分数傅里叶全息图的算法研究及显示

为了快速获取更好的全息图显示效果,在研究了分数傅里叶变换与菲涅耳衍射光场的紧密联系的基础上,首先给出了一种分数傅里叶变换的快速数值算法,并将分数傅里叶变换应用到计算全息图中提出了一种用于计算全息图的分数傅里叶变换方法;然后分析了用这种记录全息的方法得到的全息图优越于传统的傅里叶变换获得的全息图,同时给出了计算机的模拟实验结果;最后利用拆卸的投影装置搭建出了以空间光调制器——DMD (数字微镜装置)为核心的全息显示光学系统,并在该系统下获得了用分数傅里叶变换计算得到的全息图的全息显示结果。     

分数傅里叶变换合成计算全息与数字重现

传统的计算全息图大多采用菲涅耳衍射积分得到,但菲涅耳衍射积分在描述整个衍射光场中,没有一个统一的采样方法对积分进行数值计算,从而给计算带来不便。为了更好地研究计算全息图问题,文章引入了分数傅里叶变换,通过利用分数傅里叶变换的一种快速数值模拟算法,提出了一种基于分数傅里叶变换的合成空间三维物体全息图的新方法,并用计算机模拟了合成的全息图及其数字重构的结果。实验结果表明:由于分数阶的引入,得到一种处理光场衍射问题的统一算法,因此用分数傅里叶变换来处理光场衍射问题是十分理想的。     

分数傅立叶全息图的算法研究及系统实现

将分数傅里叶变换引入到全息图的计算中,提出一种分数傅立叶变换产生计算全息图的方法,并利用拆卸的投影装置搭建出以空间光调制器DMD为核心的全息显示光学系统并获得了分数傅里叶变换计算全息图在该系统下的全息显示效果及计算机模拟效果。     

分数傅立叶变换计算全息图的算法研究

传统的计算机产生全息图方法由于在标量衍射的光场描述中没有一个统一的数值计算方法,从而计算复杂度高而且重构的3D图像的体积和视场都比较小,离市场化的要求距离远.因此,在目前的计算机硬件条件下,算法和显示系统的研究仍有很大的空间.将分数傅里叶变换引入到全息图的计算中,提出一种分数傅立叶变换产生计算全息图的方法.实验结果表明,分数傅里叶变换相对于传统的傅里叶变换在记录全息数据方面的优越性,并用计算机模拟效果表明了算法的优越性.     

分数傅里叶全息图的快速算法及数字重现

论文通过分析菲涅耳衍射积分的快速算法,提出了一种基于快速傅里叶变换的分数傅里叶变换的数值模拟算法,并研究了基于此快速算法的分数傅里叶变换全息图的计算机生成及数字重现。     

消除零级衍射和循环移位改善计算机合成全息图的再现质量

分析了影响计算机合成全息再现像质量的主要因素,提出了一种改善计算机合成全息再现像质量的方法。零级衍射严重降低了再现像的对比度,连续两次离散傅里叶变换的循环移位作用使得再现虚像最后一行和最后一列被分别循环移位到第一行和第一列。采用Burch型合成全息图再现算法消除了零级衍射,调整像素的位置消除了虚像的循环移位,使得全息图能够精确恢复原始图像,实验证明这种方法能改善再现像质量。     

分数傅里叶变换的快速算法及计算全息图的研究

通过分析菲涅耳衍射积分的快速算法,依据Lohmann提出的任意阶的分数傅里叶变换的单透镜光学实验装置,详细分析了光场在此单透镜系统中的传播过程,提出了一种基于傅里叶变换的分数傅里叶变换快速算法,并对基于此快速算法的分数傅里叶变换全息图的计算机生成与数字重现进行了研究。实验结果示出了分数傅里叶变换全息图及其在重构过程中分数阶匹配与否的实验结果,验证了分数傅里叶变换分数阶的重要性质和笔者提出算法的可行性。     

分数傅里叶变换的快速算法及计算全息图的研究

通过分析菲涅耳衍射积分的快速算法，依据Lohmann提出的任意阶的分数傅里叶变换的单透镜光学实验装置，详细分析丁光场在此单透镜系统中的传播过程，提出了一种基于傅里叶变换的分数傅里叶变换快速算法，并对基于此快速算法的分数傅里叶变换全息图的计算机生成与数字重现进行了研究。实验结果示出了分数傅里叶变换全息图及其在重构过程中分数阶匹配与否的实验结果，验证了分数傅里叶变换分数阶的重要性质和笔者提出算法的可行性。     

基于离散傅里叶不变特征的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法。从连续傅里叶变换出发,讨论连续傅里叶变换情况下的傅里叶变换性质,给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质,推导出离散傅里叶变换的不变特征,并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

基于DMD和分数傅里叶的动态全息体视图显示

体视全息术是一种准三维显示技术,较之传统全息图,体视全息图大大降低了记录物体三维信息的数据量,使得计算机生成体视全息图成为可能,而空间光调制器SLM的不断发展也推动了全息显示系统的发展.分析了数字微镜器件DMD对光场的调制特性,将分数傅里叶变换算法用于体视全息图的生成,提出一种基于DMD的全息显示系统,实现了分数傅里叶变换体视全息图的动态显示.实验结果表明该系统能够较好地产生动态3D透视感,为基于DMD的全息显示搭建了系统平台.     

一种基于小波变换的多聚焦图像融合方法

提出了一种改进的基于小波变换的多聚焦图像融合方法。该方法采用小波变换对源图像进行多尺度分解,得到高频和低频图像;对高频分量采用基于邻域方差加权平均的方法得到高频融合系数,对低频分量采用基于局部区域梯度信息的方法得到低频融合系数;进行小波反变换得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该方法与传统融合方法的融合效果进行了比较。实验结果表明,该方法所得融合图像的效果和质量均有明显提高。     

基于邻域内相关系数与平均梯度的图像融合方法

通过分析研究图像融合的客观评价指标,提出了一种新的基于邻域的融合策略,即首先对源图像进行双树复小波(DT-CWT)分解,得到高频和低频图像.针对低频图像采用相关系数为阚值,以标准差加权平均进行邻域融合,高频图像以平均梯度为测度参数进行邻域融合,最后进行逆变换得到融合图像.采用均值、方差、熵和平均梯度4种客观评价指标来评价融合图像效果.实验结果表明,该方法能够较好地适应相似度差异较大的多传感器图像融合,有效地增强融合图像的细节信息和清晰度.     

基于局部熵的小波变换图像融合算法

研究基于小波变换的图像融合算法。首先对待融合图像进行小波多尺度分解,得到小波的分解系数,对高频分量和低频分量系数采取不同的融合规则。低频部分系数融合采用简单加权平均法,高频部分系数融合采用基于邻域熵值的方法。对融合后系数进行逆小波变换得到重构图像,融合后图像清晰、对比度好。与最大绝对值法、领域方差法作比较。最后通过熵、标准差、平均梯度值等参数对融合后的图像进行定量分析。实验数据表明提出的方法是切实可行的。     

一种新的基于小波变换的多聚焦图像融合算法

提出了一种基于小波变换的多聚焦图像融合算法（简记为WMFFA）。首先综合源图像求得参照图像,并对源图像和参照图像分别做小波变换,将其分解成低频和高频图像,然后求出源图像的每个小波系数与参照图像中对应位置上的小波系数之间的距离,按照距离特征从源图像中选取小波系数,组成融合后的小波系数并进行小波反变换,得到融合图像。对提出的融合算法性能进行了评价与分析,结果表明提出的算法对多聚焦图像融合是有效的。     

一种新的多聚焦图像融合算法

提出了一种基于小波-Contourlet变换的多聚焦图像融合算法;该算法首先采用小波-Contourlet变换对源图像进行多尺度分解,得到高频和低频图像;接着根据高、低频分量各自的区域特性,采用不同的融合规则进行处理,得到小波-Contourlet变换域的融合系数,最后通过反变换得到融合图像;采用信息熵、标准差和互信息3个评价标准,将该算法和传统的小波算法和Contourlet算法的融合结果进行了比较;实验结果表明,该算法获得的评价指标都优于其它算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.     

基于小波变换的多聚焦图像融合新算法

针对多聚焦图像,提出了一种新的基于小波变换的图像融合算法.首先将图像进行小波分解,得到低频图像和高频图像,对于低频图像采用基于邻域能量的方法进行融合,高频图像采用基于邻域方差取大的方法进行融合.最后进行小波逆变换,得到最终的融合图像.通过仿真实验验证了算法的有效性,实验结果表明,该算法明显优于传统算法.     

基于非下采样Contourlet的多传感器图像自适应融合

提出了一种基于非下采样Contourlet变换的多传感器图像自适应融合方法,采用黄金分割法搜索最优的低频融合权值.自适应地对多传感器图像的低频子带系数进行融合.非下采样Contourlet变换是一种新的图像多尺度、多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像,且该变换具有平移不变性,可以避免一般方法对融合图像引入的振铃效应,它的高频方向子带捕获了多传感器图像的显著特征,文中采用同一尺度下方向子带信息和取大的规则对高频系数进行融合.实验结果表明,与基于拉普拉斯塔、小波、平稳小波和Contourlet变换的方法比较,文中所提出的方法可以获得较好的融合效果.     

一种基于低频域边缘增强的小波融合方法

提出了一种基于低频域边缘增强的小波融合方法。首先,对参加融合的两幅图像进行小波多尺度分解,然后对最高层（分辨率最低层）高频细节分量图像进行区域绝对值取大和对其它层高频细节分量图像按区域方差最大化的原则进行融合,而对低频近似分量图像采用尺度系数卷积后区域特征度量的融合方法,增强了低频域的边缘,并采用均方根误差对该方法进行了客观评价。实验结果表明该方法有很好的融合效果,与已有的低频域平均法和尺度系数卷积融合方法相比,能更好地突出低频域边缘细节信息和区域特征。     

一种区域特性的小波图像融合新算法

提出了一种基于区域特性的小波图像融合新算法。对原始图像进行小波多尺度分解,得到在不同尺度和方向下的低频系数和高频系数;对低频系数,采用图像区域之间的相关系数和区域方差的融合规则确定低频融合系数,而对不同尺度和方向下的高频系数,采用基于局部区域能量的融合规则确定高频融合系数;最后,通过小波逆变换得到融合图像。对多组图像进行了融合仿真实验,并用平均梯度、信息熵和空间频率对融合结果进行了客观评价。实验结果表明,该算法优于传统的融合算法,取得了更好的融合效果。     

基于多尺度分析的图像融合新方法

提出了一种基于Contourlet多尺度分解的图像融合新方法.该方法首先对源图像进行Contourlet分解,得到高频和低频图像.针对不同频段图像的特性,对于高频和低频图像分别采用不同的融合规则,最后进行Contourlet逆变换得到融合图像.采用平均梯度,熵、平均交叉熵和均方根交叉熵4种准则来评价融合算法的性能.实验结果表明,该方法不仅在客观评价指标上优于小波变换法和塔形分解法,而且从主观评价上来看,该方法得到的融合图像更加清晰.