移动特征靶标的摄像机径向畸变标定

针对成像测量系统中镜头径向畸变影响测量精度的问题,提出了一种基于物面移动同心圆特征靶标的径向畸变标定方法。该方法先将固定在二维精密平台上的同心圆靶标置于垂直物面的特定位置,然后采集靶标图像,同时用最小二乘法以拟合得到的圆直径为条件,按一定方式移动特征靶标,直到拟合值达到极值或者在一定误差范围内。记录该幅图像,则其拟合得到的圆心坐标便是畸变中心,同时利用该幅图像,根据等差值半径和摄像机成像模型的半径的成像关系求出其畸变多项式系数。为提高特征靶标的移动效率,提出了坐标轮换最优化移动的方案。实验结果表明,该方法对畸变中心的标定精度可达0.6pixel,畸变多项式系数有效数字重复误差小于0.02,并可实现两者的一靶标定,且利用该法获得的参数能实现对畸变图像的准确校正。     

行车环境下钢轨轮廓激光条纹中心的提取方法

研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,误差均值约为0.082 pixel,标准差为0.047 pixel,兼顾了光条中心提取的时效性和准确率。     

基于合作目标姿态测量的新型摄像机校准方法

针对在姿态测量中摄像机成像的复杂畸变问题,提出了一种新型的摄像机校准方法。该方法不需要高精度的标定参照物,只需要利用标定靶标间的相互约束关系建立摄像机内参数与靶标特征的约束方程,从而线性求解摄像机内参数。通过非线性优化方法优化摄像机内参数,完成摄像机的标定。仿真和实验结果表明,所提出的算法对图像噪声不敏感。测量精度和可靠性都得到有效的改善,精度可达0.03pixel,说明该算法在合作目标的姿态测量中具有方法易于实现、测量精度高、可靠的优点。     

一种夜雾天况彩色视频构建方法

针对单一红外或可见光波段成像技术无法满足夜雾天况彩色成像要求的问题,结合红外和可见光成像各自的特点,提出一种固定区域下针对夜雾天况的彩色视频构建方法。该方法在能见度高的白天利用可见光传感器进行可见光背景图像的构建,在能见度低的夜雾天气利用红外传感器提取出红外运动目标,依据可见光背景图像与原始红外图像的配准参数进行2幅图像的同比例融合,完成彩色视频的重构。实验结果表明,该方法能够准确完成包含红外目标的彩色视频构建,充分体现出夜雾天况下运动目标及其所在场景的彩色特征信息,提升人眼对目标与场景的识别和感知。对于图像大小为720pixel×576pixel的视频序列,该算法的运行速度能够达到40frame/s,可满足彩色视频实时构建的需要。     

一种空域和频域相结合的运动图像亚像素配准技术

针对视频图像运动检测问题,提出了一种结合空域灰度投影和频域相位相关的亚像素图像配准方法。首先,采用灰度投影算法在空域对运动图像进行粗配准,即在图像行和列方向上计算图像灰度投影特征数据,根据灰度相关函数最小化准则,估计像素级运动量;然后,在经过粗配准的两幅图像中心选取尺寸相同的区域,进行快速傅里叶变换,在频域采用扩展的相位相关算法对图像进行精确配准。该方法利用图像的功率谱信息,减少对图像内容的依赖,运用基于最小二乘的曲面拟合法,实现亚像素图像配准参数估计,具有从粗到精的特点,有效提高了图像检测精度。文中最后对样本图像进行了图像配准对比实验,结果表明,该方法可以检测0.01 pixel的运动量,最大配准误差为0.004 8 pixel。     

移位相加法日间探测低信噪比恒星

为实现白天红外光电测量系统对低信噪比恒星的质心及能量高精度计算,本文给出一种高效的方法。首先,分析了红外光学系统白天恒星的成像特征。其次,先对采集的图像序列进行预处理操作得到预处理图像。接着对预处理图像序列执行叠加求均值和下采样操作得到下采样图像。在下采样图像中以亮度为特征求取恒星的疑似位置后,在预处理图像序列上建立与疑似位置相对应的目标区域,在目标区域内顺序求取质心序列。对目标区域的图像序列以质心偏移为基础进行移位相加后获取目标图像。在目标图像上以信噪比为判据完成恒星提取,以及质心和能量的计算。再次,分析指出此方法能增强目标信噪比的原理,并给出其适用范围以及相关参数的确定方法。最后通过实验表明,采用移位相加法可增强目标的信噪比,并提高提取正确率;且对于SNR不大于4.8的恒星可将其质心和能量计算精度平均提高0.06 pixel和28.5%。移位相加法对低信噪比的恒星可较为精确地计算其质心和能量。     

基于锥束CT序列图像的三维缺陷检测方法

根据锥束CT序列图像各向同性及缺陷实体在序列图像层间位移和变化较小的特点,提出了一种适合锥束CT序列图像的三维缺陷检测方法。首先结合多目标跟踪思想,利用三维连通区域标记算法提取三维缺陷实体,并建立缺陷对应关系哈希表,以解决缺陷检测中目标轨迹的分叉;然后根据噪声目标的固有特性,对虚假缺陷信息进行有效删除,最终可获得真实缺陷目标实体,缺陷提取精度可达到像素。通过对空心涡轮叶片蜡模锥束CT图像进行实验,结果表明。该方法能准确地提取有较强噪声影响的序列图像的三维缺陷。     

基于统计分析方法的同步移相干涉图位置配准

使用同步移相干涉仪重建波前相位时,需要对移相干涉图进行准确的位置配准和目标区域确定以保证重建精度和相位解缠绕算法的成功实施。提出一种基于统计分析方法的圆形域同步移相干涉图位置配准技术,对一组包含不同相位分布的干涉图按照对应像素位置进行方差分布函数计算;利用最大组间方差法完成阈值分割,从而分离出干涉图像的背景与目标区域,通过梯度运算检测出目标区域的轮廓;利用改进Hough变换算法估计出各个轮廓的绝对位置和半径参数。数值仿真结果表明,当轮廓半径大于64pixel时,该方法的配准精度可以达到0.5pixel。通过建立自参考同步移相干涉仪对该方法的可靠性与实用性进行实验验证。     

一种基于压缩感知的在线学习跟踪算法

实现稳健的目标跟踪,建立有效的目标在线模型至关重要。针对现有在线学习跟踪算法缺乏对目标观测信息是否有效的判断,提出了一种简单且高效的解决方法。利用正负样本构建目标在线模型,基于压缩感知理论从多尺度图像特征空间提取特征信息完成目标表征之后,由随机蕨分类器进行分类并通过一种特征置信度度量策略来确定在线更新速率,最后由目标在线模型判断输出置信度最高的样本,此外还建立了一种遮挡反馈机制来决定是否更新目标在线模型。实验结果表明,该方法在目标被长时间遮挡、光照变化等情况下均能完成稳健跟踪,在320 pixel×240 pixel大小的视频序列中处理速度保持在30~50 frame/s左右,可以满足实时应用的需求。     

图像序列的显著性目标区域检测方法

针对传统视觉显著性模型在自顶向下的任务指导和动态信息处理方面的不足,设计并实现了融入运动特征的视觉显著性模型。利用该模型提取了图像的静态特征和动态特征,静态特征的提取在图像的亮度、颜色和方向通道进行,运动特征的提取采用基于多尺度差分的特征提取方法实现,然后各通道分别通过滤波、差分得到显著图,在生成全局显著图时,提出多通道参数估计方法,计算图像感兴趣区域与眼动感兴趣区域的相似度,从而可在图像上准确定位目标位置。针对20组视频图像序列(每组50帧)进行了实验,结果表明:本文算法提取注意焦点即目标区域的平均相似度为0.87,使用本文算法能够根据不同任务情境,选择各特征通道的权重参数,从而可有效提高目标搜索的效率。     

基于暗瞳图像的人眼视线估计

虹膜外边缘受眼睑遮挡较为严重时, 会给虹膜中心的准确提取造成很大的困难. 为此, 提出利用放置在相机轴外的红外光源产生的暗瞳图像估计瞳孔中心, 该方法避免了提取虹膜外边缘遇到的遮挡问题. 首先利用角膜反射光斑在相机像面中的位置估计角膜所在球体中心的三维空间坐标, 作为眼球的平动信息; 然后考察瞳孔中心与角膜球体中心在相机成像面投影位置的相对偏移, 作为眼球的转动信息; 最后利用人工神经网络完成视线特征向量与注视点坐标间的映射. 在人眼区域定位的问题上, 利用两部大视场相机, 采用自适应增强算法和主动表观模型算法实现眼部区域的准确定位, 该步骤可以将提取反射光斑和瞳孔中心需要考虑的图像区域限定在较小的范围内. 实验结果表明, 本文视线估计方法在水平方向上的平均误差为0.62°, 在竖直方向上的平均误差为1.05°, 是解决视线点估计的有效方法. 关键词： 暗瞳 人工神经网络 自适应增强 主动表观模型     

基于中心-对角对比度的显著性检测

针对图像显著性检测中广泛运用的中心-四周对比度方法存在的缺陷,提出了中心-对角对比度（Corner-Surround Contrast,CSC）算法,实现从背景中有效提取显著区域;中心-四周对比度方法难以保证分割的准确性,容易导致错误的显著检测结果,并且仅使用中心-四周对比度对目标物体进行显著性编码并不十分有效;CSC算法在提取中心和周边区域差异性的同时,结合它们之间位置的相对性,并设计了一个多核信息融合模型,以不同权重融合多种对比度方法以产生最优显著图,最后用图分割算法来进行二元分割,获得准确的显著图;实验结果表明CSC算法能够有效捕捉显著物体的局部差异,提高显著性物体定位及分割精度的性能,减少噪声的影响,从背景中分离出精确的显著性区域,获得更优的显著性检测结果。     

基于线性光谱模型和支撑向量机的软硬分类方法

针对硬分类方法中无法解决的混合像元问题及软分类方法中全图共用一套端元进行混合像元分解所带来的弊端,提出了一种新的软硬分类方法。该方法通过分析目标地物在图像中的分布情况,自动计算判别阈值,将图像分为目标地物纯净区域、目标地物混合区域和非目标地物区域。对于目标地物纯净区域和非目标地物区域采用硬分类方法(支撑向量机)快速提取分类信息;对于目标地物混合区域采用软分类方法(端元可变的线性混合像元分解)提取目标地物丰度信息,最后得到目标地物软硬分类结果。通过对北京地区ALOS图像的应用试验,并将新方法与支撑向量机、线性光谱混合模型进行比较,新方法的RMSE值为0.203,总量精度达到95.48%,高于支撑向量机和线性光谱混合模型。实验结果表明,新方法能够有效解决混合像元问题,提高图像分类精度。     

激光跟踪仪靶标球镜面中心定位方法

当激光跟踪仪应用于多传感器三维视觉测量系统的全局标定时,由于标定现场环境复杂,靶标球镜面区域所成光斑随环境光强、视觉测量系统观察角度和激光投射角度的变化而改变,给靶标球镜面中心的准确定位提出了很大的挑战。设计了一种对光照变化不敏感、对激光点形状和光强分布无要求的靶标球镜面中心定位方法。该方法首先利用图像分割法准确定位靶标球所在区域,然后对该区域进行滤波,去除图像中的噪声并增强靶标球与背景的对比度,之后进行靶标球分割和强反光区域去除,通过图像形态学处理得到靶标球镜面区域,最后对该区域的像素坐标进行统计,得到镜面中心定位坐标。实验采用79幅复杂多变的镜面区域光斑图像进行实验验证,该方法正确定位率可达到91.2%,其中平均定位误差RMS低于0.74像素,基本满足全局标定对靶标球镜面中心定位精度的要求。     

大尺寸全视场目标点的自动定位方法

提出了一种目标点全视场自动定位方法,该方法利用回光反射标志点的强反射特性和目标点特征,采用粗精两级定位自动获取目标点中心.实际操作中只需预先设定相关的阈值参量,可快速获取图像中的所有目标点的图像坐标,极大地提高了视觉测量的效率和自动化程度.对于3 008×2 000 pixel大小、包含约140个目标点的RGB图像,利用该方法定位所有目标点的用时为14.9″,定位准确度为1/10 pixel.     

基于区域增长的图像跟踪算法的研究

为了提高序列图像的跟踪精度,提出了基于区域增长的特征量提取方法。这种方法可捕获图像中所有单连通域,并能准确地提取其特征量,然后依据所提取的特征量设计分类器,实现对图像中所有单连通域进行分类识别并加以跟踪的目的。此算法有效地解决了一般传统识别算法难以区分目标和其近邻区域的干扰,而导致跟踪目标特征量提取不准确的问题。在目标特征提取识别算法的基础上,还提出了阈值预测分割算法,并应用在序列图像的跟踪中,取得了较好效果。     

摄影测量图像处理的高精度误差补偿法

在高精度的摄影测量中,图像处理精度对整体测量精度起着至关重要的作用,但成像过程中摄像机对特征点图像的离散化采样,会造成图像与原始信号的失真,从而带来图像处理环节的误差。通过对图像处理过程中特征点总能量、能量分布弥散半径和图像处理窗口的特性分析,并以特征点中心位置、提取误差大小和能量密度函数的标准差之间关系为基础,提出一种针对离散化采样的误差补偿法。该方法仅需标定一次补偿参数,适用于所有摄像机和算法,可显著提升原有图像处理精度。实验证明,对于质心法和高斯拟合法,该补偿法可将图像提取精度提高到0.03pixel。     

基于残差修剪的激光光斑高精度定位方法

为满足复杂靶标背景下激光光斑形心的高精度定位要求,提出了一种基于几何特征约束残差修剪的定位方法.首先通过分析成像特点提取激光光斑;然后在几何特征约束下对残差边缘进行二次修剪,优化边缘;最后利用最小二乘拟合法得到激光光斑形心的精确定位,并将其应用于火炮的重要静态参数--弯曲度测量.实验结果表明,该方法具有较强的稳定性,定位精度高且实时性好,与传统的定位方法相比,复杂靶标上激光光斑的水平和竖直定位偏差均由±1.2 pixel提高到±0.2 pixel,单次定位时间小于0.31 s,可实现复杂靶标背景下激光光斑形心的快速精确定位.     

基于结构信息建模和判别稀疏的红外小目标跟踪方法

为了提高背景杂波和成像噪声等干扰下红外小目标的跟踪精度,提出了一种基于结构信息建模和判别稀疏的红外小目标跟踪方法。小目标信号在广义高斯目标超完备字典上被稀疏分解,以便从受噪声干扰和杂波污染的红外图像中提取出小目标的空间结构信息;设计了转移受限粒子滤波跟踪算法,以提高粒子的采样概率;在转移受限粒子滤波框架下,基于判别稀疏表示和L_1范数最小化框架求解候选目标的稀疏系数,实现小目标的跟踪。基于各种红外序列对所提方法进行实验论证,实验结果表明,所提方法能够在杂波和噪声较大的干扰下稳定地跟踪小目标,其中心误差、重叠率和平均视频播放帧率分别为3pixel、0.7和40fps,均优于其他对比方法,且具有较强的鲁棒性。     

水热法制备Mo1-XWXS2合金材料及晶体结构的研究

提出一种基于无监督域适应的低空海面红外目标检测方法。首先利用图像翻译网络将源域图像翻译为目标域图像并共享标签。其次在YOLOv5s目标检测网络中使用梯度反转层优化网络提取特征的域间适应性。此外利用最大均值差异损失进一步缩小从网络中提取的不同红外探测器图像的特征分布。最后采用AdamW异步更新优化算法进一步提高模型在训练过程中的稳定性与检测精度。将所提方法在不同红外探测器采集的低空海面红外船只与无人机数据集中进行实验。实验结果表明,相较于传统有监督学习方法,所提方法有效降低了人工标注成本,且源域检测精度提高6.56个百分点,目标域检测精度提高2.62个百分点,有效提升目标检测模型在不同红外探测器间的泛化能力。