基于分形小波变换的MEMS动态模糊图像亚像素检测技术

基于机器微视觉的微机电系统（MEMS）动态测试系统,提出了一种分形小波变换亚像素检测技术提取MEMS运动轨迹算法.该算法结合电耦合器件（CCD）成像机理,利用图像的分形参数进行随机分形插值对图像边缘进行重建,通过小波变换实现重建后图像亚像素精度的边缘检测.在连续光照明条件下,对MEMS平面微运动模糊图像进行检测处理,提取和分析了MEMS运动轨迹.将该方法和在频闪条件下测得的MEMS器件的平面微运动幅值的结果进行了比对分析和讨论.由实验结果可以看出,本方法有较高的测量精度,其测量绝对误差小于0.02像素.     

基于图像森林变换的灰度目标周长估算

数字图像中目标对象的周长是一个十分重要的目标形态特征,二维图像中的目标周长估算在图像特征提取、目标识别等方面具有十分重要的作用。目前已有的估算方法对二维灰度图像目标边界模糊和图像含噪声估算精确度不高,针对这一现状,结合图像森林变换（IFT）,提出基于IFT的改进的目标周长估算方法。利用IFT方法优化图像目标厚度边界信息来估算灰度图像的边界周长,从而提高周长估计的精确性和鲁棒性。为了获得图像目标的标准周长,实验采用人工合成的图像。对具有不同边界厚度的目标、含噪的图像的目标进行周长估算实验。提出的改进算法在图像目标边界模糊和含噪声情况下所得的结果均具有较高的精确度。提出的改进的灰度周长估算方法,在模糊图像与含噪图像的处理中具有更好的适应性和稳定性。     

基于路径提取的旋转模糊图像复原算法

安装在旋转平台上的成像传感器随着平台的高速旋转,其所成图像将产生严重的旋转模糊。针对旋转模糊图像模糊长度径向可变的特点,提出了一种基于路径提取的旋转模糊图像复原算法。主要是通过径向提取图像的模糊路径,求得各个路径上的模糊长度,将二维旋转模糊图像复原问题转化为一维的线性信号复原。仿真实验结果表明,相较于对数极坐标、最小二乘法复原算法,所用算法计算量小,复原效果明显。     

运动模糊图像的PSF参数辨识

物体和成像系统之间的相对运动使图像产生运动模糊是最常见的图像降质原因之一,因此运动模糊参数的精确估计（模糊角度和模糊尺度）直接影响图像的去模糊效果。结合运动模糊图像的产生过程,利用Radon变换得到模糊角度,对图像倒频谱作进一步分析得到运动模糊尺度。实验结果表明,该算法简单有效,得到的运动模糊参数是比较准确的。     

在After Effects视频合成中提高动画质量效果解析

为了提高动态合成效果中的质量 ,以合成软件 After Effects为例 ,分析并阐述了合成中影响设置动态效果质量的因素及其基本的处理方法。实践证明 ,只要灵活应用 After Effects提供的各种工具 ,就能获得最大程度的质量保障。     

基于能量估计的局部运动模糊检测

为了解决日常拍摄的图像或视频中普遍存在局部运动模糊导致信息丢失的问题,提出一种基于能量估计的局部运动模糊检测算法。该算法首先计算图像的Harris特征点,根据每个区域内的特征点分布筛选出备选区域;然后根据近单色区域梯度分布平滑的特点,通过计算备选区域的梯度分布并参照平均幅值阈值过滤掉大部分容易被误判的部分;最后根据运动模糊对图像能量衰减的特征对备选区域进行模糊方向估计,并计算模糊方向和与其垂直方向的能量,根据两个方向上能量的比值进一步去掉单色区域和散焦模糊区域。在图像库上的实验结果表明,所提算法能较好从存在近单色区域和散焦区域干扰的图像中检测出运动模糊区域,有效提高局部运动模糊检测的鲁棒性以及适应性。     

倒谱和快速全变差去卷积的运动模糊图像复原

物体和成像系统之间的相对运动导致图像产生运动模糊,降低了图像质量,为了获得更加理想的复原图像,提出一种基于倒谱和快速全变差去卷积相结合的运动模糊图像复原算法。利用倒谱法对运动模糊图像的点扩散函数参数（模糊角度和模糊尺度）进行辩识,采用快速全变差去卷积法对模糊图像进行复原,采用多幅图像进行仿真实验测试算法的性能。仿真结果表明,相对于经典图像复原算法,该算法复原图像的主观视觉效果以及客观评价指标均更优,具有一定的实际利用价值。     

基于模板匹配法的散焦图像模糊度估计

提出一种新的散焦图像模糊度估计方法。由图像中的阶跃型边缘提取线扩展函数。根据匹配滤波可实现最优信噪比信号检测的思想,引入模板匹配的方法计算线扩展函数的标准差。由点扩展函数的圆周对称性从线扩展函数的标准差得到高斯型点扩展函数的标准差。实验结果表明,该方法能够准确地估计散焦模糊图像点扩展函数的标准差。将点扩展函数的标准差作为一种评价图像模糊度的测度。实验表明该测度符合人眼的视觉特性,可以很好地判定散焦模糊图像的模糊度。     

图像复原技术的研究

针对原有Lucy-Richardson算法极易引起噪声放大、边缘环现象明显等缺点,提出了改进的Lucy-Richardson图像盲复原算法。仿真结果表明,该算法在噪声抑制、稳定性、细节保存以及视觉效果方面都优于原有Lucy-Richardson算法,并且有广泛的应用领域。     

Multi-Scale Blur Estimation and Edge Type Classification for Scene Analysis

Signatures, in this work, are multi-scale representations of local gray-level information, tied to places in gray scale images where regional differences are locally maximal. The information may involve the regional differences themselves (called Gaussian differences or signed normalized gradient magnitudes, (Korn, 1988)), or, distance relations between edges (apparent width measurements), or, absence of edges in pulse edge pairs, at coarser scales. Using signatures involves the classical problem mentioned by Marr and others of relating information across scales. A novel result is that a fruitful way of doing this is to build scale paths from coarse-to-fine exploiting edge focusing and associate with pixel positions, along these paths, the three quantities Gaussian differences, apparent width and the binary information absence/presence of edges (in edge-pairs). Such a structure, if used together with proper conditional tests, serves the purpose of classifying edges with respect to profile-type, and can also be used for measuring global contrast, degree of diffuseness, deblurred line width, and qualitative labels such as diffuse versus sharp. The structure is used simultaneously for labelling tasks and quantitative measurements. Theory on apparent widths, absence/presence of edges in pulse edge pairs is developed. For measuring diffuseness and global contrast from Gaussian difference signatures a linear least squares approach is suggested. Extensive experimental results are presented. Possible applications are in image segementation, junction analysis, and depth-from-defocus. For the purpose of distinguishing between objects and illumination phenomena, such as diffuse shadow edges, classification of contours with respect to diffuseness seems useful.