双相机系统的高分辨率重建

为获取高分辨大视场的目标图像,提出了双相机系统的高分辨重建算法.根据小视场高/低分辨图像对,学习图像的高频特征,利用线性回归函数表征图像高分辨与低分辨的高频特征映射关系;在小波域实现低分辨、大视场目标图像的超分辨重建,使其达到高分辨、小视场目标图像的分辨率水平;设计了10组双相机系统的仿真实验,并与双三次插值、小波域插值和学习自身的重建等3种流行算法进行对比.实验结果表明,本文算法取得了最好的重建效果,时间代价也相对较小,并且重建评价指标PSNR比传统双三次插值高约0.26.

双相机结构光系统中两相机定标与映射计算

研究双相机结构光系统中两相机图像的对应关系 ,基于结构光系统平面约束DLT模型 ,分析了两相机成像的对应关系 ,推导了两相机图像映射计算公式 ,提出了双相机结构光系统中两相机的定标算法 .实验结果表明此算法可以达到较高的精度 ,证明了分析的正确性 .

基于颜色自适应字典的双相机光谱系统重建算法

通过将快照编码孔径光谱成像和普通RGB彩色成像结合,双相机光谱成像系统能够高效地获取场景的光谱信息,具有广阔的应用前景.如何高质量地从压缩采样中重建高光谱图像是该系统需要解决的重要问题.根据高光谱图像与彩色图像在空间结构和光谱响应上的相关性,本文了提出一种基于颜色自适应字典的重建算法,用以提高双相机光谱成像系统的重建质量.首先,利用RGB观测分别训练三通道非负字典.然后,以彩色相机的光谱响应曲线为指导,为每一个谱带选择光谱相关性最大的字典.最后,完成高光谱图像的稀疏重建.高光谱数据库和遥感数据库的仿真结果均表明,本文提出的算法能够大幅度提升双相机光谱成像系统的重建质量.

基于双相机的激光照射性能监测系统图像畸变矫正方法

针对传统双相机系统,在对可见光图像做畸变矫正后,无法对红外光图像进行矫正的问题,本文提出了一种基于双相机透视系统的矫正靶板图像透视畸变的方法。采用双路CCD相机、靶板、激光照射器和计算机构建激光照射器检测系统,利用标准网格板确定坐标变换矩阵;利用畸变前后的合作目标点确定可见光透视变换矩阵;利用坐标变换矩阵和可见光透视变换矩阵确定红外光透视变换矩阵,进而实现对靶板图像的畸变矫正。实验结果表明:该算法运用坐标变换,矩阵运算,实现了在三维空间中同时矫正双相机透视系统下的可见光图像和红外光图像;不需要测量偏转角度与实时距离,大大降低了实验难度和复杂度;算法可行性高,简单易行,稳定性好。

基于卷积神经网络的离焦颗粒粒径与位置测量

针对双相机成像系统所获取的颗粒离焦图像,搭建了基于Faster-RCNN和VGG16卷积神经网络(CNN)的颗粒粒径与位置同步预测模型。在75~95 mm(约9~10倍的成像系统景深)深度范围内,拍摄直径为50~350μm的9种不同圆点用于所提模型的训练,并将所提模型与基于离焦测距(DFD)理论模型的处理方法进行了比较分析。测量结果表明,与基于DFD理论模型的处理方法相比,CNN模型的颗粒深度测量范围有所提高,直径测量误差有所降低,但深度测量误差有所增大。进一步采用双相机系统拍摄在循环样品池内流动的粒径为120μm的标准颗粒,应用所提CNN模型对相应图片进行处理,粒径预测结果的相对误差范围为-8%~8%。