基于自适应多曝光融合的高动态范围表面测量方法

为解决结构光测量高动态范围表面物体时出现局部过度曝光或曝光不足的问题,提出一种改进的多曝光融合方法,利用自适应曝光代替手动曝光,并对图像融合过程进行优化。首先,将初始曝光时间下拍摄的图像利用直方图进行分析,将被测物体表面反射率不同的区域分为若干组,分别计算出每个组别的最佳曝光时间;在此基础上,拍摄不同组别对应最佳曝光时间下投射白光和条纹的图像,并去除图像中超过设定阈值的高灰度值区域,再将投射白光处理后的图像制作成掩模图,与相同曝光时间下投射条纹处理后的图像相乘,进而对多组相乘后的图像进行亮度压缩与融合;最后,通过CLAHE算法提高融合后所生成条纹图的对比度与清晰度,并对条纹解相后进行点云重建和尺寸测量。实验结果表明:文中方法中自适应曝光相较于手动曝光具有高效性和准确性,U型卡、连接块、圆盘三个高动态范围表面物体的点云重建率分别高达99.98%、99.74%、99.76%,测量出的标准块阶梯高度差绝对误差为0.062 mm,相对误差仅为0.69%,该方法有效解决了高动态范围表面物体测量时点云缺失的问题,提高了三维轮廓的测量精度。

高动态范围条纹结构光在机检测技术及应用进展

条纹结构光技术是近年来发展迅速的非接触式测量方法,为机械加工在机检测提供了新的解决方案。由于加工环境光线复杂且金属零件本身具有高反光的特性,造成结构光在机检测的精度降低。将高动态范围(High Dynamic Range,HDR)技术应用于结构光检测中,可抑制高反光的影响,实现金属零件在复杂场景的测量。本文首先介绍了结构光测量原理,总结出HDR结构光在机检测面临的难点;其次,对HDR结构光技术进行了全面综述,以机械加工在机检测为背景,对基于硬件设备的HDR技术和基于条纹算法的HDR技术分别进行了归纳分析;然后,根据在机检测的条件需求,对各类技术进行总结,并比较不同方法的优缺点和在机检测的适用性;最后,结合近年来先进制造技术和精密测量的研究热点,对潜在应用进行分析,提出技术展望。

面向高动态范围成像的内容恢复和鬼影抑制网络

基于多曝光融合的高动态范围(High Dynamic Range,HDR)成像旨在整合多幅低动态范围图像(Low Dynamic Range,LDR)的信息,以生成高质量的HDR图像.然而,抑制运动区域的鬼影信息和恢复过饱和区域的缺失信息仍是HDR成像面临的两大挑战.为了综合考虑对参考图像缺失内容的恢复和运动区域鬼影的抑制,文中提出面向HDR成像的内容恢复和鬼影抑制网络.在内容恢复方面,引入基于预测滤波的内容恢复块.由内容恢复块预测到的滤波核对参考图像特征进行滤波,整合参考图像和非参考图像中的关键信息,为有效进行缺失内容的重建提供更丰富的信息.为了抑制运动区域的鬼影信息并充分利用非参考图像中的互补信息,引入可变形卷积,将非参考图像特征与参考图像特征对齐.此外,为了提升网络的HDR图像重建能力,构建三支路图像重建模块,包括一条主支路和两条辅助支路,辅助支路协助主支路在HDR结果的生成过程中更好地保留细节.实验表明,文中网络在主观视觉和客观指标上均具有较优表现.

基于事件信息与深度学习的高动态范围三维重建

采用光学三维成像技术测量金属零件、黑色物体以及半透明物体等高动态范围(High dynamic range,HDR)表面的三维轮廓是一个极具挑战性的问题。目前,传统方法对存在较低反射以及半透明区域的场景进行重建还有一定的局限性,半透明物体的内部反射噪声很难消除。现有基于深度学习的方法通常使用相对较强的激光强度,这可能会损坏样品,同时会出现采集图像过曝现象,需要对激光强度进行繁琐的调整。针对这些问题,本文提出基于事件信息和深度学习算法的高动态场景三维测量方法。事件相机通过异步记录单个像素的亮度变化,无需等待全局曝光时间,具有高动态响应范围,能够充分采集到HDR场景的激光条纹反射信息。引入深度卷积神经网络(Deep convolutional neural network,DCNN)来消除半透明物体的内部噪声以及金属物体高反光的过曝影响,同时增强弱激光条纹图像质量。实验结果表明,本文方法能够应用低功率线激光扫描成功实现HDR场景的高质量三维重建。

一种高帧频大动态范围像素级数字化读出电路设计

与短波和中波器件相比,长波红外探测器具有较大的光电流和暗电流,故需要强大的电荷存储能力。而使用传统的模拟像元读出电路技术会严重受限于电荷存储能力,使得长波探测器的动态范围和信噪比难以提升,从而制约着长波红外成像系统的发展和应用。提出一种像素级数字读出电路技术,通过数字积分克服了传统模拟积分方案电荷存储能力受限的缺陷,实现了探测器的数字信号输出,能够极大提高探测器的动态范围、抗干扰能力和帧频。该技术是提升长波探测器性能的有效途径。基于该技术设计了一款像元间距为30 m的320×256数字读出电路,其输出以低压差分信号(Low Voltage Differential Signal,LVDS)方式传输。仿真结果显示,该电路的最高帧频可达1000 Hz,动态范围大于95 dB。

高动态范围的图像融合优化方法研究

本文针对高动态范围图像处理,提出了一种优化的基于图像分解的融合方法。采用小波分解和对数域变换,优化高动态范围(high dynamic range,HDR)图像的表示方式。引入小波系数的权重策略,通过对数域变换和小波系数加权,实现对图像融合过程的优化。通过Lytro多焦点图像数据集的验证,与传统方法相比,该方法在前景清晰背景模糊和前景模糊背景清晰等场景下表现更好。

一种新型高动态范围CMOS图像传感器结构设计

阐述一种新型的高动态范围CMOS图像传感器结构。在新型CMOS图像传感器中,像素包括两个具有不同感光灵敏度的光电二极管以及多个电荷-电压转换增益档位,列电路具有多个模拟电压增益档位。根据该结构和读出方法,对每个像素只进行一次信号电压的读取,可以显著缩短行读出时间,进而提高帧率。

基于高动态范围成像的极端亮度测量方法研究

为了解决光污染中存在的极端亮度对比问题,针对此类复杂照明光环境,提出了一种基于高动态范围成像技术的极端亮度测量方法。利用24色标准色卡和CS-2000分光辐射亮度计对D5300数码相机进行标定,获得了高动态范围亮度分布图像与CIE 1931-XYZ表色系统刺激值之间的拟合关系,实现了极端亮度对比环境中亮度分布的准确测量。通过在城市道路中实地测量,验证了基于高动态范围成像技术的极端亮度测量方法的亮度测量动态范围可达10^(4),其测量值与CS-2000分光辐射亮度计测得的标准亮度值的相对误差分别为-2.2%和-2.5%,表明该方法具有良好的适用性,可为道路照明质量的高效、高准确度测量提供计量保障,为有效防治光污染等复杂光环境问题提供了解决方案。

高动态范围(HDR)技术综述

高动态范围技术由于能够提供更多亮度和细节信息,近年来已逐渐成为国内外热点研究领域。文章主要从高动态范围成像、合成以及显示等方面论述、分析了高动态范围技术的研究现状,对主要研究算法总结并分析了其优缺点,分析了高动态范围技术的发展趋势,并给出了提高显示器动态范围的软件、硬件方案。

基于单色条纹投影的高动态范围物体表面形貌三维测量

条纹投影轮廓术以其高速、高精度的优点在机械零件自动在线检测、汽车制造、文化遗产保护等领域得到了广泛的应用。然而,传统的条纹投影采用单一曝光时间或单一投影强度来测量高动态范围的物体,在反射率较大的区域会发生过度曝光,超过相机传感器的最大亮度范围,导致无法获得真实的强度和准确的三维数据。为解决此问题,利用彩色相机对单色条纹投影的不同颜色通道响应,提出了一种基于单色条纹投影的高动态范围物体表面三维测量方法。该方法投影蓝色条纹图到被测物体表面,彩色相机从另一个视角采集彩色条纹图像。从采集的彩色条纹图像中分离蓝绿通道对应的两个条纹图像。从蓝绿通道条纹图像中选择不饱和且调制度最大的一组像素生成蓝绿通道的掩膜图像,利用蓝绿通道的掩膜图像和蓝绿通道条纹图像合成高动态图像。然后应用相位解算方法和系统标定,实现高动态范围物体表面形貌的三维测量。实验验证了该方法的有效性。所提方法一方面减少了投影图像的数量,避免了复杂的计算问题,提高了测量效率;另一方面,不需要额外的硬件设施。

高动态范围图像(HDRI)编码及色调映射技术研究

在分析和讨论了高动态范围图像的基本理论和获得技术的基础上,深入剖析和研究了高动态范围图像编码的几种技术方法和途径,并分析了各自的特点和应用。同时还讨论了高动态范围领域中的色调映射技术,特别针对高动态范围图像色调映射中的背景强度的计算方法进行了研究,最后还对高动态范围图像技术的应用领域和前景进行了展望和预测。

高动态范围(HDR)技术标准与我国的行标制定情况

高动态范围技术涉及电视节目的采集制作和播出分发等众多环节,技术路线的选择对庞大的终端消费电子市场影响巨大,高动态范围技术的标准化已成为业界热点。本文介绍了高动态范围技术国际标准化的现状以及我国广播电视行业标准的相关制定情况。

4K HDR高动态范围制作技术

近几年来随着影视行业4K超高清技术的推进,影像基础参数从五个维度全面提升,带动全行业硬件设备系统更新换代。在分辨率（2K→4K）、帧率（50i→50p）、色域（BT.709→BT.2020）、量化深度（8it→10bit）、动态范围（10档→14档光圈）五个维度的扩展中,高动态范围HDR技术在4K分辨率的基础上,大幅提升图像呈现度,2016年成为市场热点,从拍摄制作到显示传输广受关注,今年美国NAB大会,高动态范围功能在系统设备中得到广泛支持,HDR技术和工作流程走向实用。HDR与同期热点4KIP技术不同,它不关乎系统构架、工作方式、交互方式的改变,相对于标准动态范围SDR图像,是纯粹的画面品质的提升,HDR明亮艳丽颠覆以往的视觉体验,带来一眼望去就难以忘怀的惊艳感受。

HDR高动态范围影像的合成

HDR高动态范围影像需要合成处理。HDR高动态范围影像由至少两组不同曝光的画面构成。为了让这些不同曝光的画面显示在10bit、12bit甚至16bit的图像通道中,我们需要用特殊的叠加方式合成这些图像。另外,尤其在多机HDR方案中,多组动态影像的对齐也是不可或缺的核心技术(见图1)。

面向焊接场景的自适应权重高动态图像生成算法

为实现焊接过程实时监控,首先需要获取包含清晰焊缝信息的焊接过程图像。为了能够实时获取具有足够清晰度且包含充足的焊区信息的图像,提出了一种基于拉普拉斯金字塔多曝光融合的高动态图像生成的改进算法。以对比度、色彩饱和度和曝光良好度作为图像融合的3个指标,在图像金字塔上对不同尺度的图像信息进行分层融合,同时引入了强化学习对融合指标进行自适应调整,优化了图像融合权重的选取,并进行了实验验证。对经算法处理前后的焊接图像进行实验数据对比,结果显示,图像的信息熵、方差、平均梯度分别提高了59.7%、75.0%和83.1%,表明改进后的算法能得到的更清晰的焊接图像的纹理和细节,有效避免了弧光附近区域细节信息丢失的问题,更加有利于对焊接过程进行实时监控。

高动态范围（HDR）技术的基本概念之剖析

从颜色的定义入手,梳理和剖析HDR技术的基本概念及其主要内容,有助于目前消费者对HDR概念的深入理解和准确把握。

基于自适应查找表的高动态范围内容映射算法

高动态范围是媒体行业超高清标准体系的重要组成部分.随着标准的完善、政策的支持和消费市场的演进,高动态范围行业的矛盾转移到内容上,需要能将现有普通图像或视频上转换为高动态范围显示的算法,该过程称作逆色调映射,是非适定的底层视觉问题,故通常结合深度学习方法来解决.将深度学习与图像转换或映射的常用高效方法(自适应查找表)结合,提出面向用户终端的高效逆色调映射算子,并针对高动态范围容器更高量化位深的特性进行了优化.实验结果表明,该方法相比其他基于深度学习的逆色调映射算法在表现与计算开销上均有优势.

基于数字微镜的高动态范围成像方法研究

使用结构光三维测量技术对强反射表面进行测量时,其表面的镜面反射光往往会导致相机采集的图像中出现过曝光现象,将数字微镜添加至结构光测量系统中能够降低图像的灰度值。利用搭建的高动态范围测量系统先后完成了数字微镜与CCD相机的像元匹配、相机与投影仪的参数标定及相位计算,采用BP神经网络解算了系统中的坐标映射关系,映射精度为0.58像素。为实现高动态范围成像,基于PID控制器提出一种自适应掩膜生成方法,并对强反射表面进行了测量实验,结果表明该方法可以减弱曝光区域的光强,获得高动态图像。

高动态范围图像(HDRI)编码研究

在讨论了高动态范围图像的基本理论基础上,分析了高动态范围图像编码的三种技术方法及其特点,最后展望了高动态范围图像技术的应用领域和前景。

一种用于CMOS图像传感器的高动态范围Sigma-Delta调制器

介绍了一种采用Tower 180 nm CMOS工艺设计的高动态范围Sigma-Delta调制器,该调制器用于CMOS图像传感器的高动态范围读出电路。分析了调制器动态范围的主要影响因素,采用基于Cascode反相器的自调零积分器,得到较大的积分器输出摆幅和积分增益。为了降低功耗,加入动态偏置型比较器,使该调制器具有高动态范围和低功耗的优势。加入瞬态噪声的调制器后仿真结果表明,在等效带宽16 kHz内,1.8 V电源电压和4 MHz的采样时钟下,调制器的动态范围为103 dB,功耗仅为356μW。该调制器满足CMOS图像传感器的高动态范围要求。