一种基于先验模板的图像面积特征测量方法*

针对显微视觉中需要反复自动聚焦与自动照明调节以获取高质量图像,降低了微操作效率,提出一种图像特征测量方法.该方法建立在二值图像标准互相关计算模型的基础上.首先,通过设计特殊模板图像,简化该计算模型|通过反推该计算模型,可以在不作预处理基础上,得到目标图像的面积特征参量.利用误差补偿原理,设计两种模板求解两次面积参量,而后求平均值,提高了算法对比度及鲁棒性.强噪音仿真图像实验结果表明：改进方法的测量正确度比常规方法高约20倍|强离焦退化仿真实验表明：改进方法的测量正确度可提高一个数量级.实际图像实验中,改进方法可以在严重离焦以及弱照明条件下有效对图像面积特征进行测量,测量精密度比常规方法高3～5倍.结果表明,该方法在低质量图像面积特征测量中具有实用价值.     

基于标准互相关算子的直线图像特征快速测量方法

直线图像特征在实际中应用很多,且多数情况下要求对其快速测量。传统标准互相关算子(NCCO)匹配方法计算量大、速度较慢。分析了NCCO匹配搜索方法的本质,以图像特征概率分布的形式给出了NCCO在二值图像匹配下的相似函数计算式。通过设计特殊模板,并利用直线特征的自身特点,从原理上推导并证明了求解直线型图像特征参数的计算公式,据此提出直线型图像特征的快速测量方法。中等噪声强度的仿真图像实验结果表明,直线特征倾角α的测量正确度在0.24°~0.98°。最后,将测量算法应用于微对准装配系统中标记图像的粗定位,实测该算法在实时性上要远优于传统模板匹配方法,甚至高于传统拟合方法约2.5倍。     

分级多尺度变换的水下偏振图像融合法

提出了一种分级多尺度融合的水下偏振图像处理方法.首先,利用非负矩阵分解对偏振参量图像进行融合增强,得到所含局部特征信息完整且冗余度低的偏振参量融合图像;在此基础上,基于二维经验模式分解分别将偏振参量融合图像与偏振强度图像进行多尺度变换,对得到的高低频子图像分别进行加权平均融合,融合权重是采用穷举搜索法计算得到;最后,将高低频融合结果反变换得到最终融合图像.实验仿真结果表明该融合方法在增强图像细节信息及提高水下偏振图像对比度方面具有显著效果.     

复杂目标光学散射截面数值仿真方法

研究复杂目标的几何建模、光学面元消隐和目标表面的光学散射特性.针对任意构型的目标,提出采用均匀光照明仿真图像进行光学散射截面（OCS）数值计算方法.通过自适应Z缓存方法,实现目标光学消隐面的计算,将这部分消隐面面积从目标OCS的数值积分中去除.研究近似镜面材料的空间模板褶皱表面的光学散射数值模拟方法,以及基于激光主动探测系统实验测量数据的目标OCS实验分析方法.根据某缩比例空间目标相对探测系统不同方位、俯仰角情况的OCS实验结果,校正OCS数值仿真参数.仿真结果与实验结果的图像比较和OCS曲线趋势大略一致,考虑到表面褶皱的随机性、姿态的测量误差和仿真模型有限的校准能力等因素,本文提出的数值仿真方法能够在一定程度上描述目标的OCS值.     

爆炸过程相关参量的计算机图像测量方法

提出了一种基于计算机图像学的爆炸速度和爆炸作用时间的图像测量方法.分析了爆炸速度测量图像和爆炸作用时间测量图像的特点,用计算机自动从爆炸图像中提取出特征点,并自动完成爆炸时间、爆炸速度的测量、计算.实验结果表明,该方法可以准确地实现自动判读测量.     

复杂目标光学散射截面数值仿真方法（英文）

研究复杂目标的几何建模、光学面元消隐和目标表面的光学散射特性.针对任意构型的目标,提出采用均匀光照明仿真图像进行光学散射截面(OCS)数值计算方法.通过自适应Z缓存方法,实现目标光学消隐面的计算,将这部分消隐面面积从目标OCS的数值积分中去除.研究近似镜面材料的空间模板褶皱表面的光学散射数值模拟方法,以及基于激光主动探测系统实验测量数据的目标OCS实验分析方法.根据某缩比例空间目标相对探测系统不同方位、俯仰角情况的OCS实验结果,校正OCS数值仿真参数.仿真结果与实验结果的图像比较和OCS曲线趋势大略一致,考虑到表面褶皱的随机性、姿态的测量误差和仿真模型有限的校准能力等因素,本文提出的数值仿真方法能够在一定程度上描述目标的OCS值.     

特征平行直线的成像畸变现场校正

针对畸变对成像测量的影响,通过对摄像机畸变模型的分析,提出了一种基于特征平行直线的畸变现场校正方法.该方法分两步,非线性径向畸变的校正和透视畸变的校正.首先,提取图像中包含的多条特征直线,然后通过迭代法将成像后的弯曲直线拉直的方法获得系统非线性径向畸变参量,再用这些参量对非线性径向畸变进行校正,得到去非线性径向畸变的图像.通过对图像中的特征平行直线进行拟合,获得系统的透视畸变参量,并以这些参量反演迭代实现对透视畸变的校正,进而得到去透视畸变的图像.实验和仿真结果表明:该方法通过两步法利用图像中的特征平行直线先验知识能够有效实现对成像中多种畸变的一靶现场校正;对像机径向畸变和透视畸变的校正后相对误差均达到5%以内,适合于工程中基于图像的测量和目标识别中目标无固定位置的复合畸变的现场校正.     

标准互相关的灰度无关特性及其应用

对用于图像特征定位的标准互相关算子灰度无关特性展开了研究.由于在显微视觉中的大多数图像灰阶较低,接近于三值甚至二值图像;可籍此灰度无关特性对模板匹配的算法进行优化.实验结果表明,标准互相关的灰度无关特性可以在实际中指导设计模板图像,降低相关运算计算速度,以及指导改善照明条件.     

标准互相关的灰度无关特性及其应用

对用于图像特征定位的标准互相关算子灰度无关特性展开了研究.由于在显微视觉中的大多数图像灰阶较低,接近于三值甚至二值图像;可籍此灰度无关特性对模板匹配的算法进行优化.实验结果表明,标准互相关的灰度无关特性可以在实际中指导设计模板图像,降低相关运算计算速度,以及指导改善照明条件.     

高光谱图像降维的判别流形学习方法

本文提出了一种高光谱图像降维的判别流形学习方法.针对获取的大量遥感对地观测数据存在大量冗余信息的特点,引入改进的流形学习方法对高光谱遥感数据进行降维处理,以提高遥感图像自动分类的总体准确度.该方法充分利用遥感图像自动分类中训练样本的判别信息,将输入样本的类别信息加入到常规流形学习方法的框架中,从本质上提高输出的特征在低维空间中的判别力.同时,引入线性化模型以解决流形学习方法中常见的小样本问题.对高光谱遥感图像自动分类的实验表明,基于判别流形学习的高光谱遥感图像自动分类方法能够显著地提高图像分类准确度.     

基于标准互相关函数的图像分辨率自动标定方法

理想规则图像特征经标准互相关函数匹配后,相似函数C*(x)可用确定的解析式Z(x)表达.但是对于含噪声图像,相似函数C(x)较之C*(x)发生了变化,但存在"零相似不变性".将此原理应与于显微视觉中图像物面分辨率的在线标定,推导了矩形图像特征的一维相似函数解析式Z(x);求解C(x)=0作为Z(x)的近似,并给出了具体标定算法;通过仿真图像实验,给出标定算法的正确度在0.1～0.2 pixel;最后,将标定算法应用于可连续变焦的微对准装配系统,实测算法的精密度可达为0.08 pixel.实验结果表明,基于"零相似不变性"的标定算法是具有实用性的亚像素标定方法.～290nm波长激发下,310～390nm范围内产生荧光光谱,峰位波长在350nm,最佳激励波长为250nm;采用垂直偏振片(起偏角为0°)起偏照射样品,发现偏振荧光峰位不变,荧光峰强度随检偏角的增大而呈明显的线性递减关系.由实验数据计算得到荧光偏振度为0.783,表明分子具有一定确定取向;另外,分析认为酸性橙Ⅱ产生荧光,是由于分子中含有苯环和萘环结构吸收紫外光能量,以及氮键在光子作用下形成顺式异构体的激发单线态后,两者发射的光子所致.整个结果对酸性橙Ⅱ在食品中的违禁使用检测、特性表征、以及分子规律的更深入研究,有一定的参考价值.     

连续激光干扰效果评估方法北大核心CSCD

采用改进后的图像相关度计算方法,在精确配准干扰前后图像的基础上,以像素为单位计算图像相关度,根据人眼识别效果在评估前确定干扰阈值,计算图像有效干扰像元统计值,定量描述激光干扰效果;开展多波段激光干扰成像系统试验,采集不同干扰功率下的激光干扰图像,评估干扰效果。结果表明,该方法能精确识别图像局部变化,客观反映图像质量变化,对各波段不同功率下的激光干扰成像图像给出科学评估结果,对单对图像的处理速度优于s级,具有一定的工程应用价值。     

基于立体像素匹配的图像重构技术研究

为了解决目前全景成像技术中分辨率低的问题,提出了一种新的基于3D场景立体像素光线映射的全景图像计算机重构技术.在全景成像技术中,3D场景的每个立体像素点经全景成像系统的编码系统分别映射在一定区域的多个体元素图像的不同像素点上.在计算机重构全景图像时,根据逆光学路径原理,提出了从立体像素映射到的体元素图像区域中提取对应立体像素的多个2D像素点来重构全景图像,使重构的全景图像最大分辨率可达到传统成像方法图像分辨率的N倍（N为映射区域面积）.提出的立体像素的匹配技术大大提高了重构的计算机全景图像分辨率.     

数字散斑识别算法中的GPU高性能运算应用研究

数字散斑相关方法有着测量环境简单、全场非接触等优点,但算法效率一直是限制其发展的瓶颈之一。GPU有着天然的并行性,GPU高性能运算可以为计算机图形处理带来极大的效率提升。利用CUDA平台编程对传统的数字散斑逐点搜索算法、十字搜索算法及遗传算法进行GPU高性能并行处理,并与传统方法比较分析。实验结果表明,对于尺寸为150150像素的散斑图像,3种方法效率分别提升了20倍、8倍、31倍;对于尺寸为500500像素的散斑图像,3种方法效率分别提升了183倍、33倍、44倍;对于尺寸为1 0001 000像素的散斑图像,3种方法效率分别提升了424倍、116倍、44倍。     

基于RBF神经网络的图像融合复原方法研究

提出了一种基于径向基函数（RBF）神经网络的多通道图像数据融合复原方法,研究了该方法在多光谱图像复原上的应用.将软竞争学习策略和自适应调整隐节点相结合对网络进行优化训练.利用多光谱卫星图像数据,对所提出的方法进行仿真实验.实验结果表明：该融合复原方法提高了复原图像的质量;改进后的学习算法能够保证学习准确度和较短的训练时间;实验还表明RBF神经网络的多通道复原和单通道复原、传统的维纳滤波及最大后验概率方法相比,在改善图像像质上具有明显的优越性.     

大尺寸全视场目标点的自动定位方法

提出了一种目标点全视场自动定位方法,该方法利用回光反射标志点的强反射特性和目标点特征,采用粗精两级定位自动获取目标点中心.实际操作中只需预先设定相关的阈值参量,可快速获取图像中的所有目标点的图像坐标,极大地提高了视觉测量的效率和自动化程度.对于3 008×2 000 pixel大小、包含约140个目标点的RGB图像,利用该方法定位所有目标点的用时为14.9″,定位准确度为1/10 pixel.     

Precision verification of a simplified three-dimensional DIC method

The traditional three-dimensional (3D) digital image measurement technique uses at least two images captured from different positions to determine the 3D coordinate of an object. One disadvantage of this method is that the mechanical and optical properties of the image capture devices are not fully identical, and the calibration procedure is quite complicated. This paper introduces a simplified 3D digital image correlation (DIC) method, in which only one image capture device is used. The theoretical measurement error equation is derived and experimentally verified. Experimental results show that distortion correction plays an important role in the improvement of measurement precision. After a radial distortion correction, the measurement precision of the object distance can reach 0.0043%. The optimal camera spacing should be set from 1/50 to 1/30 of the object distance, to obtain a satisfactory precision.     

Line-based camera calibration with lens distortion correction from a single image

Camera calibration is a fundamental and important step in many machine vision applications. For some practical situations, computing camera parameters from merely a single image is becoming increasingly feasible and significant. However, the existing single view based calibration methods have various disadvantages such as ignoring lens distortion, requiring some prior knowledge or special calibration environment, and so on. To address these issues, we propose a line-based camera calibration method with lens distortion correction from a single image using three squares with unknown length. Initially, the radial distortion coefficients are obtained through a non-linear optimization process which is isolated from the pin-hole model calibration, and the detected distorted lines of all the squares are corrected simultaneously. Subsequently, the corresponding lines used for homography estimation are normalized to avoid the specific unstable case, and the intrinsic parameters are calculated from the sufficient restrictions provided by vectors of homography matrix. To evaluate the performance of the proposed method, both simulative and real experiments have been carried out and the results show that the proposed method is robust under general conditions and it achieves comparable measurement accuracy in contrast with the traditional multiple view based calibration method using 2D chessboard target.