面向大功率LED集成光源的反射器设计方法

分析了传统光学设计方法中将LED光源近似为理想点光源的设计方法的局限性,基于非成像光学中的边缘光线理论,提出了一种面向大功率LED集成光源的均匀照明反射器的光学设计方法,在集成光源与接收面上点的照度之间建立了一种能量对应关系,得到了可以在照明面上实现均匀照度分布的反射器光学模型,最后运用光学仿真软件进行了仿真,并与点光...     

一种基于单元筛选的CFAR检测方法

提出了一种基于对参考单元进行比较筛选的雷达恒虚警检测方法,并对其在不同背景条件下的检测性能进行了分析。结果表明,该方法可以在不降低均匀环境检测性能的条件下,明显改善CA和OS－CFAR的抗多目标干扰能力与在边缘杂波非均匀环境下的检测性能。     

基于非均匀圆偏振光照射的水下偏振图像处理方法

针对浑浊水下成像环境,提出了基于非均匀圆偏振光照射的浑浊水下偏振图像处理方法。首先对非均匀圆偏振光照明条件下目标成像和处理遇到的困难进行了分析,并对圆偏振光作为光源的特点进行阐述;其次设计成像环境对水下目标物的偏振图像和可见光图像进行采集。采用基于CLAHE和MSRCR的方法对可见光图像进行预处理,大幅度消除非均匀光照对图像清晰度的影响;依据水下成像的物理模型,考虑到水下目标物反射光的偏振特性,提出了一种基于偏振信息图像融合的图像去雾方法,实验证明该方法能够对偏振信息图像进行优势融合并增强其边缘轮廓;考虑到人眼视觉特性,将偏振信息融合图像与优化后的可见光图像进行融合,最终实现对水下模糊偏振图像的复原。结果表明,该方法实现了偏振图像边缘轮廓及纹理的增强,显著提高了水下图像的质量。     

用于红外双目视觉的边缘增强算法研究

红外图像的空间关联性强,并且存在一定的非均匀性,因此诸如Canny算子之类的传统边缘提取方法并不适用。本文讨论了像素级和亚像素级结合的边缘检测方法,首先采用脉冲耦合神经网络(pulse coupled neural network,PCNN)方法进行像素级边缘定位,再结合空间灰度矩的方法进行亚像素级边缘细分。该方法能够对高温构件的红外边缘进行快速检测,并能极大提高边缘的定位精度。     

一种基于非均匀马尔可夫随机场的图像分割方法

提出了一种新的基于非均匀马尔可夫随机场(MRF)的图像分割算法。基于非均匀马尔可夫随机场的图像分割的关键是对MRF中耦合系数的估计。本文结合四叉树分解提出了一种新的非均匀MRF的耦合系数估计方法。先对图像用传统的MRF分割方法进行预分割,再在预分割的基础上用边缘检测算子检验出预分割图像中的边缘,再利用图像的边缘信息对图像进行四叉树分解,把图像分成不同大小的子块。再根据每个子块的大小,估计出非均匀MRF的耦合系数。实验表明,将本文方法估计出来的耦合系数应用到分割算法中去,能明显改善图像分割的效果,而且具有更好的自适应性。     

非接触间隙检测

基于光的分振幅干涉原理,用激光做光源,自行设计了用于接触或接近式曝光工艺中掩模板与基片间的间隙均匀性检测装置,通过实际运用,达到理想效果。     

基于参数化对数图像处理模型的光照不均匀图像的边缘检测算法

由于低照度以及场景光不均匀的环境下图像的成像特点,普通的边缘检测方法无法有效检测出完整清晰的边缘图像.本文结合参数化对数图像处理(PLIP)模型对低亮度图像敏感、处理效果接近人眼视觉观察的结果等优点提出一种新的边缘检测算法.首先,利用PLIP模型理论推导出新的梯度算子,然后分析传统Canny算法检测边缘过程的不足并加以改进,并将推导出的新梯度代替了传统Canny算法中的梯度,运用Canny算子的三个最佳边缘检测标准提取图像的边缘.最后,通过对微光实验平台获取的低照度和场景光不均匀环境下的图像进行边缘检测对比验证.实验结果表明,新算法边缘检测的线型连接程度相较于传统Canny算法、Sobel算法和原对数图像处理模型(LIP)算法分别提升了约10％、30％和4％,其检测效果更佳.     

一种PCB表观检查机的无阴影高均匀照明方法

印刷电路板(PCB)表观检查机的检测算法,对亮度不均的阴影条纹的原始图像难以处理,最终影响PCB的检测性能。本文基于实验图像阴影条纹的形成机理,提出一种无阴影高均匀的PCB表观检查机照明方法。本方法采用4个荧光灯组成,其中两个光源与物面的镜面方向对称,用于高反射照明;另外两个光源用于漫反射照明。仿真和实验表明,本方法可以消除高反射曲面引起的图像阴影条纹,在PCB表观检查机系统中达到均匀照明效果且增强缺陷和背景的对比度。本方法也可应用于类似的高反射曲面的自动表观检查系统,如铝带缺陷检查,塑料薄膜缺陷检查等。     

基于卷积运算的纸币红外图像斑马线特征提取

提出利用卷积运算方法对纸币红外图像特征之——斑马线结构特征进行了提取,与数学形态学、canny边缘检测等特征提取结果进行了比较,并在MATLAB环境下编程实现。实验结果表明,在红外防伪点较难清晰成像的情况下,分析特征固有频率,设计了合适的卷积核,利用图像水平投影和信号卷积运算能够克服光源不均匀及纸币新旧不同带来的识别困难,将红外图像的弱目标特征提取出来,算法简单,应用性强,鉴伪效果好。     

改进的神经网络红外图像非均匀性校正方法

为解决传统基于神经网络的红外图像非均匀校正算法存在的目标模糊、拖影等问题,提出了一种增强型神经网络方法。该方法首先采用边缘保护滤波器得到期望值,以达到利用景像的边缘信息来指导校正系数更新的目的,在此基础上,通过自适应学习率以稳定和加速学习过程,实验结果表明,该方法解决了目标模糊和拖影问题,同时有效改善了非均匀性校正的效果和效率。     

多尺度的灰值形态学在图像边缘检测中的应用

传统的边缘检测算法存在检测边缘不连续、漏检、抗噪性能差等缺点。针对传统方法在边缘检测中遇到的问题,结合数学形态学的方法,介绍一种基于多尺度灰值形态学的边缘检测算子,该算子是在形态学梯度算子的基础上改进之后,结合多尺度的概念,将各种不同尺寸下的边缘图像结合起来,提取出比较理想的边缘图像。采用Visual C++编程实现算法,并与传统边缘检测算子进行比较。实验结果表明本文提到的算子检测边缘效果更好。     

非合作水雷目标图像非均匀强噪声去除方法

水雷目标探测会受到水下非均匀强噪声（有机质、悬浮颗粒等）的干扰,为了解决这一问题,提出了一种新的去噪方法。首先优化局部保边缘滤波算法,提出了基于边缘感知约束的局部保边缘滤波,在模型中引入了一个空间自适应的边缘感知约束正则化项,用来更好地表征图像的边缘及细节,使得算法的保边缘平滑特性更好。其次针对强噪声的非均匀特性,采用多尺度策略,迭代地将优化后的模型运用到每个尺度的去噪结果上生成多尺度分解,并在多尺度分解的过程中,逐步增加去噪尺度,将不同尺度的噪声逐步从上一尺度的去噪结果中分离出来。实验结果表明,相较于其他经典去噪方法,提出的算法能够在更好地去除水下非均匀强噪声的同时保留水雷目标信息,对实时水雷作业有着一定的指导意义。     

Digital image biological detection technology based on the porous silicon periodic crystals film

In order to solve this problem, a new biological detection method is proposed, which makes use of the characteristics of optical transmission at the edge of the spectral band gap and sensitive to refractive index variation. When the probe light with wavelength at the edge of the Bragg band gap of porous silicon is incident on the surface of porous silicon, the change of refractive index caused by deoxyribonucleic acid (DNA) reaction in porous silicon will affect the detection light intensity transmitted from the porous silicon sensor. By analyzing the change of the average gray value of the transmitted light image, the concentration of the DNA can be obtained.     

基于数字图像处理的棉花异纤检测研究

本文首先介绍通过Visual C＋＋实现对RAW格式的棉花图片的显示,然后再应用一种检测算法检测显示出的图片中的异纤点。该检测算法是采用基于选择式掩模平滑的边缘检测方法来识别原棉图像中存在的异性纤维,其中边缘检测算子为Sobel算子。     

基于改进高斯混合模型的红外人体目标检测方法

针对高斯混合模型在阴影不显著情况下,容易把随光线突变而变化的背景像素点当作前景目标从而造成目标误检的缺点,提出了一种基于改进的高斯混合模型的红外人体目标检测方法。该方法引入边缘检测信息增强红外人体目标检测效果。首先,该算法利用Canny边缘检测来提取人体目标的边缘信息。然后,以此对每个像素建立高斯混合模型来完成人体目标的检测。实验结果表明,该方法能够有效消除光照突变所产生的阴影影响,提高了检测的准确性。     

基于引导滤波的红外图像非均匀性校正

由于制作工艺的限制和器件材料的不均匀性,红外图像在一定程度上存在非均匀性,导致目标探测和识别能力下降,严重的情况下甚至无法探测目标,因此,红外图像必须经过校正才能发挥出红外探测器对温度的高灵敏度性能。基于神经网络的非均匀性校正技术是校正非均匀性的有效方法,但在去除非均匀性噪声的同时,会弱化图像信息边缘,导致图像模糊,甚至出现严重的鬼影。为了改善红外图像的非均匀性校正性能,以神经网络模型为架构基础,利用引导滤波算子作为期望真值模板,替代传统的神经网络模型中的均值滤波模板,同时增加鬼影抑制算法,在去除非均匀性噪声的同时,达到抑制鬼影、边缘保真的效果。实验结果表明,提出的非均匀性校正算法能够在保留图像细节特征、抑制鬼影的同时,很好地校正了红外图像的非均匀性。     

联合提升小波和形态学的医学图像边缘检测

医学图像现已成为临床诊断、病理分析及治疗的重要依据和手段,医学图像边缘检测的好坏,会直接影响到后续的治疗过程.分析了基于小波变换和数学形态学的边缘检测算法的不足,提出了一种联合提升小波和形态学的医学图像边缘检测算法.首先对原始图像做提升小波变换,然后采用多方位形态学算子检测边缘,最后进行提升小波反变换.实验结果表明该方法能在有效地去除噪声的同时准确地检测出肺部病灶图像的边缘,是一种有效的医学图像边缘检测方法.     

复数域非线性扩散滤波在图像处理中的应用

图像处理中去噪和边缘保持是一对矛盾体,去噪滤波经常会失去高频部分的信号,而边缘信息主要以高频信息为主.考虑了一种新的方法——复数域非线性扩散方法,该方法通过结合自由薛定谔方程将传统各向异性扩散方程拓展到复数域,复数域实部信号可以很好地滤波,将复数域扩散项虚部加入shock滤波器,该方法克服了传统的边缘检测方法边缘保持能力差的缺点.试验结果表明:该算法具有良好的抗噪性和边缘细节的保持性,边缘检测效果良好.     

一种基于加权递推滤波的门限优化检测方法

针对多种杂波以及非均匀噪声环境中的目标恒虚警检测,提出了基于加权递推滤波的门限优化检测方法。该算法对参考单元内的样本数据依权重加权递推出滤波门限,自适应地实现门限的动态调整,从而使优化的滤波门限适应环境噪声功率。在均匀杂波和杂波边缘背景下对该算法的检测效应进行仿真分析,仿真结果表明:在两种杂波背景下,相较于传统的检测算法,文中提出的方法具有更好的检测性能和虚警控制性能。