同心圆检测中的区域划分算法

针对在基于图像的高准确度测量领域中同心圆图像检测这一实际问题,分析并实验验证了Hough变换法的缺点和一般圆拟合法的不足,根据系统光轴与同心圆旋转对称轴重合的特点,提出对图像平面进行区域划分再应用圆拟合法检测的方法.建立了基于距离空间聚类和基于随机采样两种区域划分算法,并且给出了圆心初值误差的极限.通过实验仿真,证明了新算法简单高效和可靠,而基于随机采样的算法更适合于实时检测的应用.     

高准确度熊猫保偏光纤自动定轴技术

保偏光纤偏振轴的检测和对准是保偏光纤应用中的关键技术.为提高基于端面成像的偏振轴检测方法的检测精度,以熊猫型保偏光纤为研究对象,采用基于曲面拟合的亚像素边缘检测算法和椭圆拟合算法提高检测的准确度,采用多次测量取平均法提高检测的精确度;利用检测结果的正态分布特性,提出一种基于概率的偏振轴定轴方法.搭建了保偏光纤自动定轴系统并进行实验,准确性验证实验结果表明:亚像素边缘检测方法平均可以减小45%的偏差,而拟合椭圆相较拟合圆平均可以减小15%的偏差;精确性验证实验表明采用多次测量取平均的方法可以有效减少检测结果的离散程度;定轴实验的结果表明,基于概率的偏振轴定轴方法可以达到优于0.1°的定轴准确度.     

印刷电路板圆孔光电图像的同心圆检测方法

为了有效地检测印刷电路板(PCB)圆孔光电图像同心圆的圆心与边缘,在Hough变换的基础上提出了一种新的同心圆检测方法。利用同心圆的几何特点对点Hough变换边缘点的点组选取方法和搜索点组的图像扫描方向进行了改进:首先由累加阵列确定同心圆的圆心,然后由圆心到各个有效边缘点距离的均值求出半径,从而检测出同心圆的圆心与边缘。对实际采集的PCB定位圆孔光电图像进行对比实验,在提高检测精度、降低内存空间、减少计算时间方面,该检测方法的优势明显。     

基于法布里-珀罗标准具的微小角度测量及不确定度评定方法（英文）

研究了一种基于法布里-珀罗标准具多光束干涉成像的微小角度测量方法。通过计算同心干涉圆环圆心位置变化量(圆心位移量)和成像物镜焦距,实现反射镜微小偏转角度的测量。采用相对测量原理,构建了基于圆心位移量不确定度分量和成像物镜焦距不确定度分量的微小角度测量不确定度评定模型。选取2 mm间隔的F-P标准具进行微小角度的测量实验研究,并进行了数据处理。实验结果表明,在600″微小角度测量范围内,测量不确定度不大于0.132″;在40″微小角度测量范围内,测量不确定度不大于0.045″。该方法可为具有自校准特性的、更高准确度的微小角度测量的实现提供参考。     

同心圆靶的相对位置姿态的摄影测量方法

用一台数码相机拍摄同心圆靶标的照片,求出照片中这两个椭圆的方程。研究了一种解算方法,能用这两个椭圆方程的系数直接算出同心圆靶面的姿态。再求出椭圆平行于透视轴的切线及其切点的位置。利用这些切点的坐标解算同心圆圆心的像点位置和相机的焦距。如果知道同心圆的半径还可以求出同心圆靶的位置。所提方法可在停机坪标定飞机上的方向舵的角位移传感器;或用于追踪航天器自主测量目标航天器的相对位置姿态。     

无衍射光莫尔条纹的中心定位方法

无衍射光莫尔条纹被广泛应用在精密测量领域中，实现无衍射光莫尔条纹中心的精确定位是高精度测量的关键。通过对无衍射光莫尔条纹图像特征进行分析，提出了一种无衍射光莫尔条纹的中心定位方法。该方法首先根据光强分布特征，提取莫尔条纹图像中两光斑中心局部同心圆区域；然后进行局部同心圆环检测，确定初始圆心集；再对初始圆心集进行聚类分析确定两光斑中心的初始位置；最后删除异常点并迭代求取两光斑中心较精确的位置，实现无衍射光莫尔条纹两光斑中心的定位目的。理论和实验结果表明该方法能快速、准确地同时确定两光斑中心位置，且误差小于1 pixel。     

基于梯度的区域生长和距离直方图的快速圆检测方法EI北大核心CSCD

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。     

基于梯度的区域生长和距离直方图的快速圆检测方法

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。     

基于扩展平均的多步相移算法及误差抑制特性比较

为满足移相干涉测量中纳米甚至亚纳米高准确度检测要求,需采用对误差敏感度更低的相移算法.基于扩展平均技术,在传统4步和3步算法的基础上分别推导了A类和B类5~13步相移算法公式,以5、6、7和13步算法为例,通过仿真及数值计算,比较了两类算法对相移器移相误差及CCD非线性误差的抑制特性.结果表明:同类算法下,步数越多的算法,对这两项误差的抑制效果越好,但达到一定步数后对测量的影响可以忽略;B类算法具有增强的移相误差抑制能力,在相移不准情况下可优先选用B类算法;A类算法对CCD非线性误差几乎完全免疫,而B类算法受一定CCD非线性误差影响,但对大多数高准确度CCD来说,其在常规检测中的影响可以忽略;由相移噪音引入的随机性测量误差的极大值要略大于相移噪音本身,且不同算法对相移噪音的抑制效果差别不大,因此相移噪音对测量的影响不可忽略.文中给出了不同误差影响下各算法引入波面检测误差的比较数据,研究结果可为实际干涉测量中最适相移算法的使用和选用提供理论指导及数据参考.     

基于对称差分和光流估计的红外弱小目标检测

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。     

基于特定感兴趣区采样的虹膜定位改进算法

从虹膜图像特点出发,以瞳孔形心为辅助点实现对虹膜图像特定感兴趣区采样.并且根据虹膜内外圆半径的生理特点设定Hough变换半径参量,依据虹膜内外圆近似同心圆来筛选与虹膜外圆最匹配的Hough变换结果.该算法在主动避开眼皮,睫毛干扰的同时又显著降低了Hough变换的计算量.通过对中科院自动化所CASIA虹膜数据库108组图像的虹膜定位测试结果表明,该方法平均定位时间0.83 s,定位准确率98.9%.     

一种快速提取连续CT脑肿瘤病灶区的算法

脑肿瘤图像提取就是将肿瘤病灶区域(水肿、坏死、癌变)从正常的脑部组织(灰质、白质、脑脊液)分开,精确的脑肿瘤分割对脑瘤的诊断、研究和治疗有重要的临床意义。针对传统脑部CT肿瘤病灶提取的缺点,即需要耗费大量时间并且分割精度不高的问题,提出一种综合了形态学重建、分水岭分割和改进的区域生长算法。先用形态学重建进行去噪,再用结合多尺度梯度分水岭分割提取整个图像的边界,然后在肿瘤病灶区域内选取种子点进行区域生长,提取肿瘤区域轮廓,滤除其他封闭区域,得到的图像作为改进的区域生长法的初始分割区域,使用改进的区域生长法,滤除过分割区域。实验结果显示该算法分割出的结果有效区域大,分割精度高。结论：该算法提高了分割精度,由于不用匹配结构参数,加快了分割速度,具有一定的临床价值。     

多探测器拼接成像系统实时图像配准

依据已设计完成的基于同心球透镜的四镜头多探测器阵列拼接成像系统,对该系统图像拼接配准过程所采用的特征检测提取、特征向量匹配与筛选、空间变换模型参数估计等算法进行了研究。首先,采用Fast-Hessian检测子提取参考图像和待配准图像的特征点,并生成加速鲁棒特征(SURF)描述向量。接着,采用快速近似最近邻(FANN)逼近搜索算法获得初始的匹配点对,并对匹配点对特征向量的欧式距离进行排序。然后,参照成像系统光学设计参数设定合理的阈值,筛选并保留下较好的匹配点对。最后,提出了一种改进的渐进式抽样一致性(IPROSAC)算法对空间变换矩阵模型进行参数估计,从而得到参考图像与待配准图像的空间几何变换关系。实验结果表明:该算法对图像尺寸、旋转和光照变化都具有一定的不变性,特征匹配时间为0.542 s,配准变换时间0.031 s,配准误差精度小于0.1 pixel,可以满足成像系统关于图像配准实时性和准确性的要求,具有一定的工程应用价值。     

基于同心圆合成图像匹配的双目视觉标定

分析了双目视觉传感器的数学模型,提出了一种基于同心圆合成图像匹配的双目视觉传感器的标定方法。在测量范围内任意多次摆放同心圆靶标,由两台摄像机拍摄靶标图像。根据摄像机模型与已知同心圆在靶标坐标系上的位置关系,构造合成图像,将合成图像与观测图像进行相似度匹配,通过优化定位得到靶标上每个圆的圆心点图像坐标。利用左右图像对应的圆心图像坐标和双目视觉的约束关系,对双目视觉传感器参数进行非线性优化,并得到最优解。所提出的标定方法是在张正友方法的理论基础上,利用了图像的整体性进行的优化。实验结果表明,该方法提高了标定精度。     

有限离散剪切波域的红外可见光图像融合

针对目前图像融合过程中的不足之处,结合有限离散剪切波具有高的方向敏感性和抛物尺度化特性,提出了一种有限离散剪切波变换下的图像融合算法。首先对严格配准的多传感器图像进行有限离散剪切波变换,得到低频子带系数和不同尺度不同方向的高频子带系数;然后对低频子带系数采用全局特征值和像素点之间的差异性与区域空间频率匹配度相结合的融合算法,高频方向子带系数采用方向权重对比度与相对区域平均梯度和相对区域方差相结合的方案;最后通过有限离散剪切波逆变换得到融合图像。实验结果表明,与其他的融合算法相比较,本文算法不但有良好的主观视觉效果,而且3幅图像的客观评价指标分别平均提高了0.9%、3.8%、3.1%,2.6%、3.8%、2.9%和1.5%、125%、59%,充分说明了本文融合算法的优越性。     

Two-dimensional Otsu's thresholding segmentation method based on grid box filter

Otsu algorithm, an automatic thresholding method, is widely used in classic image segmentation applications. In this paper, a novel two-dimensional (2D) Otsu thresholding algorithm based on local grid box filter is proposed. In our method, firstly by utilizing the coarse-to-fine idea, the 2D histogram is divided into regions by grid technique, and each region is used as a point to form a new 2D histogram, to which 2D Otsu thresholding algorithm and an improved particle swarm optimization (PSO) algorithm are applied to get the region number of the new 2D histogram threshold. Then on the result region, the mean of the 2D histogram is computed base on box filter, and the two algorithms are applied again to obtain the final threshold for the original image. Experimental results on real data show that the proposed algorithm gets better segmentation results than the traditional recursion Otsu algorithm. It significantly reduces the time of segmentation process and simultaneously has the higher segmentation accuracy.     

光纤几何参数的自动检测仪

叙述了光纤几何参数的自动测试方法,光纤断面通过显微光学系统成像,由CCD摄像头接收,并通过图像采集系统传输到计算机中,供进一步处理,介绍了测量原理及数学模型,采用了图像增强,图像分割等处理技术,消除图像噪声,从光纤断面图像中提取有效信息,采用不同的算法,精确计算了光纤几何参数,编制了实用化软件,提供了实测结果及二三维图示,根据上述原理与技术研制的仪器,操作简便,测量精度高。     

应用于多视点视频编码的基于深度特征的图像区域分割与区域视差估计

基于多视点视图深度特征,提出一种通过简单块匹配运算划分多视点视图区域并估计区域视差的算法.首先基于深度对象的概念确定图像中具有不同深度的区域数量以及这些区域对应的区域视差,再根据误差最小化准则初步确定每个图像块所属区域.当区域中图像块数量小于某个阈值时,采用区域合并算法将该区域中的每个图像块合并到与它的视差最为接近的其它图像区域,通过迭代形成最终的有效图像区域划分.实验表明,该算法能够以图像块为基本单元有效地划分各深度层区域,并准确估计对应的区域视差.     

一种融合边缘信息的面向对象遥感图像分割方法

针对高分辨率遥感图像边缘突出、上下文信息丰富等特点,提出一种融合边缘特征的区域分割算法,基于面向对象图像分析方法,综合考虑遥感图像的光谱和空间特征。首先应用SUSAN算子对全色波段图像提取边缘信息,然后对融合后的彩色图像进行两阶段分割,第一阶段采用倒四叉树融合成初始图像对象,在第二阶段中通过在区域异质性判据中增加边界强度特征的方式融合已提取的边缘信息进行分级区域合并,形成图像分割结果。文中用三峡库区某区域QuickBird数据进行了实验,并与ENVI Zoom和Definiens下的分割结果进行了效果对比和定量评价,结果表明该方法可行、有效。