基于时序彩色原理提高LCoS显示分辨率的方法

文章设计了一种采用显示分辨率为QVGA的LCoS显示屏实现480×480分辨率显示的方法,采用的LCoS屏的像素排列为品字型阵列,每个有效像素由RGB三个像素单元组成,采用空间混色的方式,最大可实现320×240分辨率显示,设计依据时序彩色原理,采用分辨率提升的设计方法,由320×240分辨率提升到480×480分辨率,显示图像的分辨率提高了3倍,相对于空间混色方式,显示图像较之前更为细腻、显示亮度更高、颜色质量更好。     

基于深度学习的单像素相机超分辨率成像优化

基于压缩感知和单像素成像的基本原理,设计了一种用于图像超分辨率重建的新型深度卷积神经网络架构.这种单像素超分辨率成像算法成功地将深度学习图像超分辨率重建技术与压缩感知单像素成像技术相结合,从而发展出一种全新的深度学习单像素成像优化方法.与传统的常规压缩感知图像重构算法相比,该算法有效提升了图像超分辨率重建精度和单像素成像质量.通过图像重建的仿真实验和单像素相机的成像实验验证,结果表明这种基于深度学习的新型单像素相机成像方式具有良好的性能表现.     

分布式并行计算在超分辨率图像增强中的应用

主要介绍了分布式并行计算在超分辨率图像增强领域中的应用,超分辨率图像增强是指在不升级现有采集设备、不增加传输带宽的情况下,对现有1080P的视频内容通过软件方法提高图像分辨率,从而使图像达到4K的画面质量.由于超分辨率图像增强技术需要强大的计算能力支持,研究了分布式并行计算环境下的超分辨率图像增强系统的搭建以及性能对比测试,得出了分布式并行计算技术可以成百倍地提升超分辨率图像增强处理能力的结论,在实际应用中可大幅提升4K内容的生产能力.     

高透过率液晶显示拼接墙的设计与开发

为了实现高透过率液晶显示拼接墙,提高对外界光源的透过率,同时减少拼接缝隙,进行了透明液晶显示模组的设计和开发。为增加透过率,首先,在像素设计方面,优化走线设计提高开口率;其次,在彩膜特性方面,采用减薄色阻方法优化透过谱,搭配高透率偏光片;最后,在像素排布方面,选择了RGBW的像素设计,其中W像素数量占总像素数量的50%,实验得到透过率为19.4%,NTSC为30%的模组。为减少显示拼接墙的拼接缝隙,单个显示模组的栅极电路驱动,采用栅集成电路(GOA)设计,实现了2.5mm窄边框。由于透过率和窄边框的要求,模组需要实现RGBW和GOA的显示驱动,在FPGA上编写控制程序,进行驱动时序控制和算法处理,最终制作了16×2排布的高透过率液晶显示拼接墙。     

基于PCI总线的电子内窥镜CCD视频实时采集系统

系统采用了流行的 PCI局部总线接口 ,实现了电子内窥镜 CCD视频的实时采集。在硬件设计中采用 FPGA实现传输控制 ,完成了 CCD视频数据由采集卡进入 PCI总线这一路径 ;采用 AMCC S5 933实现了 PCI总线接口。软件方面设计了基于 DOS的 Windows98的 2套设备驱动程序 ,使用 S5 933的DMA模式完成了数据从 PCI总线到系统内存的传输 ,并应用 Direct Draw组件实现了视频数据的实时显示。图像采集频率可达 33MHz,显示图像的帧频可达 5 0 fps,分辨率可至 80 0× 6 0 0像素     

500万像素显示系统

日本电信电话公司开发了具有世界最高分辨率500万像素的超高清晰度图像显示新系统.该系统利用薄型显示器件,有望在要求高像质的文化遗产的电子资料或医疗图像的通信显示中进行应用实验. 新系统由500万像素的28型薄型显示器和个人计算机中的视频盘构成.     

低秩矩阵恢复下的自适应图像超分辨率重建

低分辨率自适应图像的像素密度过于稀疏,导致图像清晰度达不到超分辨标准。为此提出低秩矩阵恢复下的自适应图像超分辨率重建方法。构建低秩矩阵恢复模型,计算峰值信噪比参数,完成低秩矩阵恢复下的自适应图像降噪处理。在图像区域中提取自适应特征,根据超分辨率判别条件定义具体的重建函数表达式,完成低秩矩阵恢复下自适应图像超分辨率重建方法的设计。实验结果表明,该方法的应用可使图像有效去噪,信噪比高于31 dB,重建后图像分辨率均值达到100 PPI,实现了超分辨重建。     

基于WiFi无线传输的CMOS传感器图像采集系统

日常应用及工程测绘中经常需要扫描采集大幅平面图像,针对普通的图像扫描仪或者数码相机等图像采集设备很难满足要求或者无法实现的问题,系统地介绍了一种基于WiFi无线传输的平面图像数据采集技术,该系统主要由图像采集处理、WiFi传输、接收端图像拼接三部分构成,利用多种传感器的数据融合实现了上述功能,可以很好地解决大幅图像采集、拼接显示等问题.该系统构造简单,应用范围广,传输可靠,适合于需要进行无线图像采集的多种场合应用.     

单次曝光频域振幅编码压缩成像

超分辨率被认为是光学成像和图像处理的“圣杯”之一.有别于传统的多幅亚像素图像配准融合实现超分辨率的方法面临的配准误差以及高成本问题,得益于大多数图像普遍具有的稀疏表示特性,本文将压缩传感理论引入超分辨率成像,提出一种新的单次曝光频域振幅编码压缩成像方法.利用4-f傅里叶光学架构实现图像信息的频域0/1振幅随机调制,然后可以使用低分辨率CCD器件实现积分下采样记录对应的测量值,最后利用优化方法从少量的测量值中重建原高分辨率图像.模拟实验验证了本文提出的方法可以有效地实现二维图像信息的获取与重构.此外,本文的方法可以有效地处理大尺寸图像的压缩成像问题,具有重要的应用前景.     

快速图像超分辨率方法研究

针对现有的基于样本学习的图像超分辨率方法参数较多、运算速度较慢等问题,结合基于卷积神经网络的超分辨率方法,提出一种快速图像超分辨率方法。设计一学习网络,以低分辨率图像作为网络的输入,从根本上减少网络的运算负担,加速网络运算;减小卷积核尺寸使得网络训练参数减少,提高运算速度;最后以亚像素卷积层同时实现网络的映射和图像融合过程。将所提方法在通用测试集上进行测试,并与其他方法的测试结果进行了对比,所提方法生成的图像具有更高的峰值信噪比,且具有更好的主观视觉效果。实验结果表明所提方法不仅运算速度能够得到大幅提升,而且能够生成更高质量的超分辨率图像,具有更佳的超分辨率性能。