复杂运动舰船目标SAR成像空/时变散焦特性研究

合成孔径雷达(sythetic aperture radar,SAR)能够对海上舰船目标进行全天时、全天候成像,但是运动舰船在高分辨率SAR图像上的方位向散焦会严重影响后续对舰船目标的识别。由于舰船运动的非合作性,目前对复杂运动舰船在SAR图像中的散焦特性认识不足。本文首先从SAR成像原理出发,理论推导得出舰船复杂运动引起的SAR回波信号相位误差的空变性和时变性是导致其SAR图像质量下降的决定性因素。在此基础上,构建了一个复杂运动舰船目标SAR成像模拟器,通过对不同运动状态、不同合成孔径时间舰船点、线、面目标的SAR成像仿真,揭示了复杂运动舰船目标SAR成像空/时变散焦特性。其中,空变性会造成舰船在SAR图像上非均匀散焦;时变性使得舰船在SAR图像上变为一条方位向能量带。最后,结合空/时变散焦特性,探讨了未来SAR运动舰船重聚焦技术的发展方向。

基于再感知双模型联合训练的散焦模糊检测

针对散焦模糊检测(defocus blur etection, DBD)模型训练时没有对响应错误区域学习优化,且在识别过程中部分图像的模糊同质区域和处理边界过渡等位置仍然具有挑战性等问题,提出了再感知双模型联合训练方法和基于注意力机制多尺度语义融合散焦模糊检测网络。将未正确响应的预测区域映射到全新合成图像中驱动模型学习,实现再感知错误位置的图像特征;利用DBD任务的互补性质构建预测网络,组成对焦预测和模糊预测双模型,将互补网络中多余响应的区域反馈到另一个模型上从而提升训练效果;利用多尺度特征融合模块逐渐整合不同尺度的语义信息;在特征提取时设计了全局通道注意力模块,使模型关注预测结果的有效特征信息,增强网络在不同输入场景下的灵活性。在DUT、CUHK和CTCUG数据集上进行的对比实验表明,提出的方法与对比方法中性能最优者相比,F-Measure指标分别提高了0.082、0.051、0.264,MAE指标分别降低了0.032、0.018、0.144。

电弧对激光吸收与散焦的定量测量

复合热源焊接过程中 ,激光与电弧之间相互作用的物理机制一直是复合热源焊接技术研究中的难点。激光形成的锁孔对电弧有吸引、压缩作用 ,由于激光穿过电弧时能量被电弧吸收和散焦 ,对锁孔的稳定形成有直接影响 ,因此研究激光穿过复合电弧时的吸收与传输特性对分析复合热源焊接机理、合理选择工艺参数有重要意义。文中设计一种新型试验方法 ,采用激光烧蚀有机玻璃的方法定量测量CO2 激光穿过电弧时 ,电弧对激光的吸收与散焦特性 ,通过有机玻璃的烧蚀深度和烧蚀宽度反映激光能量的损耗 。

基于倒谱分析的散焦模糊图像参数识别

介绍一种倒谱分析方法,使计算机能较好地识别散焦模糊参数。在频域中应用了一些调整性算法,再变换到倒谱域来分析,以得到更好的识别准确率。

基于显微图像散焦特征的微操作机器人深度信息提取

提出了一种单目显微视觉下微操作机器人深度信息的快速提取方法 ,通过计算微操作空间中 X- Y平面的散焦图像特征 ,表征图像清晰程度 ,从而获得机械手在 Z方向的深度信息 .实验特征曲线证明方法简洁快速 ,有效的反映了微操作深度信息的变化和机械手在纵向的运动特性 .

对象引导的单幅散焦图像深度提取方法

2D图像转3D图像是解决3D影视内容缺乏的主要手段之一,而深度提取是其中的关键步骤.考虑到影视作品中存在大量散焦图像,提出单幅散焦图像深度估计的方法:首先通过高斯卷积将散焦图像转换成两幅模糊程度不同的图像;其次计算这两幅图像在边缘处的梯度幅值比例,进而根据阶跃信号与镜头的卷积模型得到边缘处的模糊度;再次将边缘处的模糊度转换成图像的稀疏深度并利用拉普拉斯矩阵插值得到稠密深度图;最后通过图像的视觉显著度提取前景对象,建立对象引导的深度图优化能量模型,使前景的深度趋于一致并平滑梯度较小区域的深度.该方法利用对象引导的深度优化,剔除了拉普拉斯矩阵插值引入深度图的纹理信息.模拟图像的峰值信噪比和真实图像的视觉对比均表明该算法比现有方法有较大改善.

利用拉氏算子鉴别散焦模糊图像点扩散函数

对于散焦模糊图像,通常把其散焦点扩散函数近似为圆柱形函数。若能有效地从模糊图像中鉴别出该圆柱形的半径,则等价于求出了散焦模糊点扩散函数。利用拉氏算子对散焦模糊图像进行无方向性的二阶微分,然后求微分图像的自相关,则三维显示的自相关图像上会出现一个环形槽。环形槽由数值为负的一系列相关峰连成,槽底位置连成鉴别圆。该鉴别圆以零频尖峰为圆心,直径等于作为散焦点扩散函数的圆柱形直径的两倍。通过插值求和,得到一条鉴别曲线,可以直接鉴别出其直径。这一新的鉴别方法计算量小,鉴别精度高,抗噪声能力较强。

自散焦晶体中阵列光束与写入晶格的相互作用研究

通过CCD观察了在自散焦光折变晶体中写入光子晶格的动态过程,发现了条纹分裂的一些新的实验现象,认为这是一种空间频率的倍频现象,这种现象是干涉条纹与写入光子晶格之间相互作用的结果,并用相位转移和相位分裂理论对实验现象做了初步解释.实验证明,利用局域光折变效应可以实现空间频率的倍频.

基于景物散焦图像的距离测量

计算机视觉中 ,景物三维重建的关键是从景物的图像中计算出景物目标到摄像机的距离 .提出了一种基于散焦图像计算景物距离的新方法 .该方法利用远心光学镜头拍摄景物图像 ,通过改变像检测器到镜头的距离获得同一景物的两幅散焦程度不同的图像 .将获得灰度图像转换成梯度图像 ,利用矩不变原理计算梯度图像中边缘区的大小与整个图像区域大小的比 Pe,根据两幅图像的 Pe 值计算出景物的深度 .实验结果表明了该方法的有效性 。

基于散焦图像特征的微装配机器人深度运动显微视觉伺服

为了描述微操作手深度运动,采用灰度方差聚焦评价算子计算机械手散焦图像特征.散焦特征曲线理论上为单峰分布,峰值点对应显微光学焦平面深度位置.实际提取的散焦特征含有大量随机噪声,利用非线性跟踪微分器抑制噪声实现对机械手散焦图像特征及其微分信号的无颤振光滑逼近.依据散焦微分信号设计粗—精两级自寻优视觉控制器,完成微操作手对装配平面深度的精确定位.微装配深度运动实验验证了本文方法的有效性,机械手深度伺服误差为7.5μm.

散焦和运动模糊复合模型及参数估计

为了解决散焦和运动模糊同时存在的图像复原问题,建立了一种散焦和运动模糊复合模型,提出了一种基于自相关的参数估计方法。在分析图像成像过程的基础上,对标准散焦模型和运动模糊模型进行卷积,估计复合模型的分布范围,根据光的散射特性和能量守恒调整复合模糊模型的幅度。对复合模型按两方向分别求导,根据导数矩阵自相关的曲线特性估计模糊参数。实验结果表明,参数估计方法具有较高的估计精度,解决了混叠现象造成的干扰问题,复合模型则能够取得较好的复原效果。

基于散焦图像深度测量的一种新方法

提出了基于散焦图像深度测量的一种新方法 .该方法采用一台带有远心镜头的 CCD摄像机 ,沿光轴方向移动摄像机拍摄两副图像 ,根据所拍摄目标图像的散焦半径与图像的大小计算目标景物距摄像机的距离 .采用远心光学镜头代替普通镜头可使图像的大小与散焦半径之间的关系简单 .该方法融合了图像的大小与散焦半径两种信息 ,使深度计算更加准确 .由于该方法只需要一台参数固定的 CCD摄像机 ,可以免除图像间的配准和特征点的选取 ,有利于实时系统的实现 .实验结果表明该方法的有效性 .

基于矩保持法的散焦图像深度估计

提出了一种基于散焦图像计算景物深度的新方法 .该方法不需要获得光学镜头的点传播函数 ,利用 Sobel算子 ,将同一场景的两幅散焦程度不同的灰度图像转换成梯度图像 .利用矩保持法计算边缘区的大小与整个图像区域大小的比 pe,根据两幅图像的 pe值计算出景物的深度 .

利用不均匀散焦模型获取景物深度信息

景物三维重建的关键之一是从景物图像中获得景物目标到摄像机的距离。研究了一种基于散焦图像的计算景物距离的算法。该方法基于不均匀散焦模型,并且只需两幅改变光圈指数得到的散焦程度不同的图像,因此可以避免图像的大小匹配问题。根据图像的点扩散函数的形式,可以通过优化的方法求得深度。模拟和真实实验表明了算法的有效性。

氧助散焦激光切割厚板的稳态工作条件

介绍了散焦法的原理和特点 ,分析了形成稳态切割的条件 ,并用有限元方法对切割温度场进行了数值模拟 ,在此基础上得出散焦光斑直径、切割速度、激光功率等参数对切割质量的影响规律 ,预测了 2 0mm板的切割速度范围。用散焦法进行了切割实验。结果表明 ,散焦法可以成功切割 12mm ,2 0mm厚钢板 ,同时也说明数值模拟预测结果与实验结果非常接近。

无线电窄波束在低电离层中的聚焦和散焦

推导了无线电窄波束在电离层中传输的非线性几何光学方程,分析了无线电窄波束在低电离层中传输的聚焦和散焦原理,推导出了散焦参数和聚焦参数的计算公式,研究了无线电窄波束在低电离层中传输的散焦现象,讨论了电波频率和功率对发散波束宽度的影响。计算结果表明:低电离层主要表现为一种散焦介质,使电波波束发散,当电波频率较低并且功率较大时,波束散焦现象非常明显,使到达目标点的功率密度大幅度降低,而当频率达到数GHz时,波束散焦现象很微弱。

基于多尺度生成对抗网络的运动散焦红外图像复原

红外热成像系统在夜间实施目标识别与检测优势明显,而移动平台上动态环境所导致的运动散焦模糊影响上述成像系统的应用。该文针对上述问题,基于生成对抗网络开展运动散焦后红外图像复原方法研究,采用生成对抗网络抑制红外图像的运动散焦模糊,提出一种针对红外图像的多尺度生成对抗网络(IMdeblurGAN)在高效抑制红外图像运动散焦模糊的同时保持红外图像细节对比度,提升移动平台上夜间目标的检测与识别能力。实验结果表明:该方法相对已有最优模糊图像复原方法,图像峰值信噪比(PSNR)提升5%,图像结构相似性(SSIMx)提升4%,目标识别YOLO置信度评分提升6%。

基于边缘模糊频谱特征的散焦参数估计方法

退化图像复原的关键在于点扩散函数(PSF)的准确估计,针对散焦模糊图像点扩散函数参数未知的情况,提出一种基于图像边缘模糊频谱特征的参数估计方法。首先分析基本边缘经模糊退化后的频谱特征,进而构建了自然图像的边缘模型作为参考图像,通过在连续的散焦值范围内计算与待测模糊图像频谱的最大相似性,以获取散焦参数估计值。实验结果表明,所提方法能够适用于大尺度模糊图像的参数估计问题,且具有较强的抗噪性能。

基于超像素分割的单幅散焦图像深度恢复方法

现有的单幅散焦图像深度恢复算法大多存在算法复杂,对图像边缘、复杂纹理及阴影区域恢复效果差等问题。提出一种基于超像素分割的单幅散焦图像的深度恢复方法。首先将原始图像分割成若干超像素模块,然后根据图像中边缘处像素的散焦模糊量求得各超像素模块的散焦模糊量,以获得超像素级别的稀疏深度图,再对所求出的稀疏深度图进行优化处理,最后恢复出真实准确的全景深度图。该算法不仅可以将误差降低到最小,而且可以简化边缘散焦模糊量向全局扩展的过程。在真实数据上的仿真实验表明,该方法不仅耗时短,而且可以有效改进边缘不明显、纹理复杂以及存在阴影区域的深度恢复效果。

一种新的基于散焦图像的深度恢复算法

由散焦图像求深度是计算机视觉中一个非常重要的课题。散焦图像中点的模糊程度随物体的深度而变化,因此可以利用散焦图像估计物体的深度信息,该方法不存在立体视觉和运动视觉中对应点的匹配问题,具有很好的应用前景。研究了一种基于散焦图像空间的深度估计算法:将散焦成像描述成热扩散过程,借助形变函数将两幅散焦图像扩张成一个散焦空间,再估计出形变参数,进而恢复物体的深度信息。最后利用实验验证了算法的有效性。