买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉常州大学申请的专利一种电池片图像亚像素边缘检测方法、装置及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116309275B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211593764.7，技术领域涉及：G06T7/00；该发明授权一种电池片图像亚像素边缘检测方法、装置及存储介质是由朱栋;赵腾设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种电池片图像亚像素边缘检测方法、装置及存储介质在说明书摘要公布了：本发明公开了一种电池片图像亚像素边缘检测方法、装置及存储介质，包括，获取预处理后的电池片图像；基于Canny算子的边缘定位处理，得到像素级边缘点图像；基于萤火虫算法的最大熵多阈值分割算法，得到最优阈值；基于Zernike矩亚像素边缘检测算法，计算像素级边缘点的Zernike参数；根据所述像素级边缘点的Zernike参数和最优阈值，分离出轮廓边缘点、细栅边缘点和主栅边缘点；分别对其进行最小二乘拟合处理，得到电池片的轮廓线、细栅边缘线和主栅边缘线。本发明通过Zernike矩亚像素边缘检测算法，将边缘检测精度缩小到一个像素以内，并减小了噪声对检测精度的影响。

本发明授权一种电池片图像亚像素边缘检测方法、装置及存储介质在权利要求书中公布了：1.一种电池片图像亚像素边缘检测方法，其特征是，包括， 获取预处理后的电池片图像； 根据所述电池片图像，基于Canny算子的边缘定位处理，得到像素级边缘点图像； 根据所述像素级边缘点图像，基于萤火虫算法的最大熵多阈值分割算法，得到最优阈值； 根据所述像素级边缘点图像，基于Zernike矩亚像素边缘检测算法，计算像素级边缘点的Zernike参数； 根据所述像素级边缘点的Zernike参数和最优阈值，分离出轮廓边缘点、细栅边缘点和主栅边缘点； 分别对所述轮廓边缘点、细栅边缘点和主栅边缘点进行最小二乘拟合处理，得到电池片的轮廓线、细栅边缘线和主栅边缘线； 根据所述轮廓线、细栅边缘线和主栅边缘线，输出电池片图像的亚像素边缘检测结果； 所述Zernike矩亚像素边缘检测算法，包括： 基于预设的Zernike矩模板对像素级边缘点图像卷积，获取相应阶次的Zernike矩； 根据所述Zernike矩，结合三灰度过渡模型，计算像素级边缘点的Zernike参数； 其中，所述Zernike矩的计算公式为： ； 其中，表示n阶m次的Zernike矩；表示以像素级边缘点为中心的卷积窗口矩阵；表示卷积；表示n阶m次的Zernike矩模板矩阵； 所述像素级边缘点的Zernike参数包括像素级边缘点到实际边缘线的垂直距离、实际边缘线的垂线与x轴之间的夹角及阶跃灰度阈值，表达式如下： ； 其中，l表示像素级边缘点到实际边缘线的垂直距离；θ表示实际边缘线的垂线与x轴之间的夹角；k表示阶跃灰度阈值；表示1阶1次的Zernike矩的实部；表示1阶1次的Zernike矩的虚部；∆k表示过渡区阶跃灰度；l1表示中心与过渡区左界限的距离；l2表示中心与过渡区右界限的距离； 所述最优阈值包括第一最优阈值、第二最优阈值和第三最优阈值； 根据所述Zernike参数的阶跃灰度阈值和第一最优阈值，得到亚像素级边缘点； 根据所述Zernike参数的阶跃灰度阈值和第二最优阈值，得到亚像素级边缘点的轮廓边缘点； 根据所述Zernike参数的阶跃灰度阈值和第三最优阈值，分离出亚像素级边缘点的细栅边缘点和主栅边缘点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人常州大学，其通讯地址为：213164 江苏省常州市武进区滆湖中路21号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。