用于近场集成光学头微透镜器件的灰度掩模技术

讨论了制作适用于近场集成光学头中的凸形、凹形微透镜和折衍射复合微透镜的灰度掩模技术。定性地给出了与几种典型的凸形、凹形微透镜和折衍射复合微透镜对应的灰度掩模版的设计实例 ,以及将它应用于光刻操作的情况 ,为采用灰度掩模技术制作适用于近场集成光学头中的微透镜器件奠定了基础。灰度掩模技术在微透镜器件的制作方面具有重要的应用前景 ,有助于简化制备工艺 ,降低制作成本 ,优化微透镜阵列的结构参数。     

改进形态学相关算法以识别高相似度灰度图像

从形态学角度定义了灰度联合图像相似度，提出两种基于位表示法形态学相关算法的改进算法，通过提取位表示法的图像片边缘特征或二元化位表示法的图像片功率谱，以提高位表示法形态学相关算法对高相似度灰度图像的识别能力。     

基于半像素错位的多幅图像重建高分辨率图像技术研究

介绍了一种基于半像素错位的多幅图像重建高分辨率图像技术。分析了半像素错位的多幅图像与高分辨率图像各像素灰度值的对应关系 ,并从CCD数字化采样的角度进行了论证。同时 ,结合实际摄像机CCD结构 ,求出了高分辨率图像重建的计算公式 ,并通过实验进行了验证和完善。重建的本质是以原高分辨率图像的 4邻域平均图像为基础 ,增加一定比例的边缘细节信息 ,去接近原高分辨率图像。CCD的动态范围越大 ,图像的灰度级越多 ,那么计算误差就越小 ,图像的边缘细节信息就可以利用更多 ,重建的图像就越接近原高分辨率图像。通过实验和分析表明 ,利用半像素错位的多幅低分辨率图像重建高分辨率图像的原理是正确的 ,方案是可行的     

面阵探测器的像点亚像素定位研究

面阵探测器可直接探测点目标图像的位置，但其定位精度受到探测器分辨率的限制。因此，亚像元精度技术得到了发展。它是利用目标像点的灰度分布特性，通过内插细分算法，确定出像点位置。可将定位精度提高1—2个数量级。本文介绍了几种实现目标像点亚像素定位的内插细分算法。对它们的计算公式、特点进行了分析，并进行了实验验证。     

基于新型核与灰度序列的时滞GM(1,N)模型及其应用

为了解决GM(1,N)模型在新型核与灰度的基础上,对驱动项的延迟作用机理不明确的问题,将时滞参数引入到GM(1,N)模型的驱动项中,构建了基于新型核与灰度的时滞GM(1,N)模型,分析了时滞参数的辨识方法,讨论了新模型的建模机理。为了更好地对该模型的有效性进行验证,将优化的时滞GM(1,N)模型对南京市的雾霾进行预测分析,选择GM(1,N)模型、一元回归模型与文中的优化模型进行对比。结果显示,优化模型对PM₁₀浓度的拟合精度更高,且误差均控制在5%之内,从而验证了提出的优化模型适用于具有时滞特征数据的模拟和预测。     

基于图像灰度信息的直线位移测量

提出了一种基于视觉的新型直线位移测量方法。建立了图像各像素点灰度值与直线运动位移间的映射函数模型,通过数值方法解算了直线运动平台的位移。通过蒙特卡罗仿真对所提方法进行分析,证明了其可行性与合理性。分析了检测点拓扑结构对测量精度的影响。实验结果表明,在10 mm的位移测量范围内,所提方法的测量误差标准差为4μm。     

基于单位扇环灰度的虹膜定位算法

提出了基于单位扇环灰度的虹膜定位算法。利用投影法分割出一个包含瞳孔的矩形区域,通过最大类间方差法确定该矩形区域的阈值,完成瞳孔的分割。对于虹膜外边界的定位,需要基于瞳孔中心分割出某一方向上的扇形区域,以5个像素作为扇形区域的步长,计算每个扇环的平均灰度值,根据灰度变化情况就可以确定该方向上的虹膜外边界点。其他方向上的边界点也通过此方法确定。对这些边界点进行筛选并进行圆的拟合,最终实现虹膜的定位。实验结果表明,采用该方法所分割的虹膜图像可以获得良好的效果,具有良好的应用和参考价值。     

基于机器视觉的三维灰度重构技术

基于双目立体视觉三维重构原理，采用主动扫描实现特征匹配的三维灰度重构技术，通过特征结构光扫描物体表面，由经过预标定的两套成像传感器拍摄其图像，经过图像处理程序提取出特征点，完成特征匹配，再计算出物体表面三维轮廓，同时将成像传感器中的灰度信息映射到相应的特征点，从而实现特征点的三维信息和颜色信息的重构和匹配。该技术为三维彩色逼真场景的重构奠定了基础。     

闪光照相中源尺寸和散射对成像的影响

 利用Monte Carlo(MC)模拟技术解释实验中心线灰度曲线的各部分波形。结果发现，系统中的散射照射量、光源的尺寸和H-D特征曲线的形状对实验灰度曲线的各部分波形均有影响：散射量越大，中心信号幅度越低;H-D曲线趾部的非线性越严重，中心信号幅度也越低;光源尺寸造成图像越模糊。指出了用实验波形可以半定量确定系统散射程度和光源尺寸。在测量照射量时，应该尽可能避免散射的干扰,用台阶法测量H-D曲线时，应使台阶远离剂量片而前移。     

基于微分算子的边缘检测法在基因芯片图像识别中的应用

一种基于梯度算子和拉普拉斯算子检测医学基因芯片荧光数字图像边缘的方法．数字图像经过图像增强等预处理以后，突出了我们感兴趣的数字图像特征，根据数字图像灰度变化的趋势，用灰度变化的一阶导数(梯度算子)检测图象中的边缘区域；用灰度变化的二阶导数确定图像边缘的中心位置．最后根据某些预定的准则把满足这些准则的象素组成一条边缘．