单次曝光频域振幅编码压缩成像

超分辨率被认为是光学成像和图像处理的“圣杯”之一.有别于传统的多幅亚像素图像配准融合实现超分辨率的方法面临的配准误差以及高成本问题,得益于大多数图像普遍具有的稀疏表示特性,本文将压缩传感理论引入超分辨率成像,提出一种新的单次曝光频域振幅编码压缩成像方法.利用4-f傅里叶光学架构实现图像信息的频域0/1振幅随机调制,然后可以使用低分辨率CCD器件实现积分下采样记录对应的测量值,最后利用优化方法从少量的测量值中重建原高分辨率图像.模拟实验验证了本文提出的方法可以有效地实现二维图像信息的获取与重构.此外,本文的方法可以有效地处理大尺寸图像的压缩成像问题,具有重要的应用前景.     

基于激光点云数据的遥感图像目标融合技术

不同遥感图像之间存在特征差异性，且图像含有噪声，对融合过程造成了干扰，影响最终融合结果的准确性。基于此，提出基于激光点云数据的遥感图像目标融合方法。对遥感设备获取到的点云数据预处理，去除噪声点；从个体特征和群体特征两方面提取遥感图像目标特征，并将其关联；通过合理分配两幅待融合图像的权重系数，使拼接缝平滑过渡，完成遥感图像目标融合。通过对比实验测试可知，所提方法取得的目标点融合精准，拼接缝不明显，融合效果较好，所提方法的熵、峰值信噪比较高，体现了遥感图像目标融合的优异性能。     

基于RGB-D图像的室内场景CAD模型重建

针对传统三维重建方法中存在的依赖图组和计算复杂等问题,文中在重建过程中引入大规模CAD模型库,提出了一种基于单视角RGB-D图像的室内场景CAD模型重建方法。首先,利用FCN和点云数据估计室内场景布局;同时,利用Mask R-CNN和点云数据检索与待重建对象最匹配的CAD模型;最后,组合上述结果完成场景重建。实验证明,文中方法仅需单视角RGB-D图像即可完成三维重建,且重建图与原场景相似度高,有较好的鲁棒性。     

一种基于飞行时间相机的点云目标提取方法

基于飞行时间(Time of Flight,TOF)原理的深度相机成像方法不同于二维图像来计算三维信息,而是通过光在空气中的飞行时间,来计算出目标的距离,从而直接获取场景目标的三维点云信息。本文通过研究基于飞行时间红外相机的三维重建技术,设计了一种基于飞行时间红外相机的点云目标提取方法。利用飞行时间相机直接获得场景的三维点云数据,提出一种双阈值空间滤波算法,对点云数据进行空间滤波,并对滤波效果进行了对比评价。在双阈值空间滤波算法的基础上提出了一种改进的基于法向量的随机抽样一致性(RANSAC)算法,实现了对三维点云数据的目标提取,为基于飞行时间相机的场景目标三维重建奠定了基础。     

基于改进双目视觉算法的三维重建研究

为解决现有立体匹配算法在图像弱纹理等区域鲁棒性差以及模型参数较大的问题,对PSMNet立体匹配方法进行改善,通过使用空洞空间卷积池化金字塔结构(atrous spatial pooling pyramid,ASPP)提取图像在不同尺度下的空间特征信息。随后引入通道注意力机制,给予不同尺度的特征信息相应的权重。融合以上信息构建匹配代价卷,利用沙漏形状的编解码网络对其进行规范化操作,从而确定特征点在各种视差情况下的相互对应关系,最后采用线性回归的方法得到相应的视差图。与PSMNet相比,该研究在SceneFlow和KITTI2015数据集里的误差率各自减少了14.6%和11.1%,且计算复杂度下降了55%。相比较于传统算法,可以改善视差图精度,提升三维重建点云数据质量。     

基于光场数字重聚焦的三维重建方法研究

研究了光场数字重聚焦聚焦三维重建新方法,探 讨了光场数字重聚焦参数λ的取值以及拍摄条件对 重建结果的影响。空间中,每一个点和每一个方向的辐射函数总和就是光场,光场数据包含 了空间全部三维信息。借 助计算成像技术,光场数据可以重构出序列数字重聚焦图像,实现空间的三维重建。实验时 ,首先用Lytro光场相 机获取空间数据;然后用LytroDesktop软件进行数字重聚焦处理,重构出序列焦平面图像; 最后用Halcon软件的 聚焦深度(depth-from-focus)函数实现三维重建。实验结果显示,参数λ 表征了重构平面的深度信息,λ的性质显著地影响重 建结果,λ数量多于8、正负λ数目相当时,三维重建结果好。拍摄时,设置的相机参数、 目标的反射及场景背景等 因素都会对重建结果产生影响。适合参数下,本文方法能够正确重构不同深度结构的目标, 重构结果可以任意视角 查看。本文方法利用单视图重构设备,实现多视图三维重建结果,拍摄装置小巧,拍摄过程 快捷,系统稳定性好,降 低了拍摄难度和重建算法的复杂度,拓展了DFF算法的适用深度范围, 适合大景深场景和运动目标的三维重建。     

基于双目视觉与图像深度融合的机房三维重建方法分析

阐述基于双目视觉与图像深度融合的机房三维重建方法，采用双目视觉方案对目标深度信息进行测量，视觉SLAM技术根据左右目图像中的特征点匹配信息，基于本质矩阵恢复出当前帧相机相对于前一帧的位姿变换关系，构建当前帧相机系到参考系的位姿变换，从而在实现定位的基础上对目标进行三维重建。采用数据融合技术对多视结果与深度学习网络深度值进行融合，以解决重建点稀疏性的问题，提升三维机房重建精度以及机房数字孪生智能化监控能力。     

基于图像与点云融合的公路撒落物检测算法

公路撒落物是影响行车安全、造成交通堵塞的重要因素，及时检测并清理公路撒落物十分重要。通过总结分析撒落物的特点，利用点云处理定位精度高和图像处理分类精度高的特点，提出一种基于图像与点云融合的公路撒落物检测算法。所提算法包括路面目标提取、点云与图像信息融合和撒落物目标分类等3个步骤。首先，通过激光雷达点云进行道路边缘检测、地面点云滤波和点云聚类，提取路面上的目标点云团簇；然后，将目标点云团簇投影到时间与空间对齐的视觉图像中，获取对应的图像感兴趣区域；最后，使用优化后的ResNet-50进行目标分类。所提算法的平均检测精确率为94.84%，召回率为91.92%，具有良好的检测效果。     

基于三维VR技术的小区域目标重建研究

针对当前重建目标区域缺失图像信息时局限性较大,提出一种结合三维VR技术的小区域目标重建方法。对小区域目标进行相机标定,在相机标定过程中,引入小区域目标二维图像物理参数组建相机成像模型,利用直接法求解小区域目标成像参数,结合相机标定的结果利用SURF算法对小区域目标二维图像提取特征点。寻找小区域目标图像内任意一个主方向,构成各个特征点的图像旋转不变量,以该不变量为依据利用归一化互相关方法计算出小区域目标两图像块之间的近似程度,通过对极几何的性质约束小区域目标特征匹配点计算基础矩阵,以获得的小区域目标投影矩阵和特征点的匹配关系为依据,完成小区域目标空间点的三维重建。实验结果表明该方法准确率及实用价值较高。     

基于深度学习的岩石薄片正交偏光图像多曝光融合算法

针对正交偏光下岩石薄片图像中动态范围较低,无法观察全部颗粒的问题,将深度学习应用于多曝光图像融合算法,通过融合多个曝光度的薄片图像来获取较高的动态范围。首先将低动态范围的多曝光图像序列输入卷积神经网络,然后网络通过优化损失函数获取较好的权重图预测结果,最后由源多曝光图像序列联合权重图加权融合得到具有较高动态范围的薄片图像。对比实验表明,该算法可以有效地提升图像中的颗粒清晰度。     

互相关算法在运动目标距离选通激光三维成像中的应用

在微光成像中,距离选通成像是一种获取目标三维信息的有效手段。对于静止目标而言,可以通过对目标切片成像,获得不同选通距离的目标图像,进而通过二值化算法或质心算法获得目标的三维图像。而对于运动目标而言,在切片成像的同时,目标的空间位置会发生变化,因此需要对不同选通距离的目标图像进行配准,而后才能获得目标的三维图像。搭建了基于像增强电荷耦合器件(ICCD)的距离选通实验系统,提出了一种基于像质评价的互信息配准算法配准激光图像目标的空间位置,然后对配准后的激光图像通过互相关算法获得三维图像,并在保证一定的三维精度基础上,逐渐减少激光图像的像幅数,最后与二值化算法和质心算法三维重构进行了实验对比,实验结果表明,互信息配准算法能够有效配准激光图像,互相关三维成像算法精度高于二值化法和质心法,最少采用2幅图像即可获得目标的三维点云图像,大大降低了对运动目标三维成像的难度。     

基于相位调制的运动目标多光谱关联成像研究

为克服扫描方式多光谱成像无法捕获动态场景下的多光谱数据,提出了一种基于相位调制实现运动目标单次曝光多光谱成像方法。该方法将关联成像技术、压缩感知技术与光谱成像相结合,在成像光路中引入空间随机相位调制器,对运动目标物体三维图谱信息数据进行调制和压缩,然后利用探测器获取二维混叠信号,实现单次曝光获取运动目标的三维图谱信息重构,具有光能利用率高、成像时间短、系统结构简单等优点。实验结果表明:单帧CCD探测信号的电子数均值从200 e?按100 e?的间隔增加到1300 e?时,随着电子数均值增加,重构图像相对均方根误差rRMSE值对应减小,重构图像质量提高;当步进电机以30 Hz速度带动目标物体连续运动时,可获得较好质量运动物体的多光谱重构图像;采用光谱仪对目标物体中不同谱段的光谱分布曲线进行测试,所得结果与重构图像的光谱分布曲线相吻合,证明了该方法的有效性。研究结果对多光谱关联成像技术在无人机平台、动态监测等领域的应用提供了有益借鉴。     

基于变行频采样的红外图像重建技术研究

为了使一些单元或线列探测器获得的扫描数据含有相应的空间信息,进而提高获得红外热像的分辨率,提出了圆锥扫描机制下基于变行频采样机理的红外图像完整重建策略。结合圆锥扫描机制下变行频采样的运动特性、优点和采样机理,通过补场搜索重建了导弹架上捕获模式下的完整红外图像。利用空间基准参量,通过计算机仿真给出了变行频采样示意图和重建图像。仿真过程表明这种技术能够有效避免因导弹自旋造成的单场边缘行采样稀疏的缺点,而获得较高分辨率的红外图像。这种技术在投入相对较低的情况下,为目标检测和跟踪研究提供可靠的数据源,具有很好的应用前景。     

基于红外目标特征提取的图像融合方法

为有效突出红外目标,同时尽可能多地保留可见光图像中的纹理细节信息,使得最终的融合图像更符合人类视觉感知效果,本文提出一种新的基于红外目标特征提取的红外与可见光图像融合方法。首先,利用高斯滤波器将源图像分解为粗略尺度信息和边缘纹理细节信息;对红外图像的边缘纹理细节信息进行去“光晕”分解,在此基础上进一步利用OTSU多阈值分割算法将红外图像分割为目标区域、过渡区域和背景区域;最后,依据分割结果确定各分解子信息的融合权重,以有效地将红外目标信息注入到可见光图像中,同时尽可能多地保留可见光图像中重要的场景细节信息。实验结果表明,本文方法无论从主观视觉还是客观评价指标上,都要优于目前常用的有代表性的图像融合方法。      

条纹管激光成像雷达目标三维重构快速算法

实现目标实时动态追踪与识别是条纹管激光成像雷达中亟待解决的问题,针对条纹管激光成像雷达峰值探测三维重构算法运算时间长的问题,提出一种抽样插值目标三维重构算法,以一定的抽样率对条纹图像等间隔抽样并插值运算,再进行峰值特征提取运算。当抽样率为4%时,对于探测距离为706 m的目标,抽样双线性插值重构法的运算速度比原重构法提高了2.3倍,三维重构矩阵的相关系数约为0.99;抽样最近邻插值重构法的运算速度比原重构法提高了3.5倍,三维重构矩阵的相关系数约为0.98。实验结果表明所提算法可以提高目标三维重构速度,并且目标条纹图像帧幅数越多,目标三维重构速度改善效果越好。     

三维激光扫描的文物破损区域修复研究

为了提高文物破损区域修复能力,提出基于激光扫描的文物破损区域三维虚拟修复方法.构建文物破损区域三维激光扫描图像采样模型,采用激光扫描方法进行文物破损区域三维虚拟图像特征采集和信息配准,在虚拟计算机视觉下进行文物破损区域三维虚拟图像重构,结合模糊信息增强技术进行文物破损区域三维图像的信息增强处理,构建三维图像特征重构模型...     

基于参数域映射及B样条插值的三维重构方法

利用单目CCD图像进行物体表面非接触测量的核心是基于单幅图像的三维重构技术,常采用由阴影恢复形状(SFS)的方法实现三维重构。当图像分辨率较低时,通过由阴影恢复形状的方法重构的三维表面模型其分辨力较差,无法满足实际要求。为此提出了一种基于参数域映射及B样条插值的三维重构方法。采用B样条插值技术对图像进行放大处理,通过像素的参数域映射减小图像的失真及高频信息的丢失,根据放大后图像的灰度信息重构物体的三维表面模型。实验表明,基于参数域映射及B样条技术的图像插值方法很好地保护了图像的细节,利用该方法进行三维重构能够有效改善重构模型的分辨力和光顺性,为提高三维表面非接触测量精度创造了条件。     

结合改进显著性检测与NSST的红外与可见光图像融合方法

针对当前基于显著性检测的红外与可见光图像融合方法存在目标不够突出、对比度低等问题,本文提出了一种结合改进显著性检测与非下采样剪切波变换（non-subsampled shearlet transform, NSST）的融合方法。首先,使用改进最大对称环绕（maximum symmetric surround, MSS）算法提取出红外图像的显著性图,并进一步通过改进伽马校正进行增强,同时应用同态滤波增强可见光图像。然后,对红外图像与增强的可见光图像进行NSST分解,利用显著性图指导低频部分进行融合;同时设定区域能量取大规则指导高频部分融合。最后,通过NSST逆变换重构融合图像。实验结果表明,本文方法在平均梯度、信息熵、空间频率和标准差上远优于其他7种融合方法,可以有效突出红外目标,提高融合图像的对比度和清晰度,并保留可见光图像的丰富背景信息。     

基于多源数据融合的平面目标前视模板制备

基于多源数据融合思想,提出了一种平面目标前视模板制备新方法。算法首先将DSM数据与正射影像图配准融合,提取平面目标三维地形数据,然后对目标进行三维形状重构,最后根据给定的飞行航迹,利用透视投影成像模型完成模板制备。算法解决了单像素边缘成像断裂和虚假边缘去除的问题。大量实测数据的实验结果表明,本文方法有效地实现了平面目标前视模板的制备。