基于多曝光的焊接图像融合方法

在明弧焊接中,由于弧光的强烈干扰,常用的视觉系统难以获得清晰的图像,通过采集多曝光图像然后融合的方法可以解决这个问题。但是现有的多曝光图像融合方法没有针对焊接图像做相应的处理,致使图像中弧光干扰无法得到有效抑制。本文针对明弧焊接光强分布的特点,将图像划分为弧光区域和非弧光区域,使用图像熵评价和阈值处理的方法分别获得两个区域的权重图像,并使用高斯模糊权重图像的方法消除了加权融合时的拼接痕迹。非弧光区域的权重值是固定的从而无需重复计算,只需要对弧光区域进行高斯模糊,这样的处理方式能有效降低计算量。试验结果表明,该方法具有运算速度快的特点,能够获得细节丰富、视觉观感好的焊接融合图像。

特征匹配的激光医学图像重建研究

针对传统医学图像表面重建方法存在着重建时间较长,重建精度低等缺陷,提出了基于特征匹配的激光医学图像重建方法,首先采集激光医学图像,采用多尺度金字塔算法提取匹配特征,并采用欧式距离计算特征点相似度,然后运用信息矯的非线性压缩判定医学图像融合权重,引入双边滤波残差加强弱纹理的分配权重,通过调节该权重完成医学图像表面重建,最后仿真实验结果证明,该方法医学图像重建时间短,重建精度高,具有较高的实际应用价值。

尺度自适应在线鲁棒目标跟踪

针对在线boosting跟踪算法在目标外观发生大幅度变化以及遮挡时易产生漂移导致目标丢失问题进行了研究,提出一种尺度自适应在线鲁棒目标跟踪算法。算法基于目标灰度或彩色直方图统计特征构建权重图像,通过对权重图像的矩特征分析,可以实现对目标尺度的自适应调整;同时该算法引入半监督学习策略,很好地解决了由于在线学习导致的跟踪失败问题。实验结果表明,该算法很好地解决了遮挡、目标外观和尺度变化时的鲁棒跟踪问题。与EM-shift、MIL和SPT三种算法相比,跟踪成功率以及鲁棒性均有所提高。

针对动态目标的高动态范围图像融合算法研究

高动态范围成像技术能够全面有效地反映拍摄场景信息,有利于在复杂环境下获得更高的成像质量。目前基于多曝光图像序列的高动态范围图像融合算法需要高精度配准的输入图像序列,无法克服动态问题带来的影响,无法针对存在动态目标的多曝光图像序列进行高动态范围图像融合。基于此,提出了一种高动态范围图像融合算法。该算法利用基于色彩梯度的微分光流法获得由相机抖动以及场景目标运动导致的多曝光图像之间的动态目标偏移量;结合标定的逆相机响应函数构建高动态范围图像融合权重函数,对存在动态问题影响的多曝光图像进行高动态范围图像融合。实验结果表明,提出的算法无需提前对输入图像序列进行精确配准,能够有效克服动态问题影响,实现动态目标的高动态范围图像融合。