机器视觉检测系统中相机景深问题的研究与建模

机器视觉应用于工业检测时,传送带的振动会引起被测物采集图像的离焦模糊,导致特征信息丢失,引起检测的漏判误判。而根据光学系统的景深理论,检测系统满足一定参数条件时,物点在一定物空间范围内依然可以在理想像面成清晰像。本文对这一问题进行了研究,结合理想光学系统的成像模型、景深模型、以及视觉检测系统的相机参数等,对视觉检测系统中相机的景深问题进行了数学模型的建立,并通过实验验证了模型的有效性。模型的建立可为实际应用中调整振动现象对成像的影响提供依据。

大气散射模型的海上视频图像去雾技术

海面及天空区域对暗原色先验失效,通过控制参数在明亮区域求得透射率,从而改进了海上视频图像暗原色先验去雾算法,避免了图像的色彩失真。并且,根据海域旷阔的特点,推导了单目视觉的视频图像景深分布模型,结合大气散射模型,提出了基于单幅视频图像景深的图像去雾法。通过多个海上及陆上雾天场景降质视频图像的处理,其结果验证了算法的有效性。

Removing fog from traffic image sequence

Aiming at removing fog from traffic images, a distance field is built according to the characteristics of traffic images, and a novel parameter estimation method based on the traffic image sequence is proposed. The fog model is derived from atmospheric scattering models. The direction of the distance field is parallel to the center line of the road, which increases along a line from the observer to the horizon, and the normalization is carried out to improve the distribution of the distance field model. After parameter initialization, the variations of the average gray values of reference regions are taken as the determining conditions to adjust the parameters. Finally, restorations are made by the fog model. Experimental results show that the proposed method can effectively remove fog from traffic images.

应用于水下机器人的快速深海图像复原算法

由于海水吸收和水中悬浮颗粒散射,水下机器人通过人造光源获得的深海图像普遍存在模糊、色偏和清晰度低等问题。围绕深海图像快速精准复原所需解决的关键问题,首先建立真实深海图像数据集,分析深海图像的成像特点,基于图像特征的统计结果提出一种线性景深模型,然后通过有监督方法进行模型参数辨识,最后根据景深模型分别快速估计出原始图像的传输地图和背景光,进而有效避免累计误差,实现深海图像的有效复原。实验结果表明,所提算法在图像复原结果、有效性、质量和实时性指标上均优于同类算法,在Nvidia Jetson TX2嵌入式设备上处理600 pixel×800 pixel大小的图像,平均复原速度是4种优秀水下图像增强算法中最快的3.08倍。