鞋底信息扫描的光条中心提取方法研究

为了精确提取鞋底激光光条中心,首先对原始的激光光条图像进行了高斯滤波处理,有效去除了图像噪声,然后采用自适应阈值算法提取了激光光条中心。该方法在利用极值法得到光条的近似中心之后,在光条近似中心小区域内采用重心法计算,实现了激光光条中心的提取。实验结果表明,该算法能够准确地提取出光条中心,具有很强的抗噪声能力。     

一种多结构光条纹亚像素中心提取方法

在使用结构光方法进行工件或物体的三维信息快速测量中,需要对工件或物体投射多条结构光条纹,快速准确地提取各投射光条的中心是实现精确检测的关键问题之一。文中提出了一种多结构光条纹亚像素中心提取方法,首先扫描整个图像确定光条数目;接着提取各光条的边缘坐标信息;最后利用高斯拟合求取各光线条纹的亚像素中心。实验表明,该方法能有效识别多结构光条纹并提取其亚像素中心。     

基于结构光视觉的激光拼焊焊缝质量检测方法研究

在基于结构光视觉的激光拼焊焊缝表面质量检测系统中,需要准确获得焊缝结构光条纹中心线和特征点的位置.由于焊接过程中的各种噪声干扰,使得焊缝图像复杂多变,因此选择合理高效的图像处理算法是非常重要的.针对这一问题,对结构光视觉焊缝质量检测系统图像处理方法进行了深入研究.在图像预处理中,首先通过开窗处理来获得兴趣区域,采用中值滤波去除图像噪声.在结构光条纹中心线提取过程中,提出了一种新的模板法获得了条纹的边界并用几何中心法提取了条纹中心线;最后,使用斜率分析法提取了特征点.试验表明,该方法具有较高的特征点检测可靠性,并且运算速度快、抗干扰能力强,具有较高实用价值.     

连铸坯三维测量多线结构光的中心条纹快速提取

在利用多线结构光系统对大尺度连铸坯进行三维测量的过程中,线结构光中心条纹的提取精度是影响三维测量精度的重要因素。提出了一种对传统灰度质心方法进行优化的多线结构光中心条纹提取方法。对连铸坯表面激光横截面不满足高斯分布的线结构光条纹,利用图像背景差分的方式去除环境噪声,并根据线结构光条纹与背景间的灰度变化信息确定线结构光的边界,同时提取线结构光的感兴趣区域。根据光条在梯度方向上的灰度积分比例计算灰度质心法的自适应灰度阈值,利用灰度质心方法处理感兴趣区域提取出光条中心点,最后结合附近半径为5个像素的邻域内所定位的中心点进行质心重提取,获得连铸坯表面光条的亚像素中心坐标。现场测量结果表明：对反射特性不均匀的连铸坯表面的激光条纹光条中心进行提取,最终连铸坯边缘轨迹点的三维测量结果标准偏差在2 mm以内,该方法具有精度高、速度快、鲁棒性强的特点。     

精确的线结构光中心提取算法研究

光条纹中心的精确提取是线结构光三维识别系统的重要环节。环境光干扰、被测物表面反射以及图像采集系统所产生的噪声都给光条提取增加了难度。文章提出了一种快速精确的线结构光条纹中心提取法。首先,对图像进行预处理,通过边缘法对结构光中心线进行边缘检测;然后,用均方灰度梯度法确定结构光中心法线方向;最后,对法线方向上像素进行灰度加权,从而精确提取出结构光条纹中心。实验结果证明,该算法光条纹中心的提取精度达到了亚像素级别。     

基于结构光视觉的激光拼焊焊缝背面质量检测方法研究

在激光拼焊中,背面焊缝成形质量直接影响焊件的机械性能.文中在分析结构光视觉检测原理的基础上,建立了基于结构光视觉传感的焊后焊缝背面质量检测系统并对焊缝背面质量检测系统图像处理方法进行了深入研究.在图像处理过程中,首先通过开窗处理来获得兴趣区域,采用中值滤波去除图像噪声;其次使用迭代自动阈值法分割出结构光;在结构光条纹中心线提取过程中,提出了一种新的模板法获得了条纹的边界并用几何中心法提取了条纹中心线;然后,将斜率分析法引入到条纹中心线特征点检测中并获得了中心线上的一系列特征点.最后通过背面焊缝的图像序列,计算获得了背面焊缝不同位置处的几何参数及缺陷值.试验表明,该焊缝背面质量检测系统图像处理方法可靠性高、运算速度快、抗干扰能力强,具有较高实用价值.     

基于遗传算法的结构光条纹中心检测方法

为提高结构光三维信息获取系统的精度,提出了一种激光条纹中心检测算法.该算法基于遗传算法并具有优化图像阈值选取的性能,可以很好地分割激光条纹.利用图像处理和方向模板的方法,在激光条纹的基础上进一步提取激光中心线.实验表明在合理选择遗传算法的交叉率和变异率的情况下,能够准确有效地获取结构光条纹中心,满足系统精度的要求.     

钢轨磨耗动态测量中激光光条中心的快速提取

针对钢轨磨耗动态测量中激光光条中心快速精确提取的问题,提出一种卡尔曼滤波和Hessian矩阵相结合的激光光条中心快速提取方法。首先,利用卡尔曼滤波实时预测钢轨磨耗动态测量中激光光条在图像中所在区域;然后,在预测的激光光条区域内,逐行搜索图像灰度最大点,将该灰度最大点作为激光光条图像中心的初始位置,在激光光条图像中心初始位置处利用Hessian矩阵计算得到光条中心的亚像素图像坐标;最终实现在激光光条区域内光条亚像素图像中心的快速提取。该方法显著减少了搜索区域及高斯卷积的数目,提高了激光光条中心提取的鲁棒性及速度。实验结果表明,在保证激光光条提取精度的前提下,每帧提取时间可达到1.6 ms。     

一种快速结构光条纹中心亚像素精度提取方法

本文将大模板高斯卷积的递归实现引入到结构光条纹中心提取中,提出了一种基于Hessian矩阵的亚像素精度结构光条纹中心提取的改进算法.利用高斯卷积递归实现获得光条纹各点的Hessian矩阵,以便确定光条纹各点的法线方向,然后在法线方向利用泰勒级数展开求得光条纹中心的亚像素位置.实验表明,该算法具有精度高、鲁棒性强等特点,提出的算法递归实现方法大大减小了算法的运算量,实现了结构光条纹中心线的快速高精度提取,为结构光视觉检测的实时应用奠定了基础.     

金属表面 LED 线结构光条纹图像增强方法

为避免线结构光测量中的干涉散斑噪声的影响,提出采用相干性低的 LED 光源的线结构光测量法,并搭建了测量系统。通过分析该方法在测量金属工件表面的条纹图像特点,提出了采用基于拉普拉斯金字塔的曝光图像融合方法来增强条纹图像质量。实验室环境图像的融合实验验证了该图像增强方法的可行性。最后完成了条纹图像的增强实验,结果表明,经 2 幅曝光图像融合后的条纹图的质量得到了提高,光条区的光强分布均匀,不存在明显的信息缺失区。     

A ball-target-based extrinsic calibration technique for high-accuracy 3-D metrology using off-the-shelf laser-stripe sensors

This paper presents a ball-target-based method for the extrinsic calibration of a three-dimensional (3-D), multiple-axis, structured-light (laser-stripe) scanning system. The calibration involves the scanning of a physical artifact (a ball-target) in the working volume of the measurement system whenever a change of sensor occurs or during initial system setup. Based on the fact that there are only eight independent parameters in the transformation from the skewed sensor frame to an orthogonal reference frame, a constrained optimization calibration algorithm is developed. A slice-interpolation algorithm is used to identify the conjugate pairs. Through calibration, the usually nonorthogonal skewed sensor frame can be related to a Cartesian world frame. Experimental studies using a tetra-ball target demonstrate the effectiveness of the proposed calibration technique. As reflected by the radii of the ball target, the shape distortion of the image was reduced from an average of 1.44 to 0.04 mm over an 18.93-mm range. As reflected by the distances between the centers of the balls, the dimensional distortion was reduced from an average of 4.28 to 0.07 mm over a 90-mm range.     

Spatially varying regularization of deconvolution in 3D microscopy

Confocal microscopy has become an essential tool to explore biospecimens in 3D. Confocal microcopy images are still degraded by out‐of‐focus blur and Poisson noise. Many deconvolution methods including the Richardson–Lucy (RL) method, Tikhonov method and split‐gradient (SG) method have been well received. The RL deconvolution method results in enhanced image quality, especially for Poisson noise. Tikhonov deconvolution method improves the RL method by imposing a prior model of spatial regularization, which encourages adjacent voxels to appear similar. The SG method also contains spatial regularization and is capable of incorporating many edge‐preserving priors resulting in improved image quality. The strength of spatial regularization is fixed regardless of spatial location for the Tikhonov and SG method. The Tikhonov and the SG deconvolution methods are improved upon in this study by allowing the strength of spatial regularization to differ for different spatial locations in a given image. The novel method shows improved image quality. The method was tested on phantom data for which ground truth and the point spread function are known. A Kullback–Leibler (KL) divergence value of 0.097 is obtained with applying spatially variable regularization to the SG method, whereas KL value of 0.409 is obtained with the Tikhonov method. In tests on a real data, for which the ground truth is unknown, the reconstructed data show improved noise characteristics while maintaining the important image features such as edges.     

基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.     

一种有效的去除图像混合噪声的滤波算法

依据噪声特点以及图像的像素关联性,提出了一种有效的数字图像混合噪声滤波算法。该算法首先对图像像素进行检测,依据受脉冲噪声污染的图像像素与其周围邻域多数像素在亮度上具有显著差异的特点准确检测出脉冲噪声,然后以检测到的脉冲噪声为被处理像素,用其邻域内未被脉冲噪声污染的图像像素对其进行中值滤波,由于当前脉冲噪声点以及邻域脉冲噪声点均未参与滤波运算,从而较好地保护了图像的细节。对图像中的高斯噪声,提出了一种改进的加权均值滤波算法,该算法在定义相关度函数时,既考虑了像素的灰度相关性,又考虑了像素的位置相关性。实验结果表明:提出的混合噪声滤波算法不仅可以有效滤除图像中的混合噪声,而且还可以较好地保护图像的细节。     

电路噪声对星敏感器星点定位精度的影响

提出了一种测量星敏感器电路模块带来的图像噪声的方法。在实验室条件下,用星敏感器拍摄多幅背景图像,分析表明:不同背景图像上相同像素的灰度差值代表了电路模块带来的图像噪声,该噪声服从正态分布。模拟产生该正态分布的随机矩阵作为图像噪声加到理想的星点上,采用亚像素细分质心算法计算出带噪声的星点质心坐标,从而得到噪声带来的星点位置偏差。计算结果表明:实验室条件下,星敏感器实测6等星的质心测量精度为1/25 Pixel,而电路噪声将引起1/200 Pixel量级的标准偏差;电路噪声,尤其是DC/DC电源纹波噪声对星敏感器星点定位带来的误差是不容忽视的。     

The homogeneity map method for speckle reduction in diagnostic ultrasound images

This paper proposes a new method to reduce speckle noise in diagnostic ultrasound images by improving the speckle reduction capacity of an edge-sensitive filter. A homogeneity map is generated according to the local statistics of the window formed for each image pixel. The homogeneity map method uses the advantageous properties of a filter with a better smoothing capability than the edge-sensitive filter to increase the image quality of the edge-sensitive filter. We conducted our study using a cyst image simulated by the Field II program, a kidney image, and a real ultrasound image to which we applied two popular filters: SRAD and OBNLM. The results show that our proposed method has better denoising performance than the edge-sensitive filter, without any loss of edges.     

基于多级维纳滤波的OCT图像除噪方法研究

为了实现光学相干层析成像（OCT）过程中采集信号的噪声去除,设计了基于维纳滤波和对比度增强的OCT图像处理方法。首先对OCT图像的噪声进行了分析,继而针对OCT信号的噪声干扰问题提出一种除噪算法,通过多尺度维纳滤波器对图像进行滤波处理,然后根据区域特性采用对比度增强方法提高图像对比度。实验结果表明：经该方法处理后图像的背景方差（BV）较原始图像降低了3-7倍,而且信噪比高,细节方差和背景方差之比（DV/BV）提高了3-6倍。该方法不仅有效去除了OCT图像的噪声,而且视觉效果良好,是一种有效的图像后处理方法。     

基于空间自适应和正则化技术的盲目图像复原

在原非负支撑域递归逆滤波（NAS-RIF）算法基础上,本文提出一种基于空间自适应和正则化技术的改进算法。在代价函数中,引入两项空间自适应的加权项,分别用来确保图像复原的逼真和平滑,自适应加权项需根据观察图像的局部特性和噪声方差求得。并加入正则化项,以达到抑制噪声的目的。本文提出了根据观察图像来估计噪声方差的方法,因而不需要知道噪声方差的先验条件。在求解中,采用共轭梯度算法来进行求解。对不同背景和不同信噪比的图像进行了仿真实验。结果表明：改进后的算法比原来的算法复原效果更好。     

A method of noise removal using the inverse transform of an image autocorrelation function

A method for a reversible transform between an image and image autocorrelation function has been devised, and it has been applied to the reduction of random noise in a microscope image. Object-related features of an image signal as well as noise features are overlapped at the vicinity of the origin of an image autocorrelation, and a peak is formed at this position. The present method removes the noise contribution in this peak and returns the autocorrelation function, thus corrected, to the image. An autocorrelation function is computed by two Fourier transforms as based on the convolution theorem. The inverse transform from the image autocorrelation function is made possible by performing two Fourier transforms in reverse to the above. This method has been developed to remove random noise more accurately from a single image (especially for nonperiodic images) than other image-processing methods such as smoothing techniques and low pass filtering.     

基于MATLAB的车牌图像预处理的研究

车牌图像识别的预处理是车牌图像识别系统的环节之一。运用MATLAB图像处理工具箱,首先把获取的彩色图转换为256级的灰度图;然后用中值滤波法去除噪声从而提高图像质量;然后再进行图像灰度拉伸以增加图像对比度;运用Sobel算子进行图像锐化从而增强图像中的边缘信息;最后运用全局阈值法二值化图像。