红外气动退化图像复原校正的复合算法研究

鉴于气动效应图像退化因素的复杂性和随机性,单一复原算法难以满足要求,提出构造复合算法来提高湍流退化图像复原质量的思路,综合各种基于不同理论模型和应用对象的实用算法,实现优势互补。给出了现有算法结合的主要途径,主要探讨了基于统计理论的MAP复原算法与基于正则化理论的总变分算法复合后各算法结构的自适应调整和改造以及各种参数的自适应性选择问题。充分利用各算法的优势,完成基于算法结构相对稳定的智能化组合。在微机上进行了一系列的复原对比实验。实验结果表明:复合算法提高了图像的总体复原质量。

红外探测湍流退化图像并行复原方法研究

湍流退化图像的恢复面临着计算量大、耗时长等问题,为提高算法的有效性、适应性和快速性,主要对红外探测湍流退化图像复原算法的并行处理进行了研究,提出了基于机群计算的并行处理方法。采用并行编程技术,建立基于微机多节点计算的并行机群系统,充分利用各节点的计算资源,提高并行速度,优化并行效率。实验结果表明,所提出的基于机群计算的并行方法十分有效,提高了湍流退化图像复原处理的计算效率。

基于图像自标定的3D打印模型高效生成方法

为了克服三维重建高度依赖标定板,满足3D打印模型的工业需求,提出基于图像自标定的高效3D打印模型生成方法,无需借助标定板计算相机参数,直接使用单相机采集序列图像进行三维重建。为了克服基于自标定方法易受图像质量和特征点匹配精确度的影响,根据人机交互与自适应分割算法相结合的方法去除原始图像背景及过滤噪声,使图像感兴趣区域特征更为明显,采用快速稳定特征算法提取序列图像中特征点并根据特征点的匹配度进行精确的特征点匹配,再使用匹配信息自标定求解得到相机模型参数,最后根据相机模型以及特征点信息完成三维目标的稠密重建。实验结果表明,自标定及重建方法对大小各异,表面材质不同的目标均可实现重建。

湍流退化图像并行校正方法

文章对湍流退化图像的双重循环迭代图像复原算法的计算流程进行了分析,将算法的串行计算模式转换为并行模式,提出了基于并行模式的多结点并行处理方法。成功地实现算法的并行计算模式到多结点结构的有效映射,对算法的程序代码进行了有效移植,在多结点系统上运行通过。实验结果表明,不仅提出的并行校正方法有效,而且提高了图像复原处理帧频数。

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.

基于加权融合纹理的路面裂缝检测

基于规则纹理的路面裂缝检测算法由于其自身存在的弱规则性、抗噪性差和稳定性差等问题,不能有效地检测出路面裂缝。为了解决此类问题,提出了一种基于加权融合纹理的路面裂缝检测算法。该方法采用单向多级中值滤波器滤除噪声,同时有效地保留裂缝边缘细节信息;然后融合局部二元模式特征、相对标准差和对比度三种纹理特征提取路面裂缝。实验结果表明,该算法抗噪性好,能快速有效地检测出路面裂缝。

基于多视点同步成像的三维重建方法

在工业产品质量检测过程中,如何精确地重建出产品的三维表面是一个关键性问题。为了解决这一问题,论文提出一种基于多目立体视觉同步成像的三维重建方法,设计了一套由八个工业相机构成的三维重建方法。相比单相机拍摄,该方法可以将多个相机的曝光时间控制在有效的范围,做到同步多视点拍摄目标,可以得到更加精确的相机参数。实验表明该文方法可以有效的重建三维物体。

垂直运动永磁同步直线电机初始寻相优化方法

由于电机动子及其加载平台重量等因素,垂直运动的直线电机寻相电机阻力巨大,一般的初始寻相方法难以实现垂直安装的直线电机的正确寻相,电机后续动作无法正确完成。针对这一问题,提出一种基于垂直运动的永磁同步直线电机初始寻相优化方法,首先推导出永磁同步直线电机的电磁推力与电机绕组的交轴电流之间关系,平滑增大电流,使电机往复运动寻找相位,再根据光栅尺反馈的位置信息来间接计算电机的电角度,完成电机的初始寻相。本方法可完全克服摩擦阻力使电机运转,不因电流过大导致电机剧烈抖动。实验表明本文方法对直线电机有着良好的控制作用,能有效的让竖立安装的直线电机克服负载重力和摩擦阻力完成寻相正常运转。

基于ARM平台的多视点图像去模糊方法

针对现有图像去模糊算法过于依赖PC平台,应用领域受到极大限制,且存在快速性、实用性难以保证等问题,提出了基于ARM Cortex-A9多核平台的多视点图像去模糊算法移植与优化方法,实现了ARM多核平台的多视点图像去模糊。该方法针对算法中的耗时模块,结合NEON指令优化和OpenMP多核优化两种并行优化策略,最大程度地减少算法耗时。实验结果表明,在ARM多核平台上,优化后的图像去模糊算法满足快速性要求,且对模糊图像的去模糊效果良好,具备实际应用价值。