典型光流算法在条纹位移测量中的分辨力和测量范围

分析了Horn-Schunck全局光流算法和Lucas-Kanade局域光流算法在条纹位移测量中的分辨力和测量范围,结果表明:当Horn-Schunck算法的相对误差和Lucas-Kanade算法的相对误差小于2%时,两种算法的相位分辨力都能够达到10^-13π,对应像面上的位移分辨力为1.6×10^-12 pixel,两种算法在理论上与四步相移法的分辨力相当;在有噪声的情况下,两种算法的分辨力都达到了0.01π,对应像面上的位移分辨力为0.16 pixel;在相对误差小于2%、方均根误差小于3%时,Horn-Schunck算法和Lucas-Kanade算法的测量范围分别为0～17π/100和0～52π/100,分别约为0～π/6和0～π/2,并且测量范围受噪声的影响很小。     

全局参数自动估计的彩色图像偏振去雾方法

雾天环境下由于大气粒子对光线的散射作用导致成像质量下降, 针对雾霾等天气下图像退化问题, 提出了一种全局参数自动估计的彩色图像偏振去雾方法。利用不同角度的3幅偏振图像, 自动估算无穷远处的大气光和大气光的偏振度, 根据大气散射模型得到去雾后的图像。从RGB 3个色彩通道分别计算相应的参数, 使得算法适用于彩色领域。首先使用暗通道方法估计无穷远处的大气光和传输图, 并通过导向滤波对传输图优化; 然后基于大气光和目标光的不相关性, 采用全局搜索的方法估计大气光的偏振度; 最后根据大气散射模型恢复出清晰目标图像, 并利用对数变换进行增强。本文方法在雾霾天气下能够得到清晰的去雾图像, 且在浓雾天气下, 去雾图像的信息熵提升了约21%, 平均梯度提升了约2倍多, 标准差提升了约12%。实验结果表明, 本文方法较好地解决了人工取景估计参数不佳的问题, 提高了复原目标图像的清晰度和对比度, 可以用于彩色图像的目标探测与识别。     

基于Brox光流估计的物体面形测量新方法

提出了一种利用光流场原理测量物体面形的新方法。测量系统由投影仪、被测物体以及CCD摄像机组成。将光栅条纹以小角度投影到参考平面上,分别采集被测物体加入前后的两幅条纹图像。对测量系统的空间几何结构进行分析,以参考面为参照系,建立了投影仪、摄像机、观测点三者的位移与物面高度的空间关系,其中,观测点的位移是基于Brox光流算法通过估计两帧图像间的光流分布得到的。针对测量系统导致的测量结果与实际形状不一致的问题,结合球冠几何模型的数值模拟结果,分析了误差产生的原因,提出了修正方法。理论模拟结果和实际测量结果验证了所提方法的可行性。与傅里叶变换法进行了比较,证实了所提方法仅用两帧图像即可精确地恢复物体的高度信息,实验过程简单,有效缩短了测量时间,且适用于动态测量。     

基于L-K局域光流的空间视线坐标法面形测量技术

提出了一种基于L-K局域光流的空间视线面形测量技术.测量系统由一个投影仪和一个CCD摄像机组成,采用小投影角度的投影方式.通过投影光线与视线(观测光线)的交点坐标,直接计算得出被测物体三维面形高度分布,其中条纹图中观察位置的变化由L-K光流算法计算得到.建立了在点光源投影条件下投影光线与视线交点坐标、光流与被测物体面形高度之间的关系.模拟与实验结果证明该方法能够准确恢复被测物体高度.与传统面形测量方法不同,视线光流面形测量技术不需要采集多幅条纹图像,也无需计算条纹频率和物体相位值,只需两幅条纹图即可恢复物体面形高度分布.