新型多光谱复眼透镜的研制及应用

传统多光谱成像系统通常借助滤光轮来实现光谱的分离。这种多光谱成像系统一次只能获取一个波段的图像,不仅操作不便,集成度也不高。本文基于微细加工技术将镀膜、光刻及光刻胶热熔等多种工艺相结合,实现了带有光阻挡层的紧凑型多光谱复眼透镜的研制。基于该透镜搭建了一台成像系统。成像结果表明,该透镜可以实现预期的色彩分离和多通道并行成像;由于光阻挡层和信号隔离层的作用,最终获得的图像成像效果清晰且各通道间没有干扰。此外,本文对基于该透镜的多光谱成像系统实际应用方面也做了进一步的探讨。实验结果表明,该系统在发现隐藏信息、生物医学成像等方面都具有较大的应用前景。     

多光谱颜色重建在植物病虫害检测中的应用

为了克服传统RGB三基色相机图像颜色重建的缺点，论文提出用多光谱相机捕获植物光谱图像的方法，根据图像捕获位置和观测位置照明光源的情况重建出植物病虫害的真实色彩。实验利用16个窄带滤光片和黑白面阵CCD摄像机获得植物病虫害的多光谱信息，通过多项式插值拟合出观测目标的光谱曲线。并和PR-715光谱辐射度计进行比较，对重建结果做出分析。试验结果表明16个通道的多光谱图像能够重建出植物病虫害的颜色。     

基于成像条件校正的光谱重建方法

目的 提出一种基于成像条件校正的光谱重建方法,以实现数码相机面向开放环境的光谱重建应用.方法 以参考白板为成像条件校正的媒介,首先在参考成像条件下建立光谱重建矩阵,然后将开放环境下测量对象的图像向参考成像条件进行转换,最后利用参考成像条件下建立的光谱重建矩阵对测量对象进行光谱重建.结果 以仿真成像系统和开放环境常见光源为基础,利用3组实验样本对方法进行了检验.实验结果表明,3组样本的总体平均光谱误差和色差分别为2.42和2.73.结论 基于成像条件校正的光谱重建方法总体上保持了较好的光谱重建精度,验证了方法的理论有效性.     

基于单目视觉系统的三维重建方法

以单相机采集的单幅彩色图像为基础,提出了基于单目视觉系统的表面三维形貌重建方法.该方法采用课题组针对该问题设计的多色LED环形结构光源,通过标定光源内各色LED的安装高度、入射角度、分布密度,使采集到的彩色图像包含入射光的位置信息.基于视觉系统中提取的入射光信息、图像色彩信息、相机成像模型和图像的灰度信息,建立了三维重建模型,提出了面向微小器件的表面三维重建方法.该方法解决了传统SFS法反向重建表面形貌的不确定性和慢收敛性问题.实验研究结果表明:采用本文所提方法重建圆形垫圈和六角棱柱型螺母,其重建相对误差分别为-2.2%和-4.43%,证实了采用单相机结合环形光源重建微小物体的表面三维形貌是有效的.     

基于APSO-LSSVM模型的光谱反射率重建算法研究

目的 研究光谱反射率重建算法,提高光谱反射率重建精度.方法 首先通过多光谱相机和分光光度计分别获取Munsell色卡和SG140色卡的通道信息和光谱反射率值,经归一化后将Munsell色卡的通道信息和光谱反射率值作为训练样本的输入和输出.然后,采用APSO算法对LSSVM的最优正则化参数γ和核参数σ进行寻优,构建基于APSO-LSSVM的光谱反射率重构模型.在对模型参数进行寻优过程中,为保持粒子的活性,在粒子群算法中引入自适应惯性权重,并根据遗传算法中的变异思想,加入了变异操作,在普通粒子中引入变异因子.在每次迭代更新中,粒子以一定概率初始化,使粒子群算法可以跳出局部最优解,在较大的空间内进行优化.结果 基于APSO-LSSVM模型对SG140色卡进行光谱反射率重建实验,文中方法的平均色差为0.4677 abΔE?,平均均方根误差为0.0006.相较于最小二乘支持向量模型和反向传播神经网络模型的重构精度均有很大的提高.从显色效果来看,文中方法的显色结果更接近真实颜色,人眼基本上难以察觉到两者间的差异.结论 基于APSO-LSSVM的光谱反射率重建算法可以有效地提高光谱反射率重建精度,实现了利用多光谱相机拍摄的多通道信息重构获得精确的多光谱图像.     

一种彩虹全息凹印卷料的多光谱颜色测量技术

目的针对彩虹全息凹印卷料品的颜色测量问题,研究一套专用的光源和多光谱成像系统。方法基于衍射抑制模型,设计一种穹顶光源,采用类似积分球的照明方式,使入射光线能在(-π/2~π/2)均匀入射,遍布全息印刷品的照射表面。采用多光谱CCD相机,在一个CCD相机中形成12~36个光谱通道,相当于将传统的RGB三通道相机扩大为36个通道的相机。结果穹顶光源使得光源内部的发光强度均匀,对全息印刷品表面的衍射光线有明显抑制作用,削弱了衍射光栅的色散作用,通过多光谱相机成像获得了产品在多个通道的光谱特性。结论结合穹顶光源设计的多光谱成像系统很好地获取了多光谱颜色表达,测量精度在2个色差范围内。     

基于主成分分析的多光谱相机灵敏度优化

研究了基于主成分分析的多通道光谱图像获取硬件系统即多光谱相机的灵敏度优化问题。利用多维向量空间理论和主成分分析法,系统讨论了多光谱获取系统优化灵敏度的理论和方法。提出灵敏度优化向量的概念,将滤光片透过率优化和光源辐射谱优化两种方法统一起来。利用四种灵敏度优化向量进行了仿真试验,并给出了在主成分分析算法下的实验仿真结果。结论是：多光谱系统灵敏度优化向量的正交化设计是系统光谱图像获取的必要要求;窄带灵敏度中,交叠的灵敏度优化向量具有更好的光谱反射率信息获取能力;在有限数目的宽带滤色片中,挑选滤色片透过率向量可以得到较好的多光谱相机的灵敏度向量。     

基于维纳估计的光谱反射率重建优化算法研究

目的研究光谱反射率重建算法,解决各种物体颜色的光谱反射率重建精度问题。方法通过高精度多光谱成像系统获取实验样本的系统响应值,分光光度计获取样本的光谱反射率,采用Wiener估计法、自适应维纳估计法和提出的优化维纳估计法,对待测样本实验数据进行光谱重建,并评价重建结果。结果在3种光谱重建算法仿真实验中,提出算法的均方根误差平均值为0.0355,平均CIE1976色差为1.4349,优于其他2种算法。结论在光谱重建算法的研究中,基于优化的维纳估计算法可以有效提高光谱的重建精度,可应用于实际的多光谱成像复制中。     

面向多星模拟器的全色彩RGB灯电控光源

针对多星模拟器向小型化、高精度、大视场、高稳定性的发展需求,提出一种采用全色彩LED作为发光器件的多星模拟器电控光源系统.该系统采用了多达20路的全色彩RGB灯,通过控制各灯的R、G、B三基色驱动电流改变各灯的三基色输出光强,并将各色分为4个亮度档位,使每个灯最多可形成63种亮度组合,从而实现对各路全色彩RGB灯光源的光谱和亮度进行控制,其主要组成部分包括上位计算机、RS485通信总线和电控模块等.实验结果表明:光源输出光功率短期(3d)稳定性优于1/1 000,工作稳定可靠,满足工程需求.     

多光谱光声层析技术在肿瘤学中的应用进展

多光谱光声层析技术是一种新兴的光声成像技术,兼具光声断层扫描和多光谱成像的优点。该成像技术需要利用内源性和外源性光声成像对比剂进行成像。成像时,激光发射器发射多个波长的激光束照射组织,组织发生热弹性膨胀并产生超声波,将超声换能器接收的光声信号进行后处理,分解光谱信息并重建图像。目前,多光谱光声层析技术已广泛用于多种肿瘤的研究。文章着重介绍光声成像对比剂和多光谱光声层析技术的发展近况以及在临床转化中取得的研究进展。     

改进乌鸦算法优化多阈值图像分割

目的 针对传统乌鸦算法随机搜索的盲目性和易陷入局部最优的缺点,提出一种改进乌鸦算法,用于多阈值图像分割.方法 采用精英分享策略,弥补乌鸦位置更新的盲目性;引入Levy飞行机制,避免算法陷入局部最优;随迭代次数调整变尺度系数,限制搜索步长,加快算法收敛;以Kapur熵为适应函数,利用改进乌鸦算法对不同类型图像进行多阈值分割,并与传统乌鸦、布谷鸟等4种算法的分割结果进行对比分析.结果 改进乌鸦算法对Lena,Flower,Fruits和Boat图分割后的结构相似性分别为0.7703,0.7761,0.7276和0.7921;标准偏差分别为0.0295,0.0385,0.0344和0.0173,实验数据表明,改进算法较其他算法有着更好的分割效果.结论 文中算法有效地改进了传统乌鸦算法的盲目性和易陷入局部最优的缺点,能够准确地分割复杂图像,在多阈值图像分割领域具有一定的参考价值.     

关于颜色空间转换的RBF网络动态子空间自动划分辨识方法研究

以RGB与CIEL*a*b*颜色空间转换为例,采用径向基函数(RBF)神经网络,研究了颜色值在不同颜色空间之间的转换。利用基本采样数据集建立了颜色空间转换RBF网络模型,并通过增加样本数据,采用动态规划颜色子空间的方法,提高了模型转换精度。研究结果显示,该方法的转换速度和精度都优于基于动态子空间自动划分的BP神经网络颜色空间转换方法。     

RBF神经网络在显示器色空间转换中的应用

目的研究RBF神经网络对显示器色彩空间转换预测准确性的方法。方法通过编程借助Measure Tool软件自动测量获取建模和测试数据,通过反复测试选择建模合适的函数和参数,最后用RBF神经网络模型进行仿真实验,以获取较好的RGB转换到Lab色空间的转换模型。结果 RBF神经网络模型测试得到的色块平均色差达到0.75,最大色差达到19.7。结论该方法建模简单方便,网络训练速度快,转换精度高,对显示器色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

广义回归神经网络在显示器颜色空间转换中的应用

目的 研究广义回归神经网络对显示器色彩空间转换预测准确性的方法。方法 通过编程, 借助MeasureTool软件自动测量, 获取建模和测试数据, 通过反复测试选择建模合适的参数, 并用广义回归神经网络模型进行仿真实验, 以获取较好的RGB-Lab色空间转换模型。结果 经广义回归神经网络模型测试, 得到色块平均色差达到2.5275, 最大色差达到19.3620。结论 该方法建模简单方便, 网络训练速度快, 转换精度高, 对显示器颜色空间转换具有较好的非线性拟合能力和更高的预测准确性。     

基于饱和度优先的 BP 神经网络颜色空间转换模型研究

利用神经网络算法的非线性转换优势,构建了基于BP神经网络的颜色空间转换正向和反向仿真模型,提出了数据仿真饱和度优先的方法。通过训练样本的选取、仿真实验和数据分析,得到了较好的训练效率和转换效果。仿真结果表明,BP神经网络适合于颜色空间转换,转换精度较高。     

基于BP神经网络的CMYK到L*a*b*颜色空间转换模型

由于BP神经网络不需要充分的理论根据,利用色靶的大量数据,通过BP神经网络,建立了CMYK到L*a*b*色空间的转换关系,并评价了模型精度。研究结果表明:BP神经网络用于CMYK到L*a*b*颜色空间转换,计算速度快,转换精度较高。     

基于模拟退火算法优化BP神经网络的色彩空间转换

目的研究基于模拟退火算法优化BP神经网络对喷墨打印机色彩空间转换预测准确性的方法。方法通过数据归一化处理、模拟退火算法优化BP神经网络的权值和阈值,以获取它们的全局最优解,再用BP神经网络法进行色差预测。结果模拟退火算法优化BP神经网络预测模型测试15次得到色块平均色差达到2.3067,最小平均色差达到0.7892。结论该方法优化BP神经网络精度非常高,对喷墨打印机色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

神经网络在色空间转换中的应用

通过运用MATLAB7.8进行了BP和RBF的数值仿真,并作出了二者的转换误差图,研究了采用BP和RBF神经网络方法进行色空间转换的精度差异问题。结果表明:BP神经网络由于本身收敛速度慢及训练无记忆性等缺陷,整体性能低于RBF神经网络,即用RBF来解决色彩管理中的色空间转换问题更符合要求。     

遗传算法优化 BP 神经网络的显示器色彩空间转换

目的基于改进遗传算法优化BP神经网络,研究对显示器色彩空间转换的预测准确性的方法。方法通过改进数据归一化处理和遗传算法的适应度函数,来优化BP神经网络的权值和阈值,以将它们的分布范围缩小,再用BP算法进行精确求解,并将该方式与常规方式作对比。结果训练优化后的BP神经网络预测模型20次,测试色块平均色差为2.9353,最小平均色差为1.9467。结论该方法大大降低了BP神经网络预测模型陷入局部极小值的可能性,对显示器色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。