金属发动机叶片微小缺陷超分辨图像重建方法

针对金属发动机叶片细微缺陷边界对比度低、描述符不足等造成的检测困难问题,提出一种基于超分辨图像重建技术实现微小缺陷强化的方法。首先,为弥补固定分辨率常规图像量化能力不足的短板,设计基于光度立体的图像重建方法,在图像量化层面实现了叶片表面高对比度法向贴图重建;然后,针对微小缺陷采样描述符不足的问题,通过真实叶片图像来构建多角度、多姿态的数据集,采用基于像素损失的Charbonnier损失来改进超分模型的损失函数,从而实现图像的高分辨率重建,强化采样分辨率,最终实现量化以及采集两个层面的微小缺陷超分辨增强;最后,使用传统的Canny算子识别叶片表面缺陷边界。实验结果表明,所提方法可以免疫二维歧义性,相较于传统方法,最高可提升金属叶片表面微小缺陷检出率达24.3%。     

基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法

针对传统红外与弱可见光图像融合算法中存在的亮度与对比度低、细节轮廓信息缺失、可视性差等问题,提出一种基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法.该方法首先利用改进的高动态范围压缩增强方法增强可见光图像提高亮度;然后利用基于潜在低秩表示与复合滤波的分解方法分别对红外与增强后的弱可见光图像进行分解,得到相应的低频和高频层;再分别使用改进的对比度增强视觉显著图融合方法与改进的加权最小二乘优化融合方法对得到的低频和高频层进行融合;最后将得到的低频和高频融合层进行线性叠加得到最终的融合图像.与其他方法的对比实验结果表明,用该方法得到的融合图像细节信息丰富,清晰度高,具有良好的可视性.     

基于遮挡图像多尺度重建的表面缺陷检测

遮挡图像重建是无监督异常检测的主要方法之一,通过生成式模型对遮挡后的图像重建,根据重建差异来估计图像区域的异常分数,高异常分数区域即为缺陷区域。然而,现有方法仅采用若干个尺度相互独立的遮挡策略,使得模型缺乏对非规则遮挡图像的重建能力;在重建过程中图像缺失部分与完整部分的全局依赖性未被充分考虑。针对上述问题,提出多尺度网格的遮挡策略,并采用自注意力机制增强自编码器重建过程中对全局依赖性的刻画。实验结果验证了所提方法的有效性,与其他方法相比获得了更优的表面缺陷检测性能。     

基于低秩矩阵的非均匀采样NMR波谱重建进展

多维核磁共振（Nuclear Magnetic Resonance,NMR）利用多维波谱来分析分子结构,被广泛用于化学、生物学和医学等领域,但信号采样时间随波谱维度和采样点数增加而迅速增长．非均匀采样通过降低间接维采样点数来加速数据采集,并引入合理的重建方法获得完整的NMR波谱．如何快速重建高质量的波谱,是NMR信号处理研究的前沿．本文主要综述近年来基于低秩矩阵的NMR波谱重建方法的发展．首先介绍了低秩矩阵的相关数学基础;然后从一般低秩矩阵和结构化低秩汉克尔矩阵两个角度来论述重建模型,并讨论相关的NMR波谱应用;最后分析了该技术存在的不足,并展望其未来发展的趋势．     

拉普拉斯约束低秩表示的高光谱图像异常检测

伴随高光谱图像的广泛使用,高光谱图像技术得到长足的发展,其中高光谱图像异常检测技术越发受到重视。为了解决传统高光谱图像异常检测技术的实用性和检测效果不佳的问题,提出一种新颖的低秩表示检测算法。对于高光谱图像,大部分背景像元均可以被少量主要的背景像元组合近似地表示,且它们的表示系数将会位于低秩的空间中。在剩下无法被主要背景像元表示的稀疏部分中存在着异常像元,则可以被检测算法提取出来。在低秩表示中,背景像元字典的构建将会影响高光谱图像中背景像元的表示。如直接从现有高光谱图像中提取背景像元构建字典,会导致异常像元对背景像元字典的污染。而利用待检测高光谱图像观测数据和由光谱组成原理可合成的潜在未观测数据来构建背景像元字典,提取出背景像元的主要特征,有利于更好地分离出稀疏异常像元的信息。并且高光谱图像数据存在高维几何结构特点,通过引入拉普拉斯矩阵来约束空间中局部相似的像元对于待检测像元的表示作用,获得更接近于真实的表示系数。实验结果分别在仿真数据和真实数据上验证,与传统方法相比,提出的方法通过有效地突出异常像元提高了检出率和抑制了背景像元,降低了误检率。     

潜在低秩表示框架下基于卷积神经网络结合引导滤波的红外与可见光图像融合

为提高融合图像的可视性,解决传统红外与可见光图像融合算法中存在的边缘特征缺失、细节模糊的问题,提出了一种潜在低秩表示框架下基于卷积神经网络结合引导滤波的红外与可见光图像融合算法。该算法首先利用潜在低秩表示对源图像进行分解,得到源图像的低秩分量和显著分量。其次,利用卷积神经网络根据源图像的特征信息,得到权值图。再次,通过引导滤波算法对权值图进行边缘锐化,然后再将优化后的权值图分别与源图像的低秩分量和显著分量融合,得到融合图像的低秩分量和显著分量。最后,将融合图像的低秩分量和显著分量叠加,得到最终的融合图像。实验结果表明,该算法在主观评价和客观指标上均优于传统的红外与可见光图像融合算法。     

基于FPGA的图像畸变矫正算法研究

在机器视觉中需要对采集到的带有畸变的图像进行矫正。为了提高对畸变图像校正的实时性,针对使用FPGA实现图像畸变矫正算法时,存在的在线计算逆向映射坐标复杂和片上ROM容量不够问题,压缩了逆向映射表,并在FPGA上利用插值方法在线重建了逆向映射表。通过查找重建的逆向映射表来获取逆向映射坐标,从而降低了FPGA的在线计算量和片上ROM的容量需求。MATLAB仿真结果显示,当压缩参数n分别取4、8、16时都能够对畸变图像进行较好的矫正,并且图像信息不会丢失。仿真结果验证了算法的有效性,该算法可用于基于FPGA的图像畸变矫正。     

结合低秩填充与流形正则的荧光分子重建

荧光分子断层成像技术的逆问题有严重的病态性,对噪声影响非常敏感,为提高荧光基团的重建精度,提出将低秩填充与流形正则模型结合的荧光分子断层重建方法,来抑制噪声对逆问题重建的影响。方法能利用更多的先验信息,在利用荧光基团能量分布的聚集性的基础上,还能够同时利用生物外表面荧光分布的低秩性。通过低秩填充算法对外表面观测矩阵进行抑噪处理,来利用外表面观测矩阵低秩性的先验信息;通过流形正则模型来利用重建光源聚集性的先验信息,最终实现逆问题重建的精度的改善。同时设计了多组数字鼠实验,结果表明结合低秩矩阵填充与流形正则模型的FMT逆问题的重建结果取得了明显的改善。     

基于低秩张量分解的高光谱RX异常目标检测算法

经典的RX异常检测算子假设背景数据信息符合高斯分布,但是由于高光谱图像混有大量的加性噪声,使得图像产生退化,背景信息并不完全符合这类分布。针对这一问题,提出了基于低秩张量分解的高光谱图像RX异常目标检测算法。该方法首先利用高光谱图像的张量数据结构和低秩数据特性,引入低秩张量分解方法对高光谱图像进行数据恢复,使得异常目标信息相比于复杂背景信息变得突出;再利用RX异常检测算子对恢复之后的高光谱图像进行异常目标检测;最后得到异常目标检测结果。通过仿真实验对比,提出的新的异常目标检测方法具有检测精度高、虚警率低和鲁棒性好的特点。     

基于CiteSpace的内表面缺陷检测研究进展与趋势

为分析内表面缺陷检测的发展历程、趋势和研究动态,通过对WoS和CNKI数据库中该领域相关文献的检索,共搜集相关文献英文4 708篇,中文818篇,利用可视化分析软件CiteSpace对文献数据开展共现分析、聚类分析等知识图谱研究,分析内表面缺陷检测领域在国家、机构及研究人员层面的分布现状及合作情况,梳理研究热点和前沿趋势。研究发现内表面缺陷检测研究具有明显的多学科交叉属性,主要涉及分析化学、材料科学、光谱学、仪器仪表、机械工程和计算机等学科。近几年WoS数据库相关主题收录文献年增长率超过10%, CNKI年增长率超过20%,中美两国为本领域研究最为活跃的国家,两国发文量约占总发文量的40%,中国学者在无损检测、图像处理等领域的研究明显落后于国外学者,但在机器视觉和深度学习领域实现赶超。按照研究路线可将相关研究分为基于声光电热磁的检测和基于视觉成像的检测两类,其中前者包括采用不同技术手段获取光谱、超声和电磁图像并借助图像处理技术实现缺陷检测,而后者主要基于视觉图像进行缺陷识别和分类,目前已成为该领域主要的研究热点。内表面缺陷检测发展历程分为缺陷识别、缺陷分类、缺陷分析三个阶段,2000年...     

基于奇异值分解的矩阵低秩近似量子算法

在大数据时代, 高效的数据处理至关重要, 量子计算具有平行计算能力, 为方便处理数据提供了新的解决途径. 本文提出了一个基于奇异值分解的矩阵低秩近似量子算法, 复杂度为O[log(pq)]. 在核磁共振量子计算系统完成了算法的原理演示, 选择一个8×8维的图像矩阵, 实现共振跃迁算法的哈密顿量H的时间演化,用量子态层析...     

层析成像图像重建算法综述

介绍了层析成像技术的图像重建算法,并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明:用本质是线性算法的各种变换方法重建图像存在严重失真,而卷积滤波的引入可以使变换方法的重建效果有所改善;基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解;基于Fourier变换的方法具有本质的局限性;小波变换则可以同时刻画图像时域和频域的细节特征;有限元法通过重建对象像素的智能划分可以简化正问题的复杂性;而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建;智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。     

基于支撑先验与深度图像先验的无预训练磁共振图像重建方法

基于深度学习的磁共振成像(magnetic resonance imaging, MRI)方法需要大规模、高质量的病患数据样本集进行预训练.然而,由于病患隐私及设备等因素限制,获取大规模、高质量的磁共振数据集在实际临床应用中面临挑战.本文提出一种新的基于深度学习的欠采样磁共振图像重建方法,该方法无需预训练、不依赖训练数据集,而是充分利用待重建的目标MR图像的结构先验和支撑先验,并将其引入深度图像先验(deep image prior, DIP)框架,从而削减对训练数据集的依赖,提升学习效率.基于参考图像与目标图像的相似性,采用高分辨率参考图像作为深度网络输入,将结构先验信息引入网络;将参考图像在小波域中幅值大的系数索引集作为目标图像的已知支撑集,构造正则化约束项,将网络训练转化为网络参数的最优化求解过程.实验结果表明,本文方法可由欠采样k空间数据重建得到更精确的磁共振图像,且在保留组织特征、细节纹理方面具有明显优势.     

基于多相组重建的航空图像超分辨率算法

为提高航空图像的空间分辨率, 提出一种基于多相组重建的超分辨率算法. 融合图像间的互补信息, 将多帧低分辨率图像作为图像基, 参考帧分解为多相组, 利用差异采样特性构建图像基与参考帧之间的的多相组线性关系重建得到高分辨率图像的多项组, 经图像多相分解逆变换获得融合的高分辨率图像. 根据该融合图像的局部内容和结构信息自适应调整控制核核函数, 应用改进的控制核回归算法去除图像模糊和噪声得到清晰的超分辨率图像. 与传统算法相比, 该算法无需图像配准和迭代过程, 计算效率极大地提高. 实验结果表明, 本文算法能够有效提高航空图像的空间分辨率, 在定量评价指标和主观视觉效果方面都有显著提高.     

基于最小区域的锥束ART算法快速图像重建

针对锥束ART算法重建速度慢的问题,考虑到工业CT重建目标尺寸差异较大的特点,提出了一种基于最小重建区域的快速三维图像重建方法。由不同视角下的锥束投影构建最小区域包络,对最小区域包络进行膨胀处理,以消除重建目标边界附近所出现的伪影,在此基础上,给出了射线穿过最小重建区域的体素索引及权因子的计算。该方法能够根据重建目标的尺寸自适应地确定最小重建区域,从而最大限度地减少了计算量。实验结果表明,该方法不仅大幅度提高了锥束ART算法的重建速度,而且有效地提高了重建质量。     

一种眼镜镜片缺陷自动化检测系统的研究

根据光散射原理和视觉检测的方法,研究开发了一种基于机器视觉的眼镜镜片缺陷自动化检测系统,对眼镜镜片进行图像获取、简单的图像处理与分级、分拣,实现对镜片的分类。系统采用并行机构运行,利用低角度前向照明方式获得了镜片表面和内部的斑、杂质、羽毛等缺陷图像;利用归一算法进行图像处理与分级,得到不同缺陷的识别信息。实验结果表明,系统能够检测出镜片中含有的所有缺陷,每个镜片的平均检测时间控制在2 s以内,检测精度为0.038 mm。     

基于约束优化的闪光照相图像重建算法

针对闪光照相图像受模糊及噪声影响的问题,提出了一种基于约束优化的闪光照相图像重建算法。该算法建立基于平行束投影的正向成像矩阵,并通过嵌入模糊矩阵表达成像过程中的模糊因素,采用最速下降法求解重建问题。在算法中设计了预优矩阵以提高迭代重建速度,利用客体密度值非负、密度分布分段光滑并含有阶跃性边界的先验知识,设计和采用了非负约束、光滑约束及广义变分边界约束条件。对仿真FTO客体图像及实际闪光照相图像的重建结果表明,基于约束优化的重建算法具有良好的边界保持能力及噪声抑制能力,可以有效提高图像重建质量。     

基于约束优化的闪光照相图像重建算法

针对闪光照相图像受模糊及噪声影响的问题,提出了一种基于约束优化的闪光照相图像重建算法。该算法建立基于平行束投影的正向成像矩阵,并通过嵌入模糊矩阵表达成像过程中的模糊因素,采用最速下降法求解重建问题。在算法中设计了预优矩阵以提高迭代重建速度,利用客体密度值非负、密度分布分段光滑并含有阶跃性边界的先验知识,设计和采用了非负约束、光滑约束及广义变分边界约束条件。对仿真FTO客体图像及实际闪光照相图像的重建结果表明,基于约束优化的重建算法具有良好的边界保持能力及噪声抑制能力,可以有效提高图像重建质量。     

基于热图像的种蛋气室变化监测算法

种蛋气室的大小是监测种蛋孵化过程的重要指标之一。根据种蛋的热力学结构,种蛋在孵化过程中,包裹气室部分蛋壳会与其他部分蛋壳产生温差,从而可通过热红外图像进行观察。针对在种蛋孵化过程中,人工照蛋检测气室效率低的问题,探索设计了一种基于热图像的种蛋气室变化俯视监测算法。监测种蛋气室热图像的算法主要包括种蛋目标检测,种蛋图像分割和种蛋气室面积计算3个部分,其中种蛋的目标检测采用Faster-RCNN算法实现;种蛋图像分割采用BP神经网络算法实现;种蛋气室面积是在种蛋图像分割的基础上进行计算。使用孵化5天及以上的种蛋作为研究对象,并拍取种蛋的热图像进行试验。试验结果表明：种蛋热图像的目标检测的平均精度（mAP）为99.85%,拥有较好的检测效果。使用BP网络对种蛋进行图像分割。BP神经网络经过调参后,其网络最佳的结构为三层隐藏层,每个隐藏层拥有1 000个神经元,最优初始学习率为0.000 1,最优最大迭代次数为500。以F1-measure作为分割效果的评价指标,BP神经网络的图像分割总体结果为87.02%,Otsu算法的总体结果为65.25%。其中只有一个蛋的情况下,BP神经网络的分割结果为87.17%,Otsu算法的结果为68.86%。存在其他种蛋的干扰条件下,BP神经网络的分割结果为86.94%,Otsu算法的结果为61.64%,BP神经网络的分割效果优于Otsu分割算法,BP神经网络拥有更强的抗干扰能力。最后提取了孵化5～19 d种蛋的气室变化,通过观察种蛋气室大小曲线来监测种蛋的孵化情况,可看出随着天数的增加,气室有着明显变大的趋势。人工测量法与热红外测量法比较结果说明两者相关性为0.934 3,拥有较好的相关性。基于热图像的种蛋气室变化监测算法可在实际生产中实现种蛋的识别与气室大小的快速监测,为实现监测种蛋孵化的自动化提供了技术参考。