基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

基于光学小波微分预处理的联合变换相关目标识别

提出了一种基于光学小波变换微分预处理的光电混合联合变换相关系统,该系统利用同一光路可实时实现对输入图象的小波变换微分预处理和联合变换相关识别.实验结果表明:该系统能得到很尖锐的互相关峰,可显著提高联合变换相关器的识别能力.     

基于多小波变换的红外目标探测与识别

针对光电联合变换相关器目标识别的实际应用,对待测红外目标图片进行多小波变换,并利用模极大值法提取其边缘.通过获取更多的轮廓信息,从而提高对目标的识别能力.计算机模拟了常用于红外目标处理的多小波GHM和SA4,实验结果表明:基于GHM多小波提取的边缘能获取大量的图像轮廓信息,其识别结果明显优于SA4多小波.将目标原图的光学相关探测结果与基于GHM多小波提取的边缘图像光学相关探测结果进行比较发现,经多小波预处理后的边缘图像能有效增强相关峰强度.     

多算法融合的自适应图像增强方法

提出一种多算法融合的图像增强方法,用于工程应用中的复杂降质图像的细节特征恢复.该方法汲取了Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等算法的优点,可对模糊图像进行自适应增强.通过拉普拉斯滤波器和梯度滤波器将原始图像分为基础层、细节层及边缘特征层;对微小细节信息及边缘特征信息进行增强,对基础信息进行压缩;然后采用盒装滤波器对图像的三个分层进行平滑过度及噪音过滤,最后使用非锐化掩蔽法和灰度变换来增加图像灰度的动态范围,从而得到增强后的图像.在相同的工况下,该方法分别与直方图均衡法、自适应伽马矫正法及小波变换的图像增强法实验结果进行对比,结果表明,该方法将图像的清晰度提高了13.1%~126.1%,能有效地处理复杂型感染的图像,避免图像过度增强,可以获得适合人眼的最佳视觉细节内容的增强效果.     

一种新的闪光照相图象边界检测方法

介绍了一种用于闪光X光照相图象的边界检测方法,称为计算对比法.对于投影成象,由于成象系统的非理想特性,实际照相特性的边界与理想成象图象的边界之间往往存在一位置差,我们称之为边界退化量.模糊图象的边界检测问题主要就是边界退化量的检测问题.本文提出的计算对比法根据闪光X光照相图象的退化模型进行计算模拟成象,用从模拟图象上得出的边界退化量对实际成象图象的位置进行校正.从而达到精确检测实际图象的目的.用这种方法对多幅模拟成象图象进行了处理.     

基于开关电流技术的小波变换的滤波器电路实现

提出基于开关电流技术的小波变换的滤波器电路实现方法. 小波变换的开关电流滤波器实现电路由冲激响应为高斯一阶导数及其膨胀函数的滤波器组构成. 开关电流滤波器的膨胀系数(尺度)通过控制宽长比(W/L)或时钟频率可得到精确地控制. Padé逼近是一种有效的有理逼近，小波函数经过Padé变换可以得到其有理分式逼近，十分利于其开关电流滤波器电路实现. 仿真结果证实了其可行性. 关键词： 小波变换 开关电流 滤波器 Padé逼近     

基于小波变换的航空红外图像目标检测的预处理

提出了一种基于高斯小波变换的航空红外图像的目标边缘自动提取的新方法。该方法利用小波变换良好的噪声抑制能力及完备的边缘保持能力 ,能够有效的对红外图像进行目标边缘提取、目标增强及噪声抑制等预处理工作。结果表明 ,该方法对红外航空图片的边缘提取能做到快捷、准确、有效     

实现超分辨率的微变焦法

光电成象系统对目标欠抽样成象时,高频细节不但无法分辨,还将混淆低频成分.介绍一种新的实现光电成象系统超分辨率的方法——微变焦法,即利用放大率可变光学系统,获得多帧不同抽样频率下的混淆图象,然后重建成一帧混淆减少、分辨率提高的图象.计算机模拟和实验结果都表明了微变焦方法能够简便、有效地提高光电成象系统的分辨率 关键词： 超分辨率 微变焦法 混淆 光电成象系统 焦平面阵列     

基于多小波变换的红外目标探测与识别

针对光电联合变换相关器目标识别的实际应用,对待测红外目标图片进行多小波变换,并利用模极大值法提取其边缘.通过获取更多的轮廓信息,从而提高对目标的识别能力.计算机模拟了常用于红外目标处理的多小波GHM和SA4,实验结果表明:基于GHM多小波提取的边缘能获取大量的图像轮廓信息.其识别结果明显优于SA4多小波.将目标原图的光...     

基于区间双正交小波的图像去噪

提出了基于区间双正交小波的图像去噪方法,首先用消失矩N和N都是3的[0,1]区间上的双正交滤波器对含噪图像进行小波变换,再用Donoho的通用阈值方法对含有高斯白噪声的加噪图像进行去噪处理,仿真结果表明区间双正交小波不仅比Daubechies正交和双正交小波能更好的保留图像的纹理和边缘,而且提高了信噪比.     

光学显微镜自动聚焦取窗方法研究

针对全自动光学显微镜系统中,传统聚焦窗口选择方法易受图像内容分布、杂质、噪声等因素干扰的问题,提出一种根据内容像素变化量选择聚焦窗口的方法。该方法将灰度差像素数量与边缘像素数量加权作为内容像素数量,据此衡量失焦模糊状态下子块内容含量并划分聚焦窗口,减少杂质与噪声对取窗过程的影响;用降采样后图像各子块内容含量估计原图像内容分布信息,降低图像滤波、梯度计算过程的计算量;使用局部标准差与锐利边缘像素数量联合检测焦平面图像的失焦模糊区域,有效排除玻片杂质造成的焦平面误判。与传统的显微镜自动聚焦取窗方法相比,对内容丰富程度和分布状况不同的显微图像序列,该方法均能获取有效的聚焦窗口,像素梯度均值更高,所得的评价曲线局部极值极少,尖锐性好,因此该方法的成功率高,鲁棒性更强。     

Fiber type of optical coherence tomography with an auto-focus device

Optical coherence tomography (OCT) is a novel technique for non-invasive imaging based on low coherence interferometer. In this study, we develop a new optical fiber type of OCT with a commercial auto-focus device to simultaneously measure the refractive index and thickness of a single-layer for demonstration. An auto-focus device can be easily implemented into the new OCT in order to diminish the measurement error resulting from the slight vibration of the sample and/or the sample stage. However, if the conventional OCT is implemented with an auto-focus device, it would be extremely difficult in locating and controlling the positions of the sample and scanning stages.From the experimental results, the error percentage from various frequency of the simulated noise is almost under 0.4%. Due to the resonance frequency of a DVD pickup head is around 40 Hz, the error percentage is apparently highest up to 1%; however still acceptable. It is concluded that the auto-focus device indeed works in an OCT system.     

Flowfield vorticity calculation using PIV data

The simultaneous velocity measurement at different flowfield locations is one of the key advantages of a PIV system. This allows a straightforward calculation of derived flow magnitudes including spatial correlations. Thus, postprocessing techniques need further attention in order to assure maximum feature extraction with minimum error, among other issues. This paper is devoted to expand the capability of calculating vorticity in a PIV sampled flow field. The methodology proposed is based on linear algorithms (FIR filters) able to obtain the first spatial derivative of a grid sampled magnitude containing random noise. Generalization to other flow magnitudes based on spatial derivatives is immediate. Been this a widely used method, the main objective of the study is to develop new filters from families already documented. The relevant performance parameters of these filters are evaluated and commented. Synthetic data fields are used to test the basic metrological attributes in a controlled way. As a result of the study, algorithms with better performances than the usual ones are proposed and strong points are highlighted. Finally, results of the application to real PIV data are exhibited and commented.     

多色分图层激光扫描自聚焦投影技术

为了突破常规激光投影仪由于单一波长的局限性造成应用场景的限制,同时实现对不同零件、不同材料、不同装配工艺的分图层投影,设计并搭建了多色分图层激光扫描自聚焦投影系统。系统采用2种波长的激光作为光源,根据二向色镜的位置不同,提出了多色共光轴和分光路2种激光扫描自聚焦投影方案,并推导了相应的光学系统数学模型。通过系统的自聚焦功能调节镜组间距,均可以实现在不同距离的投影面上聚焦出不同颜色的最小光斑。利用ZEMAX光学设计软件对2种投影光学系统进行仿真,并从系统可靠性和投影效果上对2种系统进行比较分析。实验结果表明：在3 m处的投影面上,共光轴系统各种波长的光斑直径均在0.8 mm以内,且光斑大小均匀,可以实现多色分图层的扫描自聚焦投影功能。     

混杂复合材料等效热传导性能预测的小波-机器学习混合方法

混杂复合材料是一种新型复合材料,其复杂的细观结构导致预测其等效热传导性能极富挑战性.本文结合渐近均匀化方法、小波变换方法和机器学习方法发展了一种新的可以有效预测混杂复合材料等效热传导性能的小波-机器学习混合方法.该方法主要包括离线多尺度建模和在线机器学习两部分.首先借助渐近均匀化方法通过离线多尺度建模建立了混杂复合材料的热传导性能材料数据库,然后利用小波变换方法对离线的材料数据库进行预处理,接下来分别运用人工神经网络和支持向量回归方法建立混杂复合材料等效热传导性能预测的在线机器学习模型.最后通过对周期和随机混杂复合材料进行数值实验,验证了小波-机器学习混合方法的有效性,数值实验结果表明小波-神经网络混合方法具有最优的预测效果和抗噪能力.此外,需要强调的是对于具有高维大规模数据特征的随机混杂复合材料,小波-机器学习混合方法不仅可以提取离线材料数据库的重要特征,还可以显著减少在线监督学习的输入数据规模并提高机器学习模型的训练效率及抗噪性能.本文建立的小波-机器学习混合方法不仅适用于混杂复合材料等效热传导性能的预测,还可进一步推广应用于复合材料等效物理、力学性能的预测.     

基于图像边缘能量的自动聚焦算法

聚焦过程中,不同离焦点其图像差异体现在高频能量上。利用Sobel算子边缘检测算法,提出了图像边缘能量清晰度评价函数。与方差法和梯度能量法相比,该评价函数具有更好的尖锐性,能够适应高精度聚焦的需要。通过改进爬山算法,充分利用爬山过程中的先验知识,提出了随机起点爬山算法。该算法能够减少爬山步数,可提高自动聚焦速度。     

A microscope system based on bevel-axial method auto-focus

A microscope system based on bevel-axial method auto-focus (BAM-AFS) is proposed. The purpose is to establish an auto-focus microscope system that calculates the focus position one or many times. In this paper, we propose a bevel-axial method that had an included angle between CCD sensor and image plane with multi-parameters fusing from image to obtain the in-focus position directly in the first phase and combined Kalman estimate to obtain the in-focus position for different objects in the second phase. We discuss the relation between focus positions and image focus at the end.     

一种改进的Sobel梯度函数自动对焦评价算法

传统的自动对焦梯度函数评价算法在对细胞显微图像进行对焦时,由于对焦精度不佳,图像受噪声的影响较大。针对此问题,通过对不同对焦评价函数性能进行对比,提出了一种基于Sobel梯度函数改进的自动对焦评价算法——Sobel4direction_Brenner梯度函数算法。对对焦评价技术设计指标和算法的通用性进行了验证,结果表明:在调焦时该算法较传统对焦梯度函数能更好的抑制噪声,并且使电机在爬山算法的搜索对焦中具有更小的对焦搜索区间范围,获得的细胞显微图像的清晰度评价值也更高。     

Bayesian wavelet-based analysis of functional magnetic resonance time series

Wavelet methods for image regularization offer a data-driven alternative to Gaussian smoothing in functional magnetic resonance (fMRI) analysis. Their impact has been limited by the difficulties in integrating regularization in the wavelet domain and inference in the image domain, precluding the probabilistic decision on which areas are activated by a task. Here we present an integrated framework for Bayesian estimation and regularization in wavelet space that allows the usual voxelwise hypothesis testing. This framework is flexible, being an adaptation to fMRI time series of a more general wavelet-based functional mixed-effect model. Through testing on a combination of simulated and real fMRI data, we show evidence of improved signal recovery, without compromising test accuracy in image space.     

Modified wavelet based morphological correlation for rotation-invariant recognition

A wavelet-based rotation invariant morphological correlation (WBRIMC) is proposed as a new architecture to improve the properties of the classical rotation invariant morphological correlation (RIMC). For the WBRIMC, the JPS of the RIMC is filtered by an appropriately dilated power spectrum function of wavelet. Simulation results confirm that the WBRIMC has higher discrimination capability with sharp and intense correlation signals, and is more tolerant to the salt-and-pepper noise and white additive Gaussian noise than is the Circular harmonic filter (CHF), the phase only CHF (POCHF) and the RIMC.