基于多尺度分析的激光光条中心点坐标提取方法

在线结构光测量系统中,激光光条图像中心准确提取是影响整个测量系统精度的关键因素之一。针对高反光等复杂环境下光学测量中激光光条图像中心提取问题,提出了一种基于多尺度分析的激光光条图像中心高精度定位方法。该方法利用骨骼化图像处理方法确定激光光条图像中心的初值,根据每一个光条中心初值处的光条宽度确定该位置处对应的高斯核均方差σ的初值。对图像进行多尺度卷积,确定最优的σ值,并求得光条亚像素级中心点,最后完成光条链接。结果表明该算法抗噪声能力强,可实现光条宽度变化较大的激光光条图像中心的高精度提取。     

线激光辅助的皮带撕裂视觉检测方法

为了快速、准确地检测出输送机皮带工作时发生的纵向撕裂事故,提出了一种基于线激光的视觉检测方法.“一”字线激光器向皮带底面投射直线激光条纹,使用CCD相机获取图像并提取出光条中心,通过分析光条中心畸变特征来判断皮带表面是否存在撕裂.首先采用阈值法对激光条纹进行分割;然后在光条区域上利用重心法实现光条中心的粗略提取;最后利...     

基于法线引导的激光中心线提取方法

在线结构光三维测量系统中,高精度激光条纹中心线提取是提高测量精度的关键。针对现有激光中心线存在提取精度不高、保留细节差等问题,提出了一种基于法线引导的激光中心线提取算法。该算法具体实现步骤为:首先,对图像进行预处理,结合边缘检测和几何中心法对激光线初步提取;然后,用主成分分析法(principal component analysis,PCA)求取其法线,在激光中心点处划分角度八邻域,通过法线角度引导搜寻有效点集;最后,利用灰度重心法对点集进行亚像素提取。实验结果表明:该算法均方根误差与灰度重心法相比提高了0.233 9像素,比Steger算法、方向模板法更好地保留了光条细节,可以更精确地提取光条中心,达到亚像素级的精度。     

基于B样条迭代法的激光光条噪声去除技术研究

在基于线结构光的视觉测量系统中,激光光条中心的提取精度是影响系统最后精度的关键因素。目前常用的光条中心提取方法都没有去除光条上的干扰噪声,在分析现有方法的基础上提出了一种利用B样条迭代去除光条噪声的方法。以光条上的点作为控制顶点拟合B样条曲线,在同一位置下用B样条曲线上的点取代噪声点,这样反复修改噪声点的位置使其逐渐逼近实际曲线,从而达到去除噪声的目的。利用重心法提取去噪后光条的中心,着重分析了参与运算的像素的取值范围。通过对比实验证明该方法的提取精度远高于其它方法,从而验证了去除噪声的有效性。     

基于光条信度评价的线结构光传感器曝光时间优化

研究了基于线结构光光条信度评价的相机曝光时间优化方法,将信度评价结果作为曝光时间优化的参考指标。结合光条切面服从高斯分布的特点,对已有光条信度评价模型进行改进,构建高斯信度评价模型;利用亚像素光条中心提取方法对不同曝光时间下采集到的光条图像进行光心提取,提取结果经高斯信度评价模型评价得到评价信度值C和灰度值R;分析曝光时间t对评价结果的影响机理,构建t-C、t-R变化模型,并通过分析变化模型得到了相机最优曝光时间。实验以230lx光强下的高精密齿条和水泥路面模型作为测量对象,结果表明:曝光时间优化后的测量更准确且效率更高,单光条测量的平均残差平方和约为0.03mm2,重构模型的平均构造深度与真实模型仅差9.8%。     

行车环境下钢轨轮廓激光条纹中心的提取方法

研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,误差均值约为0.082 pixel,标准差为0.047 pixel,兼顾了光条中心提取的时效性和准确率。     

平顶线结构光的中心检测算法及光刀平面标定

针对传统线结构光光刀平面标定方法测量精度不高,应用范围小的问题,提出基于平面标靶的线结构光系统光刀平面标定,对无激光的标靶图片进行迭代摄像机标定,有激光的标靶图片进行光刀平面标定.提出光强符合均匀分布的平顶激光检测中心算法,将平顶激光建模为矩形的台阶函数,估计背景亮度和前景亮度,确定亮条纹宽度,再将窗口内的有效像素参与重心计算,得到光条纹中心.用该算法对不同噪声及不同量块的图片进行处理,结果表明,处理后图像的均方根误差分别在0.149pixel和0.176pixel内,表明该算法抗噪声能力强、精度高.用该算法提取光条中心,计算光条在标靶上的位置,根据至少两个姿态下的光条中心三维点,基于最小二乘法拟合光刀平面.通过迭代摄像机标定和光刀平面标定,利用三角测量法,在立体视觉模型下获取物体的三维点云数据.实验测量两个距离为100.5mm的标准球,相机与标准球距离为500mm,比较两球心距离与标准距离,测得平均误差为0.236mm.表明平顶激光检测中心算法切实可行,光刀平面标定方法基本满足要求.     

高精度激光告警参数提取算法

激光告警系统通过提取来袭激光的相关参数进行告警定位，其角度定位精度直接与战场生存能力相关。为了有效提高激光告警系统的角度定位精度，基于光栅衍射型激光告警原理，提出一种高精度测量来袭激光参数的算法。对激光告警系统进行标定，用高斯拟合法精确提取出衍射光斑标定图片的0级光斑中心，将来袭激光角度与对应角度的光斑中心进行拟合，根据拟合结果确定任意角度的光斑衍射图像对应的来袭激光角度参数。实验结果表明，方位角测量误差优于0.29°，俯仰角测量误差优于0.38°。该算法有效提高了激光告警系统的测算精度。     

大视场下线结构光光条中心的快速提取

在线结构光三维测量中,线结构光光条中心的提取是关键的一步。针对强背景光大视场下线结构光光条(长度约2m)中心的提取,提出了一种基于感兴趣区域(ROI)的光条中心提取方法。首先用统计的方法确定图像处理的ROI,再在此区域内用最大类间方差法进行阈值分割并用灰度重心法提取中心。结果表明:在VisualC++6.0平台上,处理一帧1280×1024大小的线结构光条图像大约用时47ms,且光条中心提取精度高。这种提取中心的方法很好地减弱了大视场下强背景光的干扰,提高了光条中心提取速度。     

应用于红外眼科疾病检测的瞳孔定位算法

在眼科疾病检测中,为了对被检测者进行快速、准确、自动化的瞳孔定位,提出一种改进径向对称变换的瞳孔中心点定位算法。首先利用灰度积分投影法结合最大类间方差法,完成对人眼图像的粗分割,并根据多团块筛选条件提取出只包含瞳孔的感兴趣区域(Region Of Interest,ROI)。然后对ROI采用最小外接矩形结合灰度级形态学线性滤波方法,完成搜索半径范围的设置。最后,利用改进的径向对称变换算法进行瞳孔中心点定位。实验结果表明:本文算法的定位误差在8 pixel以内,平均定位时间为0.366 s,能够适应人眼图像中噪声干扰、采集不完整等大量非理性状态,满足多种红外眼科疾病检测设备对瞳孔定位算法的要求。     

核燃料棒反光表面条纹自适应中心提取方法

针对水下检测中激光条纹中心难以准确提取的问题,提出了一种适用于水下核燃料棒反光表面的条纹自适应中心提取方法.根据检测环境中存在水体散射及物体表面高反光的特点,去除水下噪点、反光噪点,实现激光条纹分割提取;充分利用BP神经网络曲线拟合及由光条几何信息生成的自适应卷积模板,实现反光区域的轮廓与灰度分布修正,使光条截面灰度分...     

提高多光源汇聚光斑中心定位精度的形态学滤波方法

在激光指令传输中,为形成较大的光覆盖区域并增大光源的作用距离,将多个特性相同的激光器矩阵排列,构成组合光源。针对点阵多激光管光源在开放环境下成像光斑具有多个光能中心的特点,采用形态学滤波中的开启、闭合运算,去除背景噪声斑点,平滑光斑内部的小光斑叠加和干涉造成的不规则条、孔,使得能以简化的分割和定位算法,快速获得接近实际的完整光斑边界,光斑中心定位精度的均方差不大于1.2%。该方法能快速、高精度定位这种叠加光斑的中心,为远距离激光对准和测控提供了可靠的精度和时效保证。     

高噪声背景下激光条纹亚像素中心的提取

针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题,提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声,采用平均法和中值滤波预处理图像;利用迭代阈值分割及形态学方法,获取条纹目标,引入距离变换提取条纹的像素级中心;根据像素级中心、二值信息及光强灰度,结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下,相邻行条纹中心列坐标最大偏差值像素小于2 ,平均偏差像素值约为0.3,与传统方法相比,2项指标值更小。实验结果表明,算法有效利用条纹灰度分布规律,可降低噪声对中心定位精度的影响,更逼近条纹真实中心位置,抗噪能力极强。     

金属表面非相干线结构光条纹中心提取方法

采用线结构光法测量金属表面形貌时,由于受到金属表面光学特性和散斑噪声的影响,条纹中心的提取误差往往较大。为此,提出了一种非相干线结构光形貌测量方法,避免了散斑噪声的影响。通过分析该方法测量金属表面形貌时的条纹图像特点,提出一种适合非相干线结构光条纹的中心提取方法。该方法首先采用结合积分图像原理的自适应阈值分割算法,对原条纹图像进行分割。采用灰度重心法粗提取原条纹中心坐标,以该坐标为基准向条纹宽度方向延伸,从而确定阈值分割后条纹图的感兴趣区和背景区,并去除背景区的噪声。经中值滤波后,采用几何中心法提取条纹中心。实验结果表明：采用该方法提取粗糙度样块表面非相干光条纹中心的平均误差为1.5μm,提取齿轮渐开线样板表面非相干光条纹中心的平均误差为0.9μm,均比其线激光条纹中心的提取误差小。所提方法能实现金属表面非相干线结构光条纹中心的精确提取。     

基于高斯拟合的激光光斑中心定位算法

激光光斑中心定位是光学测量中的关键技术之一。通过对常用定位算法的分析,给出利用光斑图像中的不饱和点对光斑进行高斯拟合,并以拟合函数的幅值点作为光斑中心的方法。利用人工光斑对该算法进行验证,结果表明该算法误差远小于0.1 像素;利用一维高精度电动平移台、CCD相机、激光器等搭建测试系统,由计算机自动采集激光光斑图像并对其进行分析,实验结果表明该算法与理论分析结果的均方根误差仅为0.1 像素。     

星空观测图像目标拖尾的自动消除

为了实现对星空观测图像中高亮目标产生的拖尾现象进行自动消除,建立了目标拖尾自动消除系统,对该系统所采用的图像背景高斯噪声分布参数估计、目标拖尾检测以及图像灰度值校正等算法进行研究。利用直方图最小二乘曲线拟合估计星空观测图像背景高斯噪声的分布参数;利用观测图像中目标拖尾现象的特征提出一种基于统计信息的拖尾检测算法;在确定目标拖尾位置的基础上对被污染的像素进行灰度值校正;利用Visual Studio 2005开发出一套星空观测图像目标拖尾自动消除系统。实验结果表明:针对16 bit,1 0241 024的星空观测图像,单帧图像处理时间约为300 ms,拖尾现象得到消除,恒星和目标等有用信息未被破坏。本文算法基本满足后续观测图像中弱小目标检测稳定、可靠、精度高等要求。     

A novel method of fast dynamic optical image stabilization precision measurement based on CCD

Dynamic image stabilization precision is a key technical indicator in optical image-stable device, however, the fast dynamic test is difficult to implement. A novel fast dynamic image stabilization precision testing system for optical image-stable instrument is developed. The large-aperture collimator with the designed cross divisional board is used to simulate the infinity goal. A motion simulator with six-degree of freedom is adopted to simulate the moving state of the installed image-stable instrument. Combined with the optical lens designed in accordance with the analysis of the whole optical system in detail, the high speed camera installed behind the eyepiece lens of the measured device acquires images rapidly and real-timely. The local energy maxima center of the cross light spot can be obtained accurately through the proposed fast image stabilization precision test algorithm on the basis of Hessian matrix. The actual test results show that the test error of dynamic image stabilization in the proposed method of this paper is less than 0.7″, and the time of the frame image acquisition and processing is not more than 10 ms, which demonstrates the effectiveness of the test equipment and algorithm.     

Blood vessel enhancement for DSA images based on adaptive multi-scale filtering

Digital subtraction angiography (DSA) plays a significant role in the diagnosis, treatment planning and assessment of diseases. However, because of the geometrical complexity and fine characteristics of blood vessel structures, accurate and robust detection of blood vessels still remains a problem. In this paper, a blood vessel enhancement algorithm is proposed. The main purpose of this work is to improve the visual quality of blood vessels in DSA images. The new blood vessel enhancement algorithm is based on the multi-scale space theory and Hessian matrix. Not only the eigenvalues of Hessian matrix but also the angles between eigenvectors are utilized for the blood vessel enhancement of DSA. The filter parameters and scale factors are decided adaptively. Eigenvalues of the Hessian matrix are also used for the noise elimination. Experimental results show that the proposed algorithm has a good performance in blood vessel enhancement of DSA images. The proposed algorithm filters image background and non-vascular structure effectively. The deformation of blood vessels occurred in the enhancement process is avoided and more small blood vessels are visible in DSA images.