基于圆结构光照明和LED照明相结合的三维检测技术

针对孔内表面的检测问题,提出了一种新的基于结构光照明和LED照明相结合的三维检测技术。该方法主要包括三个步骤:首先通过圆结构光照明获取孔内表面的截面轮廓图像,并通过图像处理和系统标定得到当前截面上局部区域的深度值;然后通过平面光照明得到孔内表面的平面图像,并在分析成像关系的前提下,在对平面图像进行坐标变换后得到孔内表面的展开图像,结合图像处理算法,提取展开图像的局部区域的平面尺寸信息;最后将圆结构光数据和LED光源数据变换到同一全局坐标系下,得到内表面的三维信息。     

阵列LED油品检测系统的设计

为了实现对输油管道上油品的测量,本文根据近红外光谱分析的基本原理,以及汽油和柴油的实际光谱图像的差异,设计了基于LED阵列的油品测量实验系统。该检测系统采用模块化设计,以多个不同中心波长的近红外LED组成阵列作为光源,并选用TI公司推出的带24位ADC的系统级高精度微控制器——MSC1211为系统的数据采集及控制核心,使系统具有体积小、结构简单、分立器件少、集成度高的优点。这些特性为系统在输油管道上的应用奠定了基础。     

基于成像系统物理特性的多光谱图像与全色波段图像融合

提出了一种基于成像系统物理特性的多光谱图像与全色波段图像融合算法。该算法采用àtrous小波变换提取全色波段图像的空间细节信息,并将提取的空间信息按照一定的注入模型调整后添加到各波段多光谱图像中去,得到具有高空间分辨力的多光谱图像。注入模型充分考虑了各波段成像传感器的相对光谱响应函数、地表物体对各波段的光谱反射率以及各波段的辐射调整系数等成像系统的物理特性,使融合后的多光谱图像在显著提高空间质量的同时,最大可能地保留了原始多光谱图像的光谱特性。对IKONOS卫星遥感影像的融合实验结果表明,该算法在光谱保留和空间质量提高方面较其它基于小波变换的融合算法都具有更高的性能。     

基于傅里叶叠层显微成像的LED阵列位置校正方法

傅里叶叠层显微成像(FPM)利用LED阵列角度变化的光照来克服低数值孔径物镜的分辨率限制。在传统的FPM系统中,LED阵列的位置误差将会给图像重建过程带来严重影响。因此准确校正LED阵列的位置对于提高重建图像质量至关重要。为了解决这一问题,提出一种基于遗传退火优化算法的位置校正方法。首先分析LED阵列、样品及物镜数值孔径的相对位置给入射波矢量带来的影响;接着采用遗传退火优化算法对LED阵列的误差位置估计全局误差参数;最后在重建过程中利用全局误差参数快速、准确地对LED阵列位置进行校正。仿真结果和实验结果表明,所提方法能显著提高重建图像的质量。     

基于超快超声多普勒的三维脑损伤成像方法研究

三维超声微血管成像可直观呈现血流信息,对于脑血管疾病诊断和治疗具有重要意义。本文旨在将超快超声成像技术、超快超声功率多普勒技术和机械扫描相结合,实现脑血管三维成像和脑缺血区域评价。通过工程实现,完成了可同步控制微型线性位移平台移动和超声阵列超快发射、高速采集与压缩存储的三维扫描数据采集序列与系统。利用GPU并行运算,高效实现了超声图像波束合成方法,对原始射频超声数据完成重建。进而,基于SVD杂波滤除技术,从重建三维超声数据中提取了脑部的动态小血管信号,并获得了各切面的功率多普勒成像和冠状面彩色多普勒超声小血管成像。最后,采用体素方法对三维脑血管进行重建。大鼠在体实验结果表明,该成像系统可用于三维脑血管网络在体成像,以及脑血管损伤区域定位与量化评价。本工作对脑病检测技术发展与诊断方法研究具有一定的借鉴意义。此外,相关检测系统和成像算法具有一定普适性,对其他富含微血流血管的组织检测也有一定的参考价值。     

基于2m级大口径望远镜的幸运成像算法的实验研究

幸运成像技术是一种相对简单的事后图像处理技术,主要是对短曝光图像进行像质评价,之后选取出高质量图像进行配准、叠加来复原出高分辨率目标图像。根据幸运成像技术的理论算法,提出了一种适用于地基2.4m大口径望远镜的幸运成像技术方案和GPU局部加速算法流程。使用该方案拍摄的短曝光图像进行幸运成像,获得了间距为0.3″的双星高分辨率图像。在选图过程中利用GPU设备进行并行计算,探讨了加速幸运成像算法的可行性以及计算瓶颈的问题。实验结果表明,在近红外条件下,2m级大口径望远镜所拍摄的图像,可以使用幸运成像算法重建出高分辨率的图像,其FWHM约0.2″;GPU设备能够实现幸运成像算法的加速,并提高整个算法的效率。     

基于光线追踪的实时可交互计算生成集成成像方法

为提高计算生成集成成像实时交互显示性能和灵活性,构建与集成成像再现系统结构一致的集成光场视见模型,通过该模型为单元图像阵列中每个像素生成一条逆向追踪的光线,使用光线追踪技术并行渲染光线为单元图像阵列像素着色.实验结果表明,顶点数为565 880的点云模型、面数为977 308的含纹理网格模型在透镜数为22×13、视点数为175×175的4K显示系统上显示帧率40fps以上,并实现了缩放、移动、旋转、显示微调等交互功能.该方法摆脱了虚拟相机模型,降低了算法复杂度,利于实现实时交互,能够应用于基于不同分布形式透镜阵列的集成成像显示系统.     

基于FPGA的近红外实时透雾成像方法

针对雾天图像的退化现象,提出采用近红外波段成像和视频图像处理技术相结合的透雾成像方法。根据视频图像相邻两场直方图相似性特点,提出了改进的直方图均衡化算法处理雾天降质图像。改进算法简化系统结构,降低逻辑设计复杂度,节约了高速存储器部分硬件资源。算法经过MATLAB仿真验证,并在FPGA视频图像处理平台上硬件实现。实验证明改进算法增强雾天图像的同时满足标准视频图像处理25帧/秒的实时性要求,结合近红外波段透雾能力使雾天能见距离提高1.5倍以上。     

光纤型光学相干层析成像系统的研制

光学相干层析(OCT)成像技术是一新近发展的高分辨力生物医学成像手段,能非侵入性地对活体内部的结构与生理功能进行可视化观察。采用宽带近红外光源,基于迈克耳孙干涉原理和外差探测方法,建立了单模光纤型光学相干层析成像系统,相干地提取从生物体内部返回的深度分辨的弹性散射光信息,并依此构筑了自然状态下活体组织的二维光学相干层析成像图像和三维光学相干层析成像图像。光纤化设计的光学相干层析成像系统紧凑、灵活,便于与光纤导管、内窥镜和其它成像装置的有机结合,以拓展其观察范围和应用领域。     

近红外与可见光双通道传感器信息融合的去雾技术

为了对雾霾天气下的图像进行去雾处理,多幅图像去雾算法是常用的方法之一。多幅图像去雾算法也有多种形式,部分算法面临硬件实现困难、获取途径受限或者可实施性弱等问题,而且多幅图像比对处理时常常涉及图像配准,造成算法的实时性差、计算复杂度高等问题。针对以上问题,提出的算法为多幅图像去雾提供了新的思路,基于双目传感器硬件架构能够同时捕获近红外和可见光图像,将近红外传感器图像作为新的数据源,近红外传感器能够在一定程度上穿透雾霾,在雾天捕获可见光传感器无法捕获的图像细节,而且硬件实现简单。可见光图像的颜色信息较丰富,近红外传感器图像对近处场景细节的描述能力较好,捕获的图像稍加校正就能实现完全配准,将近红外图像与可见光图像进行融合,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,得到边缘、轮廓等细节信息更加丰富的去雾图像。基于上述思路,借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力,提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。首先,将彩色可见光图像转换到HIS彩色空间,分别得到亮度通道图像、色调通道图像和饱和度通道图像。先将其亮度通道图与近红外图像进行融合去雾处理。采用非下采样Shearlet变换（NSST）进行分解,对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理,对低频系数进行反锐化掩蔽处理,通过融合规则和反向变换得到新的亮度通道图像。然后,在对可见光图像的色彩处理中,建立饱和度图的退化模型,采用暗原色原理对参数进行估计,得到估计的饱和度图。最后,将新的亮度通道图像,估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。为了验证新算法的有效性,特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理,将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。实验结果表明,该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。并提出将近红外传感器图像作为新的数据源,采用双通道图像融合方法进行去雾处理,为图像去雾提供的新的技术思路是可行的。该算法的优势在于：首先提出将图像融合方法与去雾算法相结合,得到了新的去雾算法的思路。将彩色可见光图像转换到HSI色彩空间,将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,使得去雾图像中的边缘、轮廓等细节信息更加丰富。其次,提出了在图像去雾算法中采用新的数据源--近红外传感器图像,从图像处理的角度,近红外传感器能够在一定程度上穿透雾霾,对于近处场景细节的描述能力较好,而且硬件实现简单,捕获的图像稍加校正就能实现完全配准,为后续的融合去雾算法带来了便利,为图像去雾提供了新的技术途径和路线。再次,采用的是多幅图像去雾算法,该算法基于双目传感器获取图像,可见光图像的颜色信息较丰富,近红外图像对于近处场景细节的描述能力较好,相对于单幅图像去雾算法,有更好的效果。最后,将可见光传感器图像映射到其他色彩空间,对于每个通道的图像根据其特征有针对性地进行处理。可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理,对于可见光图像饱和度通道的处理采用了图像复原算法,可以从整体上提升去雾效果,对细节特征有了进一步增强。该算法为图像去雾提供了新的技术途径和路线。     

多探测器拼接成像系统实时图像配准

依据已设计完成的基于同心球透镜的四镜头多探测器阵列拼接成像系统,对该系统图像拼接配准过程所采用的特征检测提取、特征向量匹配与筛选、空间变换模型参数估计等算法进行了研究。首先,采用Fast-Hessian检测子提取参考图像和待配准图像的特征点,并生成加速鲁棒特征(SURF)描述向量。接着,采用快速近似最近邻(FANN)逼近搜索算法获得初始的匹配点对,并对匹配点对特征向量的欧式距离进行排序。然后,参照成像系统光学设计参数设定合理的阈值,筛选并保留下较好的匹配点对。最后,提出了一种改进的渐进式抽样一致性(IPROSAC)算法对空间变换矩阵模型进行参数估计,从而得到参考图像与待配准图像的空间几何变换关系。实验结果表明:该算法对图像尺寸、旋转和光照变化都具有一定的不变性,特征匹配时间为0.542 s,配准变换时间0.031 s,配准误差精度小于0.1 pixel,可以满足成像系统关于图像配准实时性和准确性的要求,具有一定的工程应用价值。     

基于主动散斑投射的水下双目视觉三维成像

基于主动散斑投射的双目立体视觉成像技术仅需一次投影拍摄即可实现三维重建,适合于动态成像,但在水下应用时,存在小孔模型失效、极线约束匹配条件不满足,以及投射散斑左右图像因受水下环境吸收、散射影响产生退化等问题。本文重新建立了基于主动投射散斑图案的水下双目视觉成像模型,分析了散斑图案对水下双目对应点匹配精度的影响,搭建了主动散斑水下双目视觉动态三维成像系统实验装置。实验结果表明,基于主动散斑投射的水下双目立体视觉技术具有较好的动态3D成像效果,动态误差在该双目立体视觉实验装置本身结构和系统参数决定的静态误差之内。     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

显微CT血管系统三维结构的骨架细化算法并行化设计实现

提取骨架是计算机断层扫描(CT)三维(3D)血管图像定量分析中的关键步骤,通常耗费数小时,直接制约了图像分析的定量研究。分析串行骨架细化算法各步骤中包含的可并行化操作,对其进行并行化设计,提出的算法通过Open MP多线程技术实现,并采用不同大小的三维CT血管图像进行分析和测试。根据测试结果,改进后的算法获取到的骨架准确可靠,对于1.95 GB大小的三维血管图像,使用16个线程进行并行运算时,可将运算时间由176min缩短到13 min,时间消耗上降低了一个数量级。因此,提出的方法可实现大型血管骨架的准确、高效提取,解决了大型三维图像分析问题中运算效率低这一瓶颈问题。     

基于谱段关联的近红外图像模拟方法

提出一种基于谱段关联的近红外图像模拟方法,分析遥感图像成像链路模型,以及卫星载荷传感器可见光多光谱谱段和全色谱段的关联性,计算得到了谱段关联系数,并基于谱段的关联系数生成模拟近红外图像.为了提高近红外模拟图像生成的速度,利用基于GPU的SIFT算法对全色图像与多光谱图像进行匹配.采用所提方法利用吉林一号光学A星的数据,生成模拟近红外图像,单景图像计算时间优于3s,该方法对合成真彩色图像和去云去雾均有较好的效果.     

基于窗截取的立体元图像阵列快速生成

集成成像需要从不同角度记录三维(3D)物体的空间信息,采用计算机生成时,计算量大、时间长。针对这一问题,提出窗截取的立体元图像阵列快速生成方法。模拟真实透镜阵列的结构,建立采样模型,根据显示平台光学参数计算得出虚拟3D物体对应每个虚拟透镜元中的图像,即立体元图像,然后采用窗截取的方式生成立体元图像阵列。改变采样点和窗函数可以生成任意孔径任意排列结构的立体元图像阵列。实验搭建基于LED的集成成像显示平台,设计了与LED匹配的方形、六边形、圆形孔径的透镜阵列,选取不同类型的3D模型对比立体元图像阵列的计算时间和立体显示效果,结果表明,在不改变立体图像质量的前提下,当立体元图像的分辨率高于透镜阵列的采样率时,本文方法速度更快。     

一种数字微镜阵列分区控制和超分辨重建的压缩感知成像法

提出一种压缩感知成像框架结构.该结构采样端用新建的采样矩阵实现数字微镜阵列分区控制,可增强信息获取的准确性,测量得到与新数字微镜阵列对应的压缩采样值;重构端由采样值优化重构出低分辨率图像后,根据分区控制过程建立压缩感知理论框架下的超分辨重建模型,利用梯度稀疏约束优化算法进行求解,恢复出原高分辨率图像.实验结果表明:数字微镜阵列分区控制与超分辨重建相结合的方法可以明显降低压缩感知成像系统的计算量,缩短成像时间,并且具有较高的图像重构质量.     

超宽带微波检测早期乳腺肿瘤三维仿真

超宽带微波成像技术可作为有效的方法用于乳房早期乳腺肿瘤的检测. 该方法基于乳房组织和肿瘤之间较大的电学特性差异的特点进行成像, 能提供足够的分辨率以及足够的穿透深度. 本文采用时域有限差分方法建立超宽带微波信号在三维乳房组织中传播的模型, 并采用单极德拜模型完成了生物组织色散特性的模拟. 利用8发9收的天线阵列实现微波肿瘤探测, 利用共焦成像算法对乳房组织进行图像重构并进行肿瘤定位. 仿真结果显示共焦成像算法能够实现最小直径3 mm的肿瘤的检测, 同时证实了超宽带微波成像技术应用于早期乳腺肿瘤检测的有效性. 关键词： 微波成像 肿瘤检测 时域有限差分 共焦成像算法     

一种可实时化的多光谱图像融合系统

在多光谱摄影和光电成像技术基础上，本文提出了一种可实时化的多光谱图像融合系统。与多光谱摄影相比，不仅可实现多光谱实时化摄像，而且光谱响应进一步向近红外延伸，并引入图像处理技术。实验表明：这种技术对于增加系统的识别能力具有明显的作用，可进一步构成不同用途的新型多光谱图像融合系统。     

OCT系统对人体牙齿组织的非失真成像深度的研究

利用基于蒙特卡罗方法的牙组织光学相干层析(OCT)成像模型,研究了不同牙组织的OCT非失真成像深度。通过模拟入射高斯光束以及光在牙组织中的传输,分别获得了单层牙釉质、单层牙本质以及两层牙组织结构的二维仿真OCT图像,与实验结果具有定性的一致性。通过分析二维仿真OCT图像所对应的一维OCT信号,分别得到了三种牙组织结构的平均非失真成像光学深度。研究结果表明,OCT系统对牙齿组织的非失真成像光学深度在150~2400μm之间,其中牙釉质的非失真成像深度要远大于牙本质的成像深度。所得的结果对于在实验中利用OCT图像对组织结构有效信息进行判断具有一定的参考价值。