光谱法分析场频对重建精度的影响

数值模拟重建场,采用光谱法讨论了场的属性,尤其频率对重建精度的影响。用Gauss函数建立了双峰模型场,并对其进行了Fourier频谱分析。使用代数迭代法对模型场进行了重建,并对重建场进行了误差分析,结果发现重建场的峰分布、方向和形状都与原场相似,但峰高有所下降,边界出现波动。文章认为出现这种现象的主要原因是滤波造成的,并通过改变Gauss函数的收敛因子来改变场频,采用数值分析方法对这一观点进行论证,结果证明该观点是正确的。同时发现,边界对重建精度影响较大,边界为零的近似误差增大时,重建精度下降,甚至导致迭代不收敛。所以应用代数迭代重建场时,必须注意边界为零的条件。

提高近场声全息重建精度方法

在近场声全息中利用扫描法进行全息面测量时,全息面上的测点信号与参考信号会不可避免地受到一些噪声的影响,降低重建精度,影响重建的实现。在噪声与声源信号以及噪声相互之间非相关的假设下,首先引入两种传递函数估计方法求解全息面复声压,然后再进行近场声全息重建。仿真和实验结果表明,该方法可以有效抑制非相关噪声对全息面复声压计算的影响。近场声全息重建结果表明,该方法减少了测量噪声带来的误差,提高了扫描法近场声全息的重建精度。

利用控制点提高光度立体技术重建精度研究

基于光度立体技术的原理,使用物体表面方向梯度在局部范围内可以获得三维表面较高的精度,但由于重建过程中存在累积误差,在全局范围内存在偏移或扭曲。为此,提出了利用少量位置信息已知的控制点来校正误差以提高整体测量精度。由激光三角测量获取控制点的精确三维坐标,采用加权最小二乘法和改进的插补面法,得到了物体表面的三维形状。在合成球上的模拟结果表明,改进的插补面法可以更好地提高重建精度。

一种提升3维重建精度和效率的图像选择方法

大型场景3维重建常需融合各局部深度图,故局部3维数据精确度直接关系整个场景重建精确度,且计算量巨大。针对此问题,提出一种旨在提高3维计算效率和精度的图像选择方法。为提高计算效率,提出一种基于位运算的参考图像选择方法,选取可覆盖场景全部3维点的最小标定图像集子集作为参考图像集;根据影响重建精度的尺度评价因子、参考与邻近图像对应相机主光轴夹角及3维点与相机主光轴夹角建立邻近图像选择的评价函数;在邻近图像的具体选择上,先根据参考图像与邻近图像的覆盖率缩小搜索范围,再根据评价函数对剩余图像进行降序排序,并选择前3张图像作为该参考图像的邻近图像。有效的参考图像选择能够极大地减少大场景多视立体3维重建过程中深度图计算量,有效的邻近图像选择兼顾了重建结果的精度和完整度。将本文方法在两组具有真实3维点云数据的公开数据集和两组室外真实场景拍摄的数据集上与另外两种选图方法以及COLMAP方法进行了对比。实验结果表明:本文方法相比于另外两种选图算法时间节省53%~59%,完整性提高4%~6%,精度提高4%~7%;相比于先进的COLMAP算法时间节省16%以上,完整性提高3%,精度提高2.7%左右。实验结果证明了本文方法的有效性。

少量测点条件下提高结构法向振速重建精度和分辨率的方法

为了解决少量测点条件下利用近场声全息技术重建结构表面法向振速精度和分辨率不高甚至失效的问题,提出了一种基于声压声辐射模态的全息面插值算法,可有效提高结构法向振速重建精度和分辨率。计算全息面声压声辐射模态向量;根据声压声辐射模态收敛性,求取截断声压声辐射模态展开系数的最小二乘解或Tikhonov正则化解,由此计算出插值点处的声压值;利用插值后的全息面数据重建结构表面法向振速。简支平板激励仿真和音箱实验均表明,少量测点条件下利用该方法能够有效提高结构法向振速重建精度和分辨率,验证了方法的有效性。同时音箱实验验证了方法的可行性。

红外高温温度场中非完全温度点重建方法与预测精度的研究

在高温温度场重建过程中,仍然需要通过温度场的单点温度值来构建整个温度场的温度分布情况。以焊接温度场为例,通过反距离加权法、克里格法和样条函数法三种插值方法,分别对其空间变异和布局进行了分析和重建。结果表明:不同插值方法对预测精度影响不显著,而采样点数量则显著影响了温度场空间分布的重建精度。在温度场重建过程中,25个采样点进行重建是比较适宜的采样数量。将得出的结论与最佳采样公式进行比较,发现使用公式计算的最佳采样数量相对偏低,说明不考虑采样点实际的空间变异情况,仅使用最佳公式得到的采样数量进行温度场的重建会导致重建结果的不准确。

多准则优化图象重建方法的求解精度研究

本文通过实例 分析，对多准则优 化图象重建 方法（ Ｍ Ｏ Ａ） 的求 解精 度问 题作 了深 入地 研究， 根据其 线性加权和（ Ｌ Ｗ Ｓ） 求解 方法推导了重 建精度与所选择 的权系数 之间的 定量关 系，并 对目前 常用 的权系数确定方 法，作了分析和 评述， 阐述 了图 象先 验知 识对于 确定 最佳 的权 系数 和避 免不 适定 逆问题求解的多 义性所具有的 重要意义。实验结果表明 ，当权系数选择正 确时 ，多准 则优 化图 象重 建方 法的 重建 误差 因不 同的 重建 对象 而为常规单准则 优化方法的７ ％ ～８０ ％ 。然 而，其求解精度 对于权系数的选 择较为 敏感。因 此，具 有权系数自适应 调整机制的多 准则优 化图 象重 建方 法是 一个值 得继 续深 入研 究并 具有 较大 应用

图像线性化对光谱反射率重建精度的影响研究

研究了相机JPG数据线性化对基于加权多项式回归算法的光谱反射重建精度的影响,论证了是否需要在加权多项式回归算法中对JPG数据进行线性化处理。实验采用加权多项式回归算法重建反射率,以X-Rite Digital ColorChecker Semi Gloss(SG)色卡(包括140个色块和灰色色块)进行训练,GretagMacbeth ColorChecker色卡(包括24个色块和灰色色块)和自制的44个印刷样品及48个纺织品样品做测试。采用CIEDE2000色差和均方根误差将结果与真实数据进行对比,结果表明,在加权多项式回归算法中使用原始JPG数据的效果要优于使用线性化JPG数据。基于该研究结果,对JPG数据进行线性化处理并不能提高加权多项式回归算法重建反射率的重建精度。而不进行JPG数据线性化,同样可以得到较高的光谱重建精度。在三阶加权多项式回归算法中,使用原始JPG数据的重建效果最好。

轴对称结构表面声场的非共形重建精度分析

研究了以近场声压重建任意边界条件的轴对称振动体表面声场的一类逆问题．提出了解决该类问题的能克服奇异积分的基于正交函数展开（ＯＦＥ）与边界元积分（ＢＥＩ）相结合的数值重建算法．通过对结构在对称或非对称振动下的表面声场的非共形数值重建的精度分析，提供了一种关于轴对称体表面场重建的工程化方法，数值结果也表明了该方法的有效性．

光谱法分析迭代重建过程中的滤波

应用光谱法讨论了滤波器及其滤波方案对重建效果的影响。数值模拟重建场,应用光谱法分析了1/4,1/5,1/8均值滤波器,1/5中值滤波器,1/3行、列滤波器,在内嵌、外置等情况下对代数迭代重建的场滤波效果的影响。结果发现:用代数迭代法重建的场含有较大噪声,需要平滑处理;采用1/4,1/5或1/8均值滤波器仅对迭代结果滤波,会严重降低重建精度;采用1/4,1/8均值滤波器内嵌在迭代过程中按一定的迭代次数滤波,可以在一定程度上改善重建精度;采用1/5中值滤波器内嵌在迭代过程中比相应的均值滤波器重建效果更好;内嵌1/5中值滤波器和均值滤波器交替滤波,效果比单一的滤波器滤波更好。采用不同的滤波器和滤波方案对重建结果的影响差别较大。

简单自相关代数迭代重建算法

创建了简单自相关代数迭代重建算法(simple self-correlative algebraic reconstruction technique,SS-CART),分析了其重建效果。采用数值模拟的方法,对代数迭代法(algebraic reconstruction technique,ART)与SSCART两种算法进行了计算机模拟,分析了模拟效果和重建精度。结果发现,SSCART算法的重建精度均方误差(mean square error,MSE)指标在10-4数量级上比ART的降低了65%[(ART的MSE值-SSCART的MSE)/ART的MSE],峰值相对误差(peak error,PE)指标在10-2数量级上降低了99.9%。计算上仅仅比ART多1个除数因子,所以SSCART具有算法简单、易于实现、重建精度高、稳定性好等优点。就作者检索的文献看是目前最优秀的代数迭代法。

基于结构光和深度神经网络的3维面形重建

为了提高基于结构光法的3维重建精度,采用机器学习中的回归模型对物体进行了3维形貌测量,通过以单目式获取对象高度点不同方向的光强信息簇样本,将其作为回归模型的训练集,在训练好回归模型后,直接建立起条纹图案的光强信息分布与对象高度之间的映射函数关系,完成对目标的3维测量;将调制条纹光数值信息以特征形式导入回归模型,获得端到端高度信息,验证了机器学习的神经网络回归模型在3维面形重建上的可行性。结果表明,该模型即使在投影特征模糊或噪音较大的情况也能较精确地重建3维面形,平均重建误差为1.40×10^(-4)mm,优于一般面形重建方法的数据。该研究为物体在强干扰条件下的单目式高精度3维面形重建提供了参考,简化了繁琐的计算过程和测量过程,提高了测量精度。

光度立体技术的物体三维表面重建算法模拟与评价

为了提高基于光度立体法的物体三维表面重建精度,研究了几种常用三维表面重建算法的适用范围。介绍了几种常用重建算法(变分法、金字塔法、代数法)的基本原理及求解方法,指出了表面方向梯度的求解准确度是三维表面重建过程中的难点。在此基础上建立了朗伯半球体模型和实际拍摄的玻璃灯罩,从重建速度、重建精度等方面对几种算法进行了比较和评价。最后通过实验模拟和算法性能评价,表明了常用算法的重建精确度有限,并且对三维重建今后的研究进行了展望。

多视重建的研究现状

对目前的多视重建技术进行了综述.先介绍了多视重建的分类和评价方法,然后分析了光照一致性约束和可见性约束,再分别讨论了几个有代表性的算法,如深度图方法、空间雕刻法、变形模型方法、目标函数求解法(包括水平集法、图割法)、种子生长法、概率估算法(马尔可夫场方法、EM方法)等等,再探讨了这些算法的不足之处.最后,提出了融合多种方法、多种线索的3维重建新思路,以提高多视重建的完整性和精度.

基于3DSOM的植株三维重建方法研究

三维重建技术在智慧农业研究领域有着广阔的应用前景。本研究以抽穗期小麦和树木枝干为研究对象,在搭建了植株序列图像获取平台的基础上,探究了3DSOM软件在不同数量序列图像下的植株三维重建效率和精度。对于小麦植株,分别对比了32、48、64幅序列图像下重建模型的效果和精度;试验表明:3DSOM对于小麦的重建效果一般。对于树木枝干,分别对比了40、60、80幅序列图像下的重建模型,试验表明重建效果较好。为了验证3DSOM软件对植株的重建精度,对小麦3个截段的测量进行了对比。对比结果表明:其重建误差不高于3.18%,最低为0.39%,平均精度为2.16%。对枝干的8个截段的测量对比结果表明:其重建误差不高于2.66%,最低为0.4 3%,平均精度为1.4 0%。因此,将3DSOM应用于植株的三维重建可以取得高精度的效果。

光谱重建训练样本选择方法研究

目的研究光谱重建训练样本选择方法及训练样本集样本数量对光谱重建精度的影响。方法以光谱反射率已知的1687个矿物颜料样本为研究对象,搭建真实六通道宽带光谱成像系统并进行标定,利用宽带光谱成像系统对样本进行六通道数字响应值采集并进行校正,通过R-matrix光谱重建方法,对现有以及文中引入和提出的训练样本选择方法的光谱重建精度和计算效率进行比较。结果实验结果表明,分区最大化色域边界描述方法可以较好地应用于光谱成像过程中训练样本选择,其在保证光谱重建精度的同时大大提高了训练样本选择的效率,实验证明文中提出的基于色域最大化思想的训练样本方法,在面向复制的光谱成像流程中也具有一定的实用性。结论研究结果对于光谱成像过程中训练样本选择方法的选择具有一定指导作用。

关于包络法重建图象的探讨

探测异常体是医疗诊断、工业检测等领域关心的问题.与一般包络重建法不同,我们建议的包络重建法不仅能探测异常体是否存在,确定异常体的位置、形态,而且能估算异常体的某种物性参数.数值模拟表明,新算法是有效的.

板状构件X射线层析截面重建方法与实验

为了实现对板状构件的截面重建与缺陷检测,建立了X射线层析截面重建系统。对该系统的成像方法、重建精度、层析截面重建算法等进行研究。首先,提出并论述了采用特殊的成像方式获取X射线透视图像实现分层摄影功能的方法和层析截面重建原理。接着,对上述成像系统进行重建精度分析和运动系统校准。然后,根据上述成像方法获取已知形状检测工件的透视图像,并根据校准结果进行修正,对获取的图像按层析截面重建方法进行重建实验。最后,根据实验重建结果,进行仿真实验并优化重建参数。实验结果表明:探测器旋转步进角为0.5°时,重建图像伪影减小,使用S-L滤波器后,轮廓边缘更为清晰。该层析截面重建方法能有效重建X射线最大入射角内的信息,增大入射角并适当调整检测物角度,可获得清晰的截面图像。

低信噪比环境下声场重建的正则化方法改进

针对低信噪比环境下,采用Helmholtz方程最小二乘法(HELS)的近场声全息技术重建多源相干声场精度不高的问题,本文建立了基于固定参数法的正则化参数选取表达式,通过小全息孔径测量声压计算基函数的配置系数,实现全息声压近场外推,在不同信噪比环境下对多源相干声场完成了重建。本文针对双声源辐射声场,结合数据外推技术扩展全息面数据进行声场重建,仿真和实验结果表明:基于固定参数法的正则化参数选取方法能获得更精确的重建结果;特别是在低信噪比环境下,能有效降低传递矩阵条件数,提高声场重建的稳定性,具有较强的噪声抑制能力。

光谱法分析代数迭代重建算法及改进

采用光谱分析技术,系列研究了已有代数迭代重建算法,并进一步研制了改进算法—简单自相关代数迭代重建算法(SSART)。采用数值模拟的方法模拟重建一个含遮挡物场,研究了SSART模拟效果和重建精度。作为对照,分析了已有的传统代数迭代算法同条件下的重建结果,包括基本代数迭代重建算法(ART)、联合代数迭代重建法(SART)和改进的联合代数迭代重建法(MSART)。重建精度用均方误差(MSE),绝对平均误差(AVE)和峰值相对误差(PE)三种误差指数标定。结果发现,SSART重建结果的三种误差指数都明显减小,其中MSE在10-4数量级上比ART的降低了26.6%,PE在10-2数量级降低了77.6%。因此,SSART重建含遮挡物模型场时,重建精度大幅度提高,重建效果明显改善,对传统代数迭代重建算法显著改进。