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。

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。