提高傅里叶变换轮廓术测量精度的新方法

在傅里叶变换轮廓术 (FTP)测量方法中 ,成像装置获取受到物体高度调制后的变形结构光场 ,通过傅里叶变换 ,滤波和逆傅里叶变换恢复出物体高度分布。频谱滤波是FTP中很重要的一个过程 ,也是影响FTP测量精度的一个重要因素。通常滤波是手工选择合适的滤波函数和滤波窗口大小 ,窗口太小 ,表示物体细节的高频信息将丢失 ;窗口太大 ,无法消除噪声。本文提出一种新的滤波方法 ,无需手工选择滤波函数 ,可以很好地保留物体高频信息并消除随机噪声 ,从而提高FTP的测量精度。计算机模拟和实验证实了所提方法的有效性     

CCD抽样过程对傅里叶变换轮廓术测量的影响

针对傅里叶变换轮廓术（FTP）测量中的离散过程理论分析存在的不足,讨论了以前被忽略的CCD的取样过程以及CCD像元尺寸对FTP测量的影响,建立了完整的CCD抽样的数学模型,分析了CCD像元的光敏单元尺寸大小对FTP测量的影响,讨论了CCD取样所引起的信号失真和频谱混叠问题,给出了相关的表达式和判断准则,使得基于离散傅里叶变换的FTP分析方法更贴近实际测量。     

一种改进的消零频傅里叶变换轮廓术

为提高傅里叶变换轮廓术(FTP)的测量精度和范围,提出了一种改进的消零频FTP。将两幅随机相移正弦条纹通过DLP投影仪投射到待测物体上,由CCD相机采集受物体形貌调制的变形光栅条纹图,将采集的两幅条纹图相减得到无零频的条纹差图。对条纹差图进行快速傅里叶变换(FFT)后,通过简易滤波器提取基频成分,将其与彩色条纹或复合光栅投影相结合,可实现单次投影。理论和实验证明了本方法的可行性。     

抽样对复合傅里叶变换轮廓术的影响

为了研究抽样对复合傅里叶变换轮廓术测量精度的影响,避免因抽样造成的频谱混叠,采用梳状函数对连续变形条纹进行抽样的方法,并结合卷积性质,在相位方向和其垂直方向上分别进行了讨论,从而得到了在实际测量中两个方向上抽样频率的选择依据.结果表明,在相位方向上,抽样频率应至少为基频的倍;在垂直方向上,抽样频率必须至少为两个载频中较大频率的3倍.计算机模拟和实验验证了理论分析的正确性.     

傅里叶变换轮廓术新理论研究

采用传统的傅里叶变换轮廓术(FTP),必须保证投影装置出射光瞳和成像装置入射光瞳的连线与参考面平行,并且它们的光轴应在同一平面上,才能得到较为准确的测量结果。改进了傅里叶变换轮廓术测量装置,从理论上证明了双瞳连线不平行参考面,且双光轴也不共面时的测量原理,推导出了新的、适用范围更广泛的相位-高度映射算法,使实验系统的搭建变得比较容易,投影装置和成像装置的摆放位置可以随意移动以方便获取全场条纹。所提出的方法为在难以实现双瞳与参考面平行或难以使双轴共面的特殊环境下提供了获得可靠测量结果的途径,并且传统的傅里叶变换轮廓术测量系统是所提出系统结构的一个特例。计算机模拟及实验均证实了该方法的有效性。     

双摄像机傅里叶变换轮廓术的数据融合

在三维面形拼接应用当中,对拼接区域内面形数据以一定的权重进行加权平均是最常用的方法,通常的算法是以拼接边界到中心线的距离为权重,这样可以对拼接区域内各点实现平滑过渡,但在拼接区域的边界存在一定的局限性。本文将一种正弦函数形式的图像镶嵌算法引入到三维面形测量的数据融合中,很好地实现了整个拼接区域的平滑过渡。该方法运算量小...     

傅里叶变换轮廓术中抑制零频的新方法

基于条纹投影的傅里叶变换轮廓术(FTP)是一种非接触、快速的光学三维面形测量方法.将短时傅里叶变换引入傅里叶变换轮廓术中,通过合适滑动窗口把变形条纹分成许多局部条纹段.计算每一个局部变形条纹的归一化傅里叶谱,提取零频分量,从中重构出变形条纹的零频分量.再计算原变形条纹的归一化傅里叶谱,并从中减去零频分量,以达到利用一帧变形条纹就可以抑制或消除零频分量对傅里叶变换轮廓术测量的影响,使得携带被测物体高度信息的基频分量的扩展几乎可以达到零频,而不发生混叠,相当于达到了π相移技术消除零频的效果.同采用π相移技术来消除背景光场的改进傅里叶变换轮廓术方法相比,此新方法仅需要对CCD获取的一帧条纹图进行处理,测量装置简单,随着计算机处理速度的提高,使傅里叶变换轮廓术能真正发挥其快速测量的优势.     

基于小波数字滤波的傅里叶变换轮廓法

采用一种基于小波数字滤波的傅里叶变换轮廓法测物体三维形貌。先利用小波变换基本滤除变形栅线图中的直流分量和高频分量,再进行相位计算。结果表明,该方法在一定程度上解决了频率混迭的问题,从而也降低了对低通滤波器的设计要求。     

2维载频条纹傅里叶变换轮廓术

为了在3维形貌测量中解决非连续物体所存在的非连续相位解包问题并提高测量精度,提出采用2维网格光栅作为空间载频条纹的傅里叶变换轮廓术。首先应用2维傅里叶变换对2维光栅条纹图像进行频谱分析;然后设计带通滤波器分离出两个1维变形光栅条纹,在1幅变形网格光栅条纹得到两个1维光栅各自所对应的包裹相位分布;最后应用查表法进行解包得到确定的调制相位分布,给出了详细的理论推导和实验结果。结果表明,采用2维网格光栅+查表相位解包法很好地解决了1维单一频率光栅条纹的低测量精度、1维双频光栅的频率混叠以及3维测量中高度不连续所存在相位解包问题,该方法是可行的。     

复合双频光栅轮廓术研究

对于存在突变的不连续物体的测量,使用低频光栅时物体面形能够恢复,但测量精度不高;使用高频光栅时不连续部分的轮廓细节能够清晰的恢复,但存在相位包裹现象而出现截断相位.据此,提出将2种光栅的优点融和在一起的方法:首先设计适合的低频光栅在物体的突变部分产生一根条纹,使低频光栅产生的相位不需进行相位展开;然后由2种光栅的频率比值及高频的截断相位来确定高频光栅所产生的条纹的整数级数n2(x,y);最后求出高频的展开相位,从而高精度地恢复不连续物体的高度信息.计算机仿真结果表明了理论分析的正确性.     

小波变换在傅立叶变换轮廓术中的应用

从小波变换本质、原理出发 ,说明它在提取条纹位相方面的应用 ,通过阐述小波变换与傅立叶变换两者之间的内在联系 ,将小波变换应用到傅立叶变换轮廓术中 ,并着重用傅立叶变换的原理对小波提取位相的原理进行详细解释。模拟结果表明 :小波变换在傅立叶变换轮廓术中的应用是正确的、可行的。     

基于傅立叶变换轮廓术的动态爆轰过程研究

提出了将傅立叶变换轮廓术用于爆轰过程研究的设想。模拟了三维物体的动态破裂过程,用调制度作为物体破裂区域判断的依据,最后给出了物体破裂过程的恢复结果。为爆轰过程的实验研究提供了一种新的测试思路。     

复合相位测量轮廓术研究

最近提出了一种只投影一幅复合光栅就可测量物体三维面形的复合相位测量轮廓术（CPMP）,其中复合光栅是由四个不同频率的载频分别调制与其方向垂直的四帧相移条纹并叠加形成的。本文对CPMP在理论及实验上进行了进一步的研究,并将之与相位测量轮廓术（PMP）进行了比较分析。结果表明对于高度连续变化的物体的动态测量,CPMP具有较大的应用前景。这对于复合相位测量轮廓术的进一步应用具有实际指导意义。     

采用相位图拼接的傅立叶变换轮廓术

针对在傅立叶变换轮廓术中,由于物体表面的阴影或突变而造成条纹的断裂或错位,从而影响物体三维面形重建的问题,提出了一种采用相位图拼接的傅立叶变换轮廓术。在同一参考平面上转动物体获得不同方位的变形条纹图像,由阴影或突变所造成的截断或错位条纹分布在变形条纹图的不同部位,相位值不可靠的点也分布在相位图的不同区域,对旋转前后重建物体在信息可靠区域内进行标记拼接,恢复物体表面完整的三维信息。实验证实了此方法的有效性及实用性。     

探测器非线性对傅立叶变换轮廓术的影响

本文分析了探测器存在二阶、三阶非线性对傅立叶变换轮廓术的影响 ,对抽样频率的确定给出了严格的理论分析和公式推导。分析表明 :由于非线性的影响 ,必须增大抽样频率才可避免频谱混叠 ,保证傅立叶变换轮廓术的测量精度。计算机模拟实验给出了不同抽样频率对三维重建的影响 ,实验结果证实了理论分析的正确性     

基于小波变换的信号滤波在探地雷达中的应用

利用小波变换的时频局域性,提出了一种探地雷达信号处理的滤波方法.在连续小波变换的基础上,同时联合尺度和频率,通过能量分析确定回波信号主要分量所在区间,通过尺度分解和频域滤波剔除干扰分量,在此基础上重构信号,提高了信噪比.并针对不同连续小波基对信号处理的性能进行分析,对比结果表明与雷达发射母波相似的小波基在探地雷达信号处理中更有效.     

傅立叶变换轮廓术测量范围的普适讨论

针对目前傅立叶变换轮廓术(FTP)测量范围的公式仅适用于投影呈一维变化的光栅条纹的情况，对FTP的测量范围进行了更深人的讨论，给出了适用于投影呈二维变化的光栅条纹的普适的测量范围公式。得出了当被测物体的频谱呈现非圆形分布时，可以采用改变投影的光栅条纹的方向消除频谱混叠，达到在不增加条纹密度和图像获取装置的分辨率的情况下减小或消除基频和零频问的混叠。     

图像相减的一种新模型

借用光学滤波系统理论,对对称图像相减的数学模型进行推广,得出了傅里叶变换实现非对称放置两个图像相减的数学表达式,诠释了其物理意义,规范了其适用范围和使用条件。计算机模拟实验验证了结论的可靠性与可行性。该结论对信息处理、图像识别等具有实用价值。     

Adaptive deep feature aggregation using Fourier transform and low-pass filtering for robust object retrieval

With the rapid development of deep learning techniques, convolutional neural networks (CNN) have been widely investigated for the feature representations in the image retrieval task. However, the key step in CNN-based retrieval, i.e., feature aggregation has not been solved in a robust and general manner when tackling different kinds of images. In this paper, we present a deep feature aggregation method for image retrieval using the Fourier transform and low-pass filtering, which can adaptively compute the weights for each feature map with discrimination. Specifically, the low-pass filtering can preserve the semantic information in each feature map by transforming images to the frequency domain. In addition, we develop three adaptive methods to further improve the robustness of feature aggregation, i.e., Region of Interests (ROI) selection, spatial weighting and channel weighting. Experimental results demonstrate the superiority of the proposed method in comparison with other state-of-the-art, in achieving robust and accurate object retrieval under five benchmark datasets.