快速鲁棒的基础矩阵估计

针对基础矩阵估计过程中因受野值影响导致估计精度下降和稳定性不高等问题,本文提出了一种新的快速鲁棒的基础矩阵估计方法。该方法首先将野值去除融入到计算基础矩阵的过程中,而不再将它作为一个独立的处理步骤。通过迭代将潜在的错误对应点剔除,从而实现基础矩阵的稳定估计。然后,在每次迭代过程中,采用对极几何误差准则来识别野值,同时获得基础矩阵的估计结果。该迭代过程收敛较快,即使存在大量匹配野值的情况下,计算值也会很快趋于稳定。仿真和实际实验结果一致表明:所提出的算法在保证类似估计精度的同时还在计算效率方面有极大地提升,相比较快的M估计法有30%以上的速度提升,而相比于估计精度较优的MAPSAC算法甚至达到4倍以上。     

基于局部极大值的红外弱小目标分割方法

在深入研究红外弱小目标的成像特性,并分析现有分割算法的基础之上,针对空中红外弱小目标提出一种基于局部极大值的红外弱小目标的分割方法.该方法利用红外弱小目标所在像素点与周围像素点的灰度值的梯度关系来搜索图像中的局部极大值,并通过多步长融合表决分割红外弱小目标.仿真实验证明了算法的有效性.     

单目三点位置测量精度分析

通过理论推导,对影响三点单目视觉位置姿态测量系统的6个因素(标志器与相机的相对距离,标志器尺寸,相机量化误差,相机内参数标定误差,特征点的中心提取精度,姿态解算算法精度)以及这些因素对系统精度的影响程度进行了分析,然后通过数值仿真和成像试验验证了理论推导的正确性。实验结果表明,对测量精度影响最大的因素是测量距离,像平面方向的测量误差与靶标和相机的相对距离成正比,光轴方向的测量误差与相对距离的平方成正比;图像中提取的特征点的位置误差是测量系统误差的主要来源,位置误差包括特征点提取误差和由于镜头畸变等引起的特征点成像位置偏移;长焦距和小像元有助于减小相机的量化误差;焦距的标定误差和靶标尺寸主要影响光轴方向的距离测量精度,对其余两个方向的精度影响不大;测量系统的解算算法不是引入误差的主要因素。     

基于V/F变换下的数字相敏检测监控光学膜厚

本文采用基于电压-频率变换(V/F)的数字相敏检测技术应用于光学监控信号检测,得到的被检测信号的幅度,即光学监控信号波形.而且针对光学监控系统中被检测信号特点,从理论分析角度说明了本方案抑制被检测信号低次谐波和白噪声的性能.仿真分析中针对加入了2,3,4次谐波和零均值随机白噪声,信噪比为20dB,频率为166Hz的被检测信号,利用本方案检测出光学监控信号反射率最大误差＜0.2%.分别利用本方案检测出的光学监控信号和理想监控信号读取反射率极值点对应薄膜厚度,对比可知采用本方案监控膜厚理论误差＜2nm.     

基于图像相似的薄膜激光损伤识别

薄膜在损伤前后的图像中各象素灰度级变化很大,通过判定激光辐照前后两幅图像的相似程度可以比较客观地判别薄膜的损伤情况.选用基于差异图像直方图的相似性测度来判定两幅图像的相似程度,进而达到识别损伤的目的.实验证明,该方法不仅能识别重度损伤,而且对显微镜不易观察的损伤也能做到准确地识别.耗时短、精度高,可以在损伤阈值测试实验中对薄膜损伤进行在线实时检测.     

基于DSP平台判定光学膜厚监控信号极值

针对光学监控系统（OMS）实际工作中面临监控信号含有噪声分量过大;极值点附近信号不够灵敏两大困难。本文采用基于遗忘因子的自适应卡尔曼滤波（AKF）对光学膜厚监控信号进行去噪处理;并采用基于电压补偿和设置差分微小阈值δ的极值点判定方法。最后通过DSP开发平台实现上述算法。实验结果表明AKF输出监控信号噪声被明显抑制;最终本文方案判定极值点平均膜厚监控相对误差仅为1.07%。结果     

基于RANSAC的SIFT匹配阈值自适应估计

针对基于欧氏距离比值作为图像尺度不变特征变换(SIFT)特征匹配相似性度量时,距离比阈值难以设置最优,且固定距离比阈值易引起误匹配或漏匹配等问题,引入随机抽样一致性(RANSAC)算法。该算法对SIFT匹配算法中的距离比阈值进行自适应优化,确定最佳的阈值,再利用双向匹配的方法剔除误匹配点。实验结果表明,针对不同的实验图像,所提算法都能自适应地求解出一个最优的比例阈值,使得匹配点数最多,同时具有较高的匹配正确率,经过双向匹配的策略优化后效果更好。     

基于DSP的千兆以太网接口设计

在高速信息处理系统中,DSP与其他模块间的通信能力已成为限制系统处理能力的瓶颈。千兆以太网技术具有传输速率高、距离远和成本低的优点,能够满足DSP高速远程数据传输的要求。以TI公司的TMS320C6455DSP芯片和VITESSE公司的VSC8201物理层芯片为例,从千兆以太网的接口电路设计,硬件接口驱动程序设计两个方面进行了研究,在TMS320C6455上实现了高速千兆以太网接口。实验结果显示,基于DSP的千兆以太网传输效率可达31%。     

基于自适应卡尔曼滤波的光学监控信号处理

针对光学监控系统(OM S)实际工作环境的复杂性,导致监控信号中存在不稳定量测噪声,采用基于遗忘因子的自适应卡尔曼滤波(AKF)对光学膜厚监控信号进行去噪处理。建立了针对非线性OM S的AKF模型,仿真分析中针对存在突变信噪比(SNR)的输入信号设置相应AKF初始参数使滤波性能达到最优。结果表明自AKF输出监控信号精度明显优于常规卡尔曼滤波;同时利用AKF输出监控信号判读反射率极值点对应膜厚,最终理论膜厚监控误差<2nm。