基于双目光栅重建和纹理映射的缺陷三维测量方法

针对工业检测中对表面缺陷的高精度检测和定位需求,提出了一种缺陷特征重建方法。通过在基于双目光栅投影的三维重构系统上附加纹理相机,实现对于重构点云模型的纹理映射,并结合纹理相机图像中提取到的特征区域,完成表面特征的三维重构。针对待测物体需要进行多视角重建的情况,引入精密转台,利用旋转轴标定方法获取不同旋转位置下纹理图像与点云数据的映射关系,并利用基于距离判据的判断方法实现了对遮挡部分点云的剔除。采用四象限临近点搜索和基于距离加权平均的线性插值方法对纹理图像中像素坐标进行三维测量。实验完成了对于图像中标注缺陷轮廓内像素点的重建,实现了对于表面特征的精确尺寸计算和定位,通过对重建的缺陷尺寸和位置进行计算并与影像测量仪测得结果进行对比,可得本文方案对缺陷三维尺寸和位置的测量误差不超过0.2 mm,且能更准确地计算缺陷面积。     

基于图像自标定的3D打印模型高效生成方法

为了克服三维重建高度依赖标定板,满足3D打印模型的工业需求,提出基于图像自标定的高效3D打印模型生成方法,无需借助标定板计算相机参数,直接使用单相机采集序列图像进行三维重建。为了克服基于自标定方法易受图像质量和特征点匹配精确度的影响,根据人机交互与自适应分割算法相结合的方法去除原始图像背景及过滤噪声,使图像感兴趣区域特征更为明显,采用快速稳定特征算法提取序列图像中特征点并根据特征点的匹配度进行精确的特征点匹配,再使用匹配信息自标定求解得到相机模型参数,最后根据相机模型以及特征点信息完成三维目标的稠密重建。实验结果表明,自标定及重建方法对大小各异,表面材质不同的目标均可实现重建。     

无衍射 Mathieu光束自重建特性的理论和实验研究

首次对无衍射Mathieu光束的自重建特性进行理论和实验研究, 利用Mathieu-Hankel波理论分析了Mathieu光束的自重建机理. 基于菲涅尔衍射积分理论, 推导出了高斯吸收型圆形障碍物部分遮挡后的Mathieu光场重建后的解析表达式, 并数值模拟了无衍射Mathieu光束的经圆形障碍物部分遮挡后光场的自重建过程. 采用柱透镜-轴棱锥组合光学系统产生近似零阶无衍射Mathieu光束, 实验分别验证了轴上和轴外障碍物遮挡时近似零阶无衍射Mathieu光束的自重建特性. 理论模拟与实验结果相符.     

基于统计特征的轮胎纹理缺陷在线检测

根据轮胎X光纹理缺陷区域灰度及灰度分布异常的特点,研究了一种通过分析统计特征进行在线缺陷检测的方法。在轮胎X光纹理灰度分布模型基础上,采用正则化预处理去除背景噪声,然后进行图像分块,分别计算每块的灰度均值和方差,并采用双线性插值运算形成均值图像和方差图像,再通过二值化实现缺陷检测。实验表明,与人工检测方法进行对比,该方法误判率低,检测精度高,并且运算速度快,能满足在线检测要求。     

图像处理技术在无损检测中的应用

在磁粉检测中，由于采用图像处理技术，半自动和全自动的探伤设备相继出现。检测中使用带有荧光物质的磁粉，在紫外线的照射下，由CCD和图像采集器将磁痕图像转化为数字图像，传入计算机；为实现缺陷图像的定量，采用浮动阈值将缺陷图像分割出来；为避免丢掉有用信鼠，需要采用条件跟踪和图像膨胀技术，对断开的部分进行重新连接。磁粉检测的检测目标主要是裂纹、缝隙等表面不连续，在图像上是由缺陷点组成的亮线。二值化后的图像中存在一系列的连通区域，采用邻域法和树状搜索技术可快速完成每个连通区域的搜索，同时完成连通区域的特征值的计算。根据裂纹图像的特征，可以判断是否有裂纹发现。在射线检测领域，     

Curvelet结合图像方向离散度的DSPI无损检测缺陷边缘提取

边缘提取是DSPI无损检测缺陷自动识别的基础。根据人类视觉识别的特点,提出以Curvelet多尺度几何分析为基础进行缺陷图像的边缘提取,为了对DSPI检测过程中因光照不足等原因产生的伪缺陷进行分辨,基于矢量积定义了图像的方向离散度,并与Curvelet多尺度分析方法相结合,在橡胶复合材料DSPI无损检测中进行应用。     

一种实时检测遮挡阴影的算法

监控系统中,观测视场被遮挡,会导致显示的图像中存在遮挡阴影,影响对图像的进一步分析和处理.针对该问题,提出了一种实时检测遮挡阴影的算法.该算法基于图像序列的帧间运动特性对图像进行分区处理;利用图像子区域的灰度均值进行帧间预测,用来判断图像序列中被遮挡图像帧和可能的遮挡阴影区域;利用空域滤波器剔除误检区域,确定阴影区域.该算法实时性好,易于工程实现.     

基于DSA-BCNN的毫米波图像隐藏物检测

自动检测毫米波图像中被检人员是否携带隐藏物,是实现智能毫米波安检系统的重要技术之一.针对隐藏物在毫米波图像中的特征局部性和低辨识性问题,提出一种动态自注意力的双线性卷积神经网络,能够仅以图像级标签训练,实现图像中隐藏物的存在检测.引入自注意力机制以引导网络对隐藏物区域进行特征提取,增强网络刻画全局信息的能力;双线性池化...     

结合注意力和残差聚合的图像超分辨率算法

为解决残差块间的层级特征利用不充分导致生成的图像结构扭曲、视觉模糊等问题,提出结合注意力和残差聚合的图像超分辨率重建算法。网络通过浅层特征聚合模块获取多尺度的特征并输入到残差聚合网络,采用渐进式融合策略从局部和全局两方面对各个残差块的特征进行聚合,以达到充分利用残差块层级特征的目的。为进一步增强特征表示,利用双重注意力机制分别从空间和通道来关注特征之间的相互依赖性。实验结果表明,与SRCNN、FSRCNN等方法相比,算法重建的图像结构清晰且细节信息丰富。     

基于多尺度特征与通道特征融合的脑肿瘤良恶性分类模型

针对脑肿瘤良恶性分类过程复杂、分类准确率不高等问题,提出了一种基于多尺度特征与通道特征融合的分类模型。该模型以ResNeXt网络为主干网络,首先,将基于空洞卷积的多尺度特征提取模块代替第一层卷积层,利用膨胀率获取不同感受野的图像信息,将全局特征与局部显著特征相结合;其次,添加通道注意力机制模块,融合特征通道信息,提高对肿瘤区域的关注度,降低对冗余信息的关注度;最后,采用学习率的线性衰减策略、图像的标签平滑策略以及基于医学图像的迁移学习策略的组合优化提高模型的学习能力和泛化能力。在BraTS2017和BraTS2019数据集中进行实验,准确率分别达到98.11%和98.72%。与经典模型和其他先进方法相比,该分类模型能够有效地减少分类过程的复杂度,提高脑肿瘤良恶性分类的准确率。     

基于深度神经网络的太阳能电池组件缺陷检测算法研究

针对太阳能电池组件中电池片出现隐裂导致整片电池破碎,最终影响整个组件发电量的问题,在对电池组件光致发光（PL）图像待检测区域筛选定位的基础上,提出了一种利用卷积神经网络（CNN）进行电池组件隐裂缺陷检测的方法。首先利用PL成像方法获取电池组件图像,然后对图像进行预处理,基于聚类的方法对待检测目标区域进行筛选定位,最后利用3种不同结构的卷积神经网络模型对电池片进行缺陷检测,并进行准确率对比,使最优识别准确率达到99.25%。实验结果验证了该方法能准确地检测出太阳能电池组件的隐裂缺陷。     

基于多尺度分解的超光谱图像异常检测

提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下,利用光谱和空间两种信息完成对异常目标信号的定位,从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解,将其划分为不同尺度子块;然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性,采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布,从而抑制异常数据对背景的干扰;最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性,利用真实和模拟的AVIRIS数据进行了实验,并与经典RX算法相比较,实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。     

曲面光学元件表面微缺陷透射式偏振检测

国内外近些年来,对于光学元件表面缺陷的检测技术越来越重视。由于光学元件表面质量的好坏会直接影响到光学系统的性能。文章主要针对曲面光学元件中球面和柱面光学元件表面微缺陷的检测问题,提出了一种基于光偏振特性的检测方法。利用光学元件表面缺陷与无缺陷区域之间透射光偏振态的差异,提高整幅图像中缺陷的对比度。首先基于光的偏振理论,利用偏振片获得偏振照明光,并采用共焦照明的方式获得同时对焦的曲面光学元件缺陷图像。其后,利用计算机对缺陷图像进行处理。结果表明采用光的偏振特性对曲面光学元件表面微缺陷的检测,能够获得高对比度、高分辨率的缺陷特征。此方法很好的提高了曲面光学元件表面微缺陷的检测准确度和检测效率,结果表明缺陷的检测准确率达到了95%。     

基于深度图像利用随机森林实现遮挡检测

提出了一种新颖的利用随机森林检测深度图像中遮挡现象的方法。该方法从一幅深度图像中提取每个像素点的遮挡相关特征,利用随机森林分类器检测每个像素点是否为遮挡边界点,得到图像中的遮挡边界。主要贡献在于:提出了一种新的遮挡相关特征深度值离散度特征,同时引入高斯曲率特征,并将它们与现有特征相结合来检测遮挡边界;以特征重要性和特征提取时间为衡量标准,对深度图像中的各遮挡相关特征进行了分析评估,在此基础上,选取平均深度差、最大深度差、平均曲率、高斯曲率和深度值离散度5种特征用于设计遮挡检测分类器;一种新的遮挡检测方法,利用随机森林解决深度图像的遮挡检测问题。实验结果表明,同已有方法相比,所提方法具有较高的准确性和较好的通用性。     

一种基于多级小波域分解的时域扩散光学层析成像方法的研究

面向基于有限差分光扩散模型的平板乳腺扩散光学层析反演问题,提出了一种有效提高图像重建质量的方法.与基于全空间域离散像点的传统重建算法不同,本方法采用小波函数对吸收系数和散射系数在空间域进行多尺度分解,在减少低分辨率重建中光学参量的个数、有效改善重建过程病态性的同时,通过逐级细化分解尺度,最终提高了图像的量化度和空间分辨率.数值模拟表明,该方法可实现目标体边对边4 mm的空间分辨率,量化度明显高于传统算法.     

基于小波重构的木材表面缺陷检测系统研究

设计了木材加工业中木材纹理表面的检测系统,提出了一种有效的选取小波频带重建图像的纹理瑕疵检测方法。设计的检测系统由新型LED光源,明暗域结合成像光学系统,高速高分辨率线阵CCD器件等组成。应用小波基函数在较优的分解级数上对纹理图像进行分解,然后在最佳的分辨率级数上正确选取平滑图像或者细节图像来重建图像。在重建图像中均匀纹理图案被有效地移除,仅仅保留了局部瑕疵区域,小波频带选取是基于小渡系数的能量分布自动确定最佳重构参数。重构后的图像经阈值处理得到二值图像,最后运用数学形态学的方法对二值图像后处理。实验表明,该方法可用于实时在线检测木材表面的瑕疵。     

基于USENet实现数字全息细胞再现相位像超分辨重构

在UNet框架中集成SENet权重标定学习机制,设计了USENet实现图像超分辨重构.网络以对称拓扑叠加残差运算,通过多尺度卷积窗口增强模型精度与泛化能力,为图像特征通道引入权重标定算法以提升兴趣区域的估算置信度.结果表明,该模型能够明显改善输入样本的细节特征,已将验证集与真实图像的结构相似性从平均0.770 2提升至0.942 7.根据实验组和不带标定层的对照组重建图像对比显示,标定层可进一步在全局图像中将兴趣区域从平均0.965 5提升至0.970 3.     

基于块匹配的低光度图像对融合方法

针对低光度条件下长曝光图像与短曝光图像的融合问题,提出了一种基于块匹配的图像融合方法,将低光度图像对融合成为一张更好的图像.首先提出基于金字塔多尺度模型的双向鬼影检测算法,该算法降低了噪声和欠曝对鬼影检测的影响,用于准确检测低光度场景中图像对之间由于物体运动造成的不一致区域;随后利用块匹配算法重建鬼影区域;最后运用改善边缘特性的泊松融合算法提取两次曝光图像中的信息生成结果图像.实验结果表明,该方法有效地保留了短曝光图像的边缘锐度,并保持了长曝光图像的色彩、亮度和细节.     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

改进强度映射函数的多尺度曝光图像融合

针对多曝光图像融合中的鬼影问题,提出了一种改进强度映射函数的多尺度曝光图像融合算法.基于参考帧图像分别确定输入帧的高低对比度;采用高对比度区域进行结构一致性检测得出鬼影区域;利用改进后的基于强度映射关系的能量函数进一步检测低对比度区域的鬼影信息;利用多尺度块匹配算法进行快速融合.实验结果表明,与已有的代表性方法相比,该...