基于圆形标定板的相机标定过程中，当镜头畸变较大时图像质量降低、圆形投影边缘模糊，导致标定产生误差。基于此，提出一种基于亚像素边缘检测和圆心修正补偿的高精度相机方法。首先，通过Canny-Zernike矩法提取亚像素级的圆形特征轮廓点，使用边缘点链连接独立轮廓点，得到闭环的精确特征轮廓，增强对模糊边缘轮廓的提取能力；其次，对内外轮廓分别采样取点拟合椭圆，将两者中心的均值作为特征点，并通过三点判断排序法得到有序特征点集后进行粗标定；最后，用粗标定参数对轮廓的采样点集进行校正，重新获取中心坐标后反投影回图像上进行相机精标定，实现畸变情况下的圆心修正补偿标定。实验结果表明，所提方法有效提高了镜头畸变较大时相机标定的精度。

汉长安城遗址出土骨签数量庞大，基于数字图像技术的骨签尺寸自动测量方法能够提高工作效率。针对骨签纹理繁多、边缘对比度低导致测量精度不高的问题，提出一种基于分区域自适应阈值Zernike矩的骨签图像尺寸测量方法。首先，利用Canny算子进行像素级定位；然后，对称设定边缘有效分区域，以欧氏距离为比例系数计算各个分区域像素点与中心点的加权灰度值，作为各区域Zernike矩提取边缘的判定阈值，提取骨签亚像素级边缘；其次，引入边缘轮廓判别条件剔除无效纹理，获取骨签图像精确轮廓；最后，使用最小外接矩算法计算骨签不规则轮廓，结合相机标定完成骨签尺寸测量。实验结果表明，与其他方法相比，该方法测量的骨签长宽的均方根误差分别降低1.3 mm和1.2 mm，平均相对误差分别降低3%和6.3%，平均绝对误差分别降低1.23 mm和1.08 mm，能够有效提高复杂边缘轮廓的骨签尺寸测量精度。

圆球形辅助靶标的单目视觉测量系统中，光轴和球心不共线会使二维椭圆图像中心与实际球心成像坐标产生偏差，针对此，提出一种单目视觉的球形靶标球心成像坐标求解方法。首先，对单目成像系统进行标定，分析球心成像坐标与对应二维椭圆图像中心之间偏差影响因素，建立单目球心成像坐标求解模型。其次，采用改进Zernike矩方法实现对椭圆图像边缘亚像素的提取，仿真实验表明其椭圆中心定位精度提高了25.00%以上。最后，设计单目测量球形靶标距离实验方案，对不同间隔的球形靶标进行实验验证，结果表明所提方法求解的球形靶标移动距离与实际值的最大绝对偏差小于0.039 mm，满足单目视觉机器人系统目标定位精度、稳定性的要求。

为降低商标检索算法的误检率，提出一种结合Zernike矩(ZM)和尺度不变特征变换(SIFT)的商标检索算法，该算法由离线数据库构建和在线检索组成。分别从查询图像中提取ZM和SIFT特征；根据查询图像的特征集与数据库中存储的图像的特征集之间的ZM特征进行相似度度量，形成候选商标集；最后，利用SIFT特征对查询图像与候选图像精准检测，对相似距离进行排序，将结果返回给用户。实验结果表明：与当前流行的商标检索算法相比，该算法具备更好的检索性能，在缩放、平移、模糊、透视、斜切、扭曲等变换干扰下，仍呈现出更理想的Precision- Recall曲线以及F值。

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。

近年来, “绿色轮胎”发展备受关注。 在绿色轮胎制造过程中需要多种橡胶添加剂, 而橡胶添加剂的含量与绿色轮胎能否达标密切相关, 因此, 对轮胎橡胶中相关橡胶添加剂的定量检测具有重要意义。 太赫兹时域光谱（THz-TDS）技术已经成功应用于物质定量分析领域, 但当定量分析对象为多组分混合物时, 由于混合物光谱出现重叠和失真等原因, 会导致定量分析结果不理想。 针对此问题, 将Zernike矩作为一种光谱预处理技术引入到橡胶添加剂多组分混合物的太赫兹光谱定量分析中, 提出了基于Zernike矩结合支持向量回归（Zernike moment-support vector regression, ZM-SVR）的太赫兹光谱定量分析方法。 首先, 以影响绿色轮胎质量能否达标的三种橡胶添加剂氧化锌、 白炭黑和2-巯基苯并噻唑（MBT）为定量检测对象, 将3种橡胶添加剂与丁腈橡胶构成多组分混合物实验样本, 并通过太赫兹时域光谱系统测得样本的太赫兹光谱; 然后, 对太赫兹光谱进行分析与处理, 得到其吸收系数、 消光系数和折射率3种光学参数后, 将3种光学参数构建为样本的太赫兹三维光谱, 并利用Zernike矩提取太赫兹三维光谱灰度图的特征信息; 最后, 利用支持向量回归建立样本太赫兹三维光谱灰度图特征信息和目标成分含量之间的定量模型, 从而对混合物样本中目标成分含量进行分析。 利用该方法得到的定量模型预测集相关系数均大于等于0952 2, 均方根误差均小于等于2267 2%。 为进一步验证该方法的有效性, 将定量分析结果与常规方法PLS和SVR的结果进行了对比。 对比发现, 相比常规方法得到的定量分析结果, Zernike矩结合支持向量回归方法所得结果的准确性和稳定性均得到了明显提升。 因此, Zernike矩结合支持向量回归方法为橡胶添加剂多组分混合物的太赫兹光谱定量检测提供了新思路, 在绿色轮胎及橡胶的质量检测领域具有广阔应用前景。

提出了一种基于Zernike矩改进的亚像素边缘提取的工件缺陷检测算法。 对图像进行小波分解,并对分解的各频段信息分别利用不同算法进行预处理,重构图像后可以有效地滤除图像噪声,增强目标信息;利用改进的Zernike矩亚像素边缘提取算法定位图像边缘并提取特征信息,减小了边缘信息误差,能够更精确地分割出目标轮廓;通过计算连通区域几何参数及全局信息熵来判断是否存在缺陷。通过实验对算法进行了验证,结果表明,提出的算法可以降低金属高光噪声,有效地提取缺陷边缘,并且在环境光照变化时具有较强的稳健性,金属工件的缺陷检测精度得到提高。