基于液晶自适应透镜的设计与制作

详细论述了液晶透镜的设计理论,并在前人已有的工作基础之上改进制作工艺,得到新型单圆孔电极的液晶透镜。与现在已有的单圆孔电极液晶透镜制作工艺相比,改进体现在:使用光刻和盐酸腐蚀的方法,刻蚀ITO基板得到了具有直径为2mm的圆孔图案的上电极;使用聚酰亚胺取代玻璃作为绝缘层。新型透镜的特性是,工作电压可以低至1.1Vrms,焦距范围为20~480mm,响应时间可达到亚毫秒量级,而在500~1100nm范围内透过率稳定在80%以上。通过实验进一步表明:该液晶透镜的点扩展函数(PSF)与理论值接近,且焦距与工作电压成反比例关系。     

用于自适应红外焦平面探测器的液晶微透镜阵列

主要讨论了面阵电控液晶微透镜在设计、制作和测试等方面的若干关键性问题,主要包括:(一)进行了液晶结构电极间的电场分布仿真;(二)通过标准微电子工艺制作了原理性器件;(三)采用高斯激光束照射液晶结构,在改变驱动电压的情形下获得了所需要的电控光学干涉性能.所制作的阵列液晶微透镜具有制作工艺简单、器件紧凑、灵巧、功耗低、操作方便、易于匹配耦合与集成等特点.分析了将所发展的液晶微透镜技术用于改善和增强红外焦平面探测结构的光电性能等方面的问题.     

红外焦平面非均匀性噪声的空间频率特性及空间自适应非均匀性校正方法改进

分析了红外焦平面阵列非均匀性噪声的空间频率特性,指出空间低频噪声为其中的主要成分．利用实际IRF—PA定标数据,也得出了相同结论．针对传统空域自适应校正方法去除低频空间噪声存在的不足,本文提出采用一点校正和空域自适应校正相结合的方法．实验结果表明,新方法在空间低频噪声占优时能获得好的校正效果．     

基于Zernike矩的三维目标多视点特性视图建模

目标的模型化是三维目标识别的一个重要环节。由于从多视点特征法建立的模型能够避免从二维图像中恢复目标的三维结构．在三维目标识别中应用比较广泛。使用镶嵌式多面体分割视觉空间以得到三维目标的多视点投影图像,采用较小的镶嵌单元尺寸以完备地描述目标各种姿态的信息。Zernike矩具有旋转不变性,并能够方便地由各阶矩重建图像。计算多面体各个单元的投影图像的Zernike矩．所需的矩的最高阶次由重建图像与原图像的差别确定,通过聚类方式合并那些图像的矩变化很小的投影对应的几个小单元．每个新单元可以提取一幅特性视图．实现较小数目的多视点特性视图的建模。实验证明了这种方法的可行性。     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

基于双重循环交替迭代的湍流退化图像复原

湍流退化图像复原是一个富有挑战性的世界性难题,在航天光电成像领域具有广泛的应用前景。为了从少数几帧湍流退化图像中将目标图像有效地恢复出来,提出一种新颖的基于双重循环交替迭代的湍流退化图像复原算法,建立了基于内外循环交替求解目标图像及各帧点扩展函数的迭代关系。在微机上进行了一些复原实验,实验结果表明该算法能用少数几帧图像获取目标图像和点扩展函数的最佳联合估计,证实了算法的可行性和实用价值。     

一种下一代激光雷达的设计与实现

研制了一种下一代小型化实时成像的激光雷达样机,这种新的激光雷达系统由激光二极管、准直镜、MEMS微扫描器、收集光学、带通滤波器、光电探测器和信号处理装置组成,其核心器件是基于MEMS的微扫描反射镜。详细分析了系统的结构和参数,结果表明:其距离分辨率为1cm,视场角为24°,谐振频率为1.5kHz。该下一代MEMS微扫描器激光雷达系统具有高精度、低成本、小体积和三维实时成像等优点。     

振镜二维扫描的图形畸变校正和曝光量补偿

主要讨论了物镜前振镜二维扫描光学系统中图形畸变的产生原因,分析比较了图形畸变与振镜布放、像面坐标系方位及fθ特性误差等的关系,并结合视场大小为75×75的实际物镜fθ特性误差的最小二乘拟合,给出了校正图形畸变的准确关系式.另外,在矢量扫描方式中光斑移动速度的非线性会导致扫描图形各部分曝光不均匀,文中也给出了对扫描图形曝光量加以补偿的方法和公式.     

景象匹配算法在数字信号处理器上的实时实现

在图像处理中,灰度相关匹配是一种应用广泛而有效的经典匹配定位算法,但样关匹配的计算量比较大,使得匹配速度很难满足实时的需要。文中给出了灰度相关匹配算法在数字信号处理器TMS320C6201上的一种快速实现方法。根据二维图像的存储特点,通过图像数据的展开优化了匹配计算的实现,在保证匹配精度的前提下减少了计算时间。     

基于奇异值分解的图像目标跟踪算法

传统相关跟踪方法是利用模板图像与目标图像对应像素的灰度差异信息进行跟踪,它对旋转变化敏感,且存在跟踪累积误差,容易导致模板漂移而丢失目标。文中提出基于奇异值分解的跟踪算法,算法首先建立模板图像训练集合,利用奇异值分解方法,张成模板图像特征空间,然后求出模板图像在特征空间里的投影值,代替传统算法中灰度对两幅待匹配图像进行的全局搜索定位。在进行投影值间的相似性度量时,欧氏距离同等对待所有的特征向量不移合理,文中采用了一种鲁棒估计方法,可以对不同距离的值做不同处理。匹配跟踪实验效果良好。