yàn)測(cè)試結(jié)果驗(yàn)證了所設(shè)計(jì)研制的鉚釘柔性檢測(cè)系統(tǒng)可高效、精確檢測(cè)不同型號(hào)鉚釘?shù)膸缀纬叽纾兄谔岣唢w機(jī)裝配連接質(zhì)量。

表1 系統(tǒng)鉚釘直徑檢測(cè)結(jié)果

[1] 丁超. 基于LabVIEW和機(jī)器視覺鉚釘表面缺陷在線檢測(cè)系統(tǒng)研究[D]. 上海:上海交通大學(xué)，2008.

DING Chao. Research of online rivets surface defect detection system based on LabVIEW and machine vision[D]. Shanghai:Shanghai Jiao Tong University, 2008.

[2] 馬鑫晟, 程帥, 翟程遠(yuǎn), 等. 基于LabVIEW的鉚釘外形尺寸檢測(cè)系統(tǒng)設(shè)計(jì)[J].工業(yè)控制計(jì)算機(jī), 2011(11): 83-84.

MA Xinsheng, CHENG Shuai, ZHAI Chengyuan, et al. Design of detect system for rivet dimensions based on LabVIEW[J].Industrial Control Computer, 2011(11): 83-84.

[3] 魯睿婷, 張昱, 陳德榮, 等. PLC在鉚釘光學(xué)檢測(cè)控制中的應(yīng)用[J]. 計(jì)算機(jī)測(cè)量與控制, 2013(2): 368-370.

LU Ruiting, ZHANG Yu, CHEN Derong,et al. Research on optical detection and control system for rivet based on PLC[J]. Computer Measurement & Control, 2013(2): 368-370.

[4] 胡江濤, 張俊濤, 湯偉. 基于畸變補(bǔ)償?shù)娘w機(jī)鉚釘尺寸測(cè)量方法研究[J]. 陜西科技大學(xué)學(xué)報(bào), 2016, 34(4): 177-181.

HU Jiangtao，ZHANG Juntao，TANG Wei. Research on measurement method of aircraft rivet dimension based on distortion compensation[J]. Journal of Shaanxi University of Science & Technology, 2016, 34(4): 177-181.

[5] 戴亞輝, 羅亮, 劉知貴. 拉鉚釘在線檢測(cè)系統(tǒng)的自動(dòng)供料機(jī)構(gòu)設(shè)計(jì)與仿真[J].機(jī)械設(shè)計(jì)與制造, 2015(10): 256-259.

DAI Yahui, LUO Liang, LIU Zhigui.Design and simulation of automatic feeding mechanism of pulling rivets online detection system[J]. Machinery Design & Manufacture,2015(10): 256-259.

[6] 王欣, 安志勇, 楊瑞寧. 基于圖像清晰度評(píng)價(jià)函數(shù)的CCD攝像機(jī)自動(dòng)調(diào)焦技術(shù)研究[J]. 長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2008(1): 11-14.

WANG Xin，AN Zhiyong，YANG Ruining. The research of CCD camera autofocusing technology based on image definition criterion[J]. Journal of Changchun University of Science and Technology (Natural Science Edition), 2008(1): 11-14.

[7] 黃德天. 基于圖像技術(shù)的自動(dòng)調(diào)焦方法研究[D]. 長(zhǎng)春：中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所, 2013.

HUANG Detian. Study on auto-focusing method using image technology[D]. Changchun:Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences,2013.

[8] 王學(xué)影, 張洪濤. 基于圖像處理的CCD攝像機(jī)自動(dòng)調(diào)焦方法研究[J]. 計(jì)量技術(shù)，2005(8): 16-18.

WANG Xueying, ZHANG Hongtao. The research of CCD camera auto-focusing method based on image processing technology[J].Measurement Technique, 2005(8): 16-18.

[9] 李波. 數(shù)字圖像噪聲消除算法研究[D]. 曲阜: 曲阜師范大學(xué), 2008.

LI Bo. The research on the algorithm of digital image noise cancellation[D]. Qufu: Qufu Normal University, 2008.

[10] DEMIGNY D. On optimal linear filtering for edge detection[J]. IEEE Transactions on Image Processing, 2002, 11(7):728-737.