用于曲面精密检测的新型光纤三角传感器研究

基于光纤传感技术和三角测量方法，提出了一种用于曲面检测的新型光纤三角传感器。根据所设计的轮辐式接收光纤结构，可以在测量曲面与传感头间位移时，首先获取被测点处微面元的倾斜信息，以便对传感器测量值进行实时误差修正，从而解决了被测表面倾斜对坐标测量带来的影响。该传感器还能有效地消除环境光干扰、光源波动、表面反射率变化等对测量带来的影响。建立了传感器测量的数学模型。理论分析和初步的实验结果证明了系统的有效性和实用性。该传感器系统不稳定性好于0.3%，横向分辨率好于8μm，高度分辨率好于0.1μm。     

惯性约束核聚变多路打靶激光光束引导方法的研究

提出了一种用于惯性约束核聚变(ICF)的多路激光光束引导的新型传感器。通过内置面阵CCD来监测激光光点位置,并利用共轭光路法引导光束到预定位置。在引导过程中光束不直接打到靶上,避免了靶的不同形状对光束引导的影响。提出了激光光束的引导方法和流程。设计了零位角测量光路,并用于测量激光光束的入射角。     

基于图像融合的动态轮廓线跟踪新方法

红外与可见光传感器是目标跟踪识别系统中常用的两种传感器,对这两种传感器图像进行融合能有效提高系统跟踪检测的准确性。将动态轮廓线模型与图像融合结合,在特征搜索过程中利用特征点准确地完成了图像配准,同时使用了一种新的特征级融合方法,将两种图像中目标轮廓的B样条曲线控制点进行实时微分耦合。这种耦合将Curwen提出的微分耦合机制作了改进,利用图像配准把刚性硬模板改变为实时的变换模板并推导了融合后动态轮廓线的新的动力学方程。这种融合利用了红外图像目标轮廓信息约束可见光图像中动态轮廓线的收敛形状,有效地提高了可见光图像目标跟踪的准确性。对运动人手序列图像的对比跟踪实验表明,这种融合使得可见光图像中动态轮廓线平均跟踪误差减小了60．25％。     

一种基于图像融合的运动目标快速检测算法

提出了一种新的运动目标检测方法,这种方法可以有效的提取目标轮廓。应用一种图像差分技术得到运动目标的初始轮廓线。使用了动态轮廓线使其收敛到目标轮廓。提出了一种新的目标轮廓特征级融合方法,求解两类模式图像的收敛动态轮廓线控制点向量差的范数平方极小化。这种方法不需要图像配准降低了融合的计算复杂度,有效提高了可见光图像中目标轮廓提取的精度。对比检测实验证实了算法的有效性。设计了一种基于Newmark方法的动态轮廓线快速迭代算法,将该方法和方法作了比较,对比实验表明这种方法的时间复杂度降低了22%。     

基于形态学4子带分解金字塔的图像融合

提出了一种基于数学形态学滤波的多分辨力图像融合。这种融合方法使用了形态学开闭运算构造了低通与高通滤波器,将原始图像分解为4子带图像金字塔和4子带方向衬比度图像金字塔。然后利用方向衬比度和区域标准差进行图像融合得到融合的4子带图像金字塔,最后应用子带图像重构得到融合图像。融合实验表明,该方法优于传统的形态学金字塔图像融合,衬比度金字塔图像融合和小波分解图像融合。     

空间矩亚像素细分算法的研究

本文首先介绍了空间矩亚像素细分算法的基本原理、计算模板及公式,然后着重分析该方法的原理误差的起因,并推导了原理误差公式;本文利用实验对方法的有效性、线性及精度进行了研究,给出了方法的亚像素定位的标准差、直线边缘检测的坐标图、补偿后的直线边缘坐标图及实测尺寸对比结果     

单目显微视觉测头动态测量技术的研究

为了解决现有坐标测量机中的单目显微视觉测头视场小和景深小的缺点,提出了显微视觉测头的动态测量方法。建立了运动模糊图像的复原模型以及序列图像的全景组合模型,并提出了测量系统的自标定方法,标定重复性精度优于0.5nm。实验证明:该系统在以6mm/s的速度扫描测量时,测量重复性精度可达到5μm。     

激光干涉任意转角测量信号的获得及误差补偿技术

采用信号处理的方法对激光干涉测角系统的特性进行线性化处理,需要产生两路正交信号。采用空间互相垂直的两套干涉系统获得信号难免会使系统复杂、调整困难,因此提出了一种插值处理方法,可以利用测量得到的一路信号获得线性输出信号。输出信号的非线性误差较处理前大大减小了,但是无法满足高精度测量的要求。还提出了针对误差产生的原因进行的误差补偿技术。实验结果表明,提出的方法可以实现任意转角的高精度测量,光程差的测量误差小于±0 2μm,对应的转角测量误差为0 63″。     

角度测量的光学方法

光学测角法是高精度动态角度测量的一种有效的解决途径。对目前发展较快的几种角度测量的光学方法———圆光栅测角法、光学内反射小角度测量法、激光干涉测角法和环形激光测角法进行了详细的介绍 ,并且分别给出了每种方法的测量原理和发展现状 ,比较了各种方法的优缺点 ,给出了每种方法的应用场合和发展前景     

基于多尺度形态学滤波器的图像融合新方法

提出了一种保持图像细节和高抗噪性的图像融合新方法。这种方法首先对源图像进行多尺度形态学开闭滤波,得到源图像的低频平滑图像;然后应用多尺度Top-hat变换和Bottom-hat变换来提取小于相应尺度的图像细节特征。因为在较小的尺度特征中包含噪声颗粒的可能性较大,据此修正了Top-hat变换和Bottom-hat变换的相应系数;最后对以上两步骤得到的低频平滑图像和多尺度高频细节图像分别进行图像融合,应用形态学重建过程生成融合图像。实验表明,这种融合方法具有图像细节保持完整和噪声消除效果好的优点,处理效果优于传统的图像融合方法。