基于高精度轮廓线激光的芯片引脚共面度视觉检测系统

实现了一种基于数字信号处理技术的高精度轮廓线激光视觉检测装置。激光视觉检测装置采用了蓝色激光光学系统,以DSP芯片为核心对采集到的数字信号进行处理和分析;取样速度达1.28×10~7点/s。利用所述激光装置和气浮运动平台,实现了对SOP和QFP芯片引脚等小型电子部件高精度检测。所述激光装置可应用于生产线或设备上移动的产品,如黑色和光泽表面的轴承、木材或者石膏等的准确测量。     

基于单幅测量图像的三维缺陷检测技术

为了对缺陷进行更加全面的判断,设计了一种新型三维缺陷检测方法,只需要根据单幅实时测量的工件图像,就可获得0°~180°范围内工件形貌的三维数据,进而对缺陷的平面及深度尺寸进行全面判断。其核心技术是根据单幅测量图像中留下的三维线索—灰度信息,进行亮度分析和转换,利用倾角和偏角计算物体深度信息。在工业现场磁性材料缺陷检测中,该方法在X和Y方向的分辨力达到0.1 mm,Z方向的分辨力达到0.007 mm。实验证明所使用的三维缺陷检测方法,工作方式简单,硬件成本低,处理速度快,精度高,适宜在工业现场应用。     

基于单幅多光谱图像的照明光谱估计方法

由于场景的光谱信息受到不同照明条件的影响,故在照明不可控场景下拍摄的多光谱图像的光谱反射比重构需要进行照明光谱估计。因此,提出了一种基于单幅多光谱图像的通用方法来准确预测场景的照明光谱。首先,通过分析每个像素的响应特性设计并计算色度权重图,以寻找包含更多照明信息的像素。然后,对加权后的图像进行成分分析,以在通道域中提取光源响应特征。最后,得益于创新性引入的基于照明光谱库训练的字典学习方法,可估计出场景光源的相对光谱功率分布。所提方法在模拟数据和真实数据上的照明光谱估计平均角度误差分别为0.29和3.42,与现有的同类方法相比,表现出更优的准确性和鲁棒性。     

基于暗通道先验的单幅图像快速去雾方法

为了提高雾天图像的去雾效果,针对暗通道先验法则中存在的不足,提出一种单幅图像快速去雾方法.该方法以暗通道先验法则为基础,采用四叉树搜索算法对大气光值进行估计,并通过白平衡对大气散射模型进行简化.然后,利用暗通道先验知识得到介质传输率粗略估计,并通过引导滤波和双阈值判断方法对介质传输率中边缘和天空区域进行优化.最后,通过简化大气散射模型和色调调整得到去雾图像.与几种典型的图像去雾方法相比,该方法运算速度较快,能有效提高去雾图像的清新度,并获得较好的图像颜色.     

基于稀疏特征提取的单幅图像去雾

为解决暗通道先验去雾算法在天空区域和大片白色区域色彩失真的问题,提出了一种基于稀疏表示模型和特征提取的单幅图像去雾算法。通过稀疏字典的训练过程,学习雾天图像的稀疏特征,初步优化粗略介质传输图的稀疏系数。根据雾天灰度图像的稀疏特征,进一步精细化介质传输图。逆向求解雾天退化模型,得到去雾图像。实验结果表明,所提算法在天空区域的处理上优势明显,同时恢复出更多的图像细节和边缘信息。     

基于单幅图像大尺寸实际平面上的光点定位方法

 为满足某地面实验中视觉测量系统的研制需求,研究了一种基于单幅图像的大尺寸实际平面上光点的定位方法。通过建立关于实际平面上光点3D坐标的数学模型,结合利用图像确定的通过光点的空间光束,实现了由单幅图像确定光点的3D坐标。依据具体特点,把实际平面分为高阶曲面型、分块平面型和分块曲面型3种类型,并分别给出了相应类型的光点定位方法。仿真实验验证了所提出方法的正确性,并比较分析了方法的精确性;实际试验数据表明,所提出方法可以满足尺寸为8000mm×8000mm的大型实际平面上光点的定位需求,定位误差小于1mm。     

基于各向异性扩散的单幅图像去雾算法

针对单幅图像去雾算法容易产生光晕现象且去雾后图像细节不突出的问题,提出了一种基于各向异性扩散的去雾算法.首先在基于像素的暗通道先验假设的基础上计算出初始大气传输函数,使用Perona-Malik偏微分方程模型求解出精细化的大气传输函数,再经过最小值校正,最终得到准确的大气传输函数。为了估计大气光,对基于像素的亮通道图像进行像素排序,从中选取出可靠的大气光向量。实验结果表明,提出的算法能够恢复更多的图像细节,同时有效地抑制了光晕现象。     

基于非线性光谱字典学习的单幅RGB图像光谱重建方法研究

针对单幅RGB图像重建光谱图像中的病态问题,提出一种基于非线性光谱字典学习的非线性重建方法。为了适应线性和非线性数据,该方法首先改进了基于自联想神经网络模型的非线性主成分分析算法,并利用其从训练光谱集中学习低维光谱字典,用于光谱重建的求逆方程中,以缓解病态状况。再在此光谱字典基础上,利用阻尼高斯牛顿法结合截断奇异值分解的正则化方法,进一步缓解该非线性反演的病态问题,实现单幅RGB图像重建光谱图像。在实验中,采用Munsell以及Munsell+Pantone两个光谱训练集学习光谱字典,同时利用CAVE和UEA光谱图像库进行光谱重建测试。该方法测试结果与现有方法比较发现,该方法在不同光谱训练集下重建CAVE和UEA两库光谱图像的均方根差的平均值最低,分别为0.212 4, 0.255 4, 0.229 4和0.294 9,均方根差的标准偏差接近最好方法的效果,分别为0.068 5, 0.084 7, 0.066 8和0.087 0。此结果表明该方法针对单幅RGB图像重建光谱图像在重建精度和稳定性上均存在优势。     

基于单幅散斑的X射线强度关联缺陷检测方法

采用预置散斑的X射线强度关联成像系统需要采集大量的散斑场,成像时间较长,而单幅散斑场信噪比低,难以单独用于图像重构。然而单幅散斑场中的空间分布信息包含一定的样品结构信息,可以用于样品缺陷快速检测。基于此,提出一种基于单幅预置散斑的缺陷检测方法,该方法将待检测样品探测散斑场与标准样品模拟散斑场的相关性作为样品缺陷的评价标准。同时基于该方法模拟X射线强度涨落二阶自关联检测光路,分析不同信噪比下探测散斑场分布的图像对比度对相关系数的影响。并对比多种细节增强方法,提高检测可靠性。最终结果表明,基于单幅散斑场的方法可以有效地进行样品的快速缺陷检测。     

基于非局部先验的单幅图像去雾算法

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。     

基于自适应暗原色的单幅图像去雾算法

为了复原雾天退化图像,提出了一种自适应暗原色的单幅图像去雾算法.针对暗原色先验理论在估计图像透射率时不够准确、容易引起Halo效应的问题,采用自适应暗原色概念,即在暗原色的获取过程中引入自适应阈值,减小景深变化对暗原色获取的影响,进而正确求取透射率.此过程不需导向滤波的细化,也就避免了导向滤波引起的效率低和去雾不彻底的问题.主观及客观两方面将本文去雾算法与现有算法进行对比,结果表明,本文算法能够有效消除Halo效应,获得高对比度、高色彩饱和度以及丰富细节信息的去雾结果,同时也提高了图像去雾效率.     

单幅图像的去雾新算法

提出了一种基于单幅图像的去雾新算法.首先把图像归一化后从RGB彩色空间转换到HSI彩色空间,对色调分量运用四叉树分割法进行分割图像;分割后图像的每一局部小方块可以认为具有相同的场景深度,从而可以对每一局部小方块估计出空气光.然后再对亮度分量运用雾天图像光学模型,从雾的物理特性上去除雾对图像的影响.最后再对图像的饱和度分量进行校正,得到复原后的图像.该算法的主要优点是速度快,且不仅可以应用于彩色图像,也可以适用于灰度图像.通过该算法与其它几种算法的实验结果进行分析和比较,表明该算法能有效恢复出清晰图像.     

单幅图像的去雾新算法

提出了一种基于单幅图像的去雾新算法.首先把图像归一化后从RGB彩色空间转换到HSI彩色空间,对色调分量运用四叉树分割法进行分割图像|分割后图像的每一局部小方块可以认为具有相同的场景深度,从而可以对每一局部小方块估计出空气光.然后再对亮度分量运用雾天图像光学模型,从雾的物理特性上去除雾对图像的影响.最后再对图像的饱和度分量进行校正,得到复原后的图像.该算法的主要优点是速度快,且不仅可以应用于彩色图像,也可以适用于灰度图像.通过该算法与其它几种算法的实验结果进行分析和比较,表明该算法能有效恢复出清晰图像.     

基于两个正交一维物体的单幅图像相机标定

提出了一种利用两个正交一维物体构成"T"型靶标进行摄像机标定的新方法。该方法只需对"T"型靶标上已知坐标的5点投影一幅图像,然后根据柔性靶标原理计算出由虚点和标记点组成的共直线的4点,由射影变换同素性、接合性以及交比不变性标定出镜头的一阶径向畸变参数。利用已知畸变参数对图像进行畸变校正,然后由基于两个正交一维物体坐标变换的方法即可标定出相机的内外参数。该方法线性求解镜头畸变参数,避免了传统方法非线性迭代优化过程中产生的参数耦合现象。实验表明,不进行镜头畸变校正则相机标定精度随着图像噪声的增加呈不稳定状态;进行畸变校正后对简单标定计算的初始值进行优化得到稳定的高精度标定结果。整个实验设备简单,操作方便,只需一幅图像即可实现镜头畸变和相机内外参数的标定,可以达到实时的效果。     

基于单幅图像的工业内窥镜相位法三维测量研究

用于工业内窥镜的相位法三维测量受探头尺寸限制,要求装置简单。求取相位的常用方法有相移法和傅里叶变换法。将傅里叶变换法用于内窥镜的相位法三维测量克服了相移法的移相装置复杂,需要多幅图像,计算量大的缺点。该方法只需一幅图像就能完成测量,测量精度比相移法略低。     

自外而内的单幅图像超分辨率复原算法

单幅图像超分辨率(SR)复原是一个病态逆问题,需要利用图像的先验知识进行正则化约束。提出了一种同时考虑外在样例和内在自相似性的单幅图像SR复原算法,其中外在先验知识是通过卷积神经网络从外在低分辨率-高分辨率图像对学习得到的,而内在先验约束由聚类和低秩近似实现。实验结果表明,本方法在复原效果和稳健性方面优于已有方法。     

基于透射率融合与多重导向滤波的单幅图像去雾

为了避免图像去雾后细节模糊和噪声放大,将图像分解为结构层和纹理层,并只对其结构层进行去雾。基于频域滤波思想提出透射率融合方法,解决了现有透射率估计方法中普遍存在的块效应问题和复原图像中存在的晕轮伪影问题。针对透射率优化过程中存在的计算量大、透射率平滑与细节保持之间难以平衡等问题,提出了多重导向滤波透射率优化方法。同时,针对目前大气光估计易受图像中白色物体的影响,提出自适应大气光估计方法。实验结果表明,该算法得到的图像去雾彻底、细节清晰、颜色自然,不仅有效抑制噪声和晕轮伪影,而且显著提高场景对比度、饱和度。     

基于序列图像的运动目标实时检测方法

运动目标检测是当前进行图像分析和理解以及在计算机视觉领域研究的热点,它被广泛地应用于靶场测量、目标监视、视频压缩、车辆跟踪和航空航天等领域。在参考大量文献资料的基础上,系统研究了近年来国内外已经比较成熟的一些算法,并把它们分成了7类。