基于Harris-SIFT算法和全卷积深度预测的显微镜成像的三维重建研究

针对珠宝、矿物和金属样本等立体标本在显微镜局部放大观测时存在弱纹理、反光等问题,本文提出了一种适用于显微镜应用场景下基于特征提取的多视图立体三维重建算法。将显微镜镜头角度固定,通过移动载物台对立体标本进行多角度成像获得图像序列。通过将Harris与SIFT算法的优势相结合将原本SFM方法重建中的SIFT算法改进为Harris-SIFT算法进行特征提取与匹配,提升了对显微图像在弱纹理区域特征信息提取的性能。通过使用与深度残差网络相结合的全卷积神经网络对输入的图像进行深度估计和预测,将预测的深度信息通过阈值法与MVS深度图相融合,对MVS深度图进行修正,重建出物体的稠密点云,提升了重建结构完整性并提取到更多的点云数目。在基恩仕VHX-6000数码显微系统进行实验表明,本算法比原始MVS重建算法重建的点云模型点云数目多31.25%,整体重建时间节省了21.16%。     

基于深度学习的单视图重建参数化CAD模型方法

基于图像的三维重建是逆向工程的一个重要研究领域。现有的基于图像的三维重建方法的重建结果基本为点云、体素和网格。该文基于深度学习提出一种单视图重建三维参数化模型的方法。该方法分为2个阶段：第1阶段将RGB图像输入BSP-Net神经网络模型将图像中的物体重建成点云;第2阶段使用Point Net++和DeepCAD神经网络模型实现点云到参数化模型的重建,其中PointNet++提取点云形状特征并编码成形状特征向量,随后将该向量通过DeepCAD解码成CAD命令序列。最后使用PythonOCC库将CAD命令序列转换成参数化模型。实验结果表明,该方法能够实现图像到参数化模型的快速重建,并且鲁棒性较好。对点云重建参数化模型的神经网络模型性能研究,确定该模型的最佳参数组合。此外,在公开的CAD数据集上实验结果表明,第2阶段的神经网络模型能够准确的重建三维参数化模型。     

基于阵列图像的自适应光场三维重建算法研究

针对现有光场图像获取困难,深度重建过程中遮挡以及亮度变化较大区域匹配效果差、稳健性低等问题,提出了基于单反相机的光场图像获取方法以及EPI自适应三维重建算法。在图像预处理阶段,该算法利用双边滤波器对EPI进行去噪,并通过交叉检测模型求得边缘区域。在边缘深度求解以及深度扩散阶段,算法在先验似然策略的基础上,提出EPI自适应框架,通过最大类间方差(OSTU)准则自动设定阈值,舍弃类外点,使距离度量只发生在类内点之间,因此极大地消除了遮挡以及光照变化的影响,提高了边缘深度和内部深度估计的准确性和稳健性。实验结果表明,所提出的系统可以方便地获取阵列图像,成本低、操作方便,且提出的算法能较好地估计场景的深度信息,并实现场景的三维重建,比以往算法在精度上有较大提高。     

基于RGBD与MVS三维重建技术的3D打印机逆反馈系统

3D打印技术是利用计算机对目标产品进行设计,并将设计模型转变成实物。然而,在打印过程中,由于多方面原因,常常产生加工误差。基于RGBD与MVS三维重建技术的3D打印机逆反馈系统依靠RGBD深度摄像头以及携带旋转升降机构的3D打印机对在打印零件实现全方位的扫描。采用RGBD与MVS算法进行2次三维重建,将三维重建后的扫描模型与含支撑材料的设计模型进行对比,以实现对在打印零件的加工误差检测,提高3D打印工作的工作效率和可靠性。     

人工关节磨屑的显微单视图深度估计方法研究

传统单视图三维重建方法不能满足人工关节磨屑三维信息提取要求,为提高重建精度,提出一种基于SA-UNet网络的人工关节磨屑显微单视图深度估计方法,实现从单一视图下磨屑三维信息的快速获取。该方法首先构建一个融合自注意力机制的U-Net深度估计网络,然后使用光学显微镜和激光共聚焦显微镜分别收集磨屑的二维图像和深度图,再通过图像语义分割提取目标磨屑区域,消除图像背景的干扰,最后利用透视变换使二维图像和深度图相对应,获得训练样本。采用该方法对TC4材料磨屑显微单视图进行深度估计,以激光共聚焦显微镜的三维信息作为参考。结果表明,该方法预测深度的平均相对误差为7.35%,均方根相对误差为3.93,效果优于U-Net、BTS和ACAN。     

最大类间方差法改进的ECT正则化图像重建算法

电容层析成像作为油气润滑气液两相流参数检测的主流方法之一,其成像系统具有高度不适定性。研究旨在优化能满足油气润滑系统精确度和实时性要求的电容层析成像图像重建算法,以擅长处理不适定问题的Tikhonov标准正则化算法作为电容层析成像图像重建系统的基础算法,并采用最大类间方差法自适应获得的最优阈值对Tikhonov标准正则化重建的图像进行图像分割,达到修正标准正则化算法过度光滑缺点的目的。结果显示,改进后的算法图像误差减小,图像相关系数增大,表明图像精确度明显提升。     

改进正则化半阈值算法的 ECT 图像重建

针对电容层析成像技术应用于工业多相流管道检测时,图像重建中存在的不适定性、病态性问题,提出一种改进正则化半阈值算法。以L1/2范数为惩戒函数,改进求解L1/2范数所用的半阈值迭代算法中的阈值算子,并以加入加速项的Landweber算法解向量为修正向量,引入改进半阈值正则化模型,优化加速Landweber算法。实验的结果表明,改进正则化半阈值算法在重建图像中相关系数平均达0.91,图像误差平均降至0.21,成像速度保持0.04 s。复杂流型辨识中,改进算法比Landweber迭代算法相关系数提高21.67%,相对误差降低37.01%;比Tikhonov正则化算法相关系数提高22.61%,相对误差降低37.08%;比半阈值算法相关系数和误差分别提高14.85%和降低28.26%。结果表明改进正则化半阈值算法对ECT研究有较好应用前景。     

双足机器人步态控制的深度强化学习方法

针对双足机器人行走过程中的步态稳定控制问题,提出一种改进深度Q网络的深度强化学习方法.首先,将深度Q网络算法与确定性策略梯度相结合,提出用修正Double-Q网络优化操作一评论网络的评论网络,给出一种改进的深度Q网络;然后,建立双足机器人连杆模型,在常规的平整路面上将改进的深度Q网络用于作为智能体的双足机器人进行步态控制训练.MATLAB仿真结果表明,与深度Q网络和深度确定性策略梯度算法相比,所提算法有更好的训练速度且其回报曲线具有良好的平滑性.在CPU训练下,经过20 h左右深度强化学习能够完成智能体训练.双足机器人在较小的力矩和长距离下能够稳定快步行走.     

工程图的三维重建方法研究

近四十多年来,虽然针对工程图的三维重建研究已经取了较大的进展,对工程图内几何信息与拓扑处理提取方法不断完善,可以在算法约束范围内完成简单形体的三维重建工作,但离达到工业化生产标准还有一段距离。在整个重建过程中,三维重建算法的建立是重建工作的核心,也使得三维重建算法成为整个重建过程的突破口。为此,对基于工程图的三维重建算法进行整理,从历史和国内外角度对典型三维重建算法进行梳理与归类,剖析了现阶段三维实体重建工作所遇到的瓶颈,并指出下一步的研究方向。     

改进免疫算法用于图像复原

为了更好地对图像进行超分辨率重建,对传统的正则化方法进行了改进,提出了更符合实际的新模型:加性广义高斯白噪声与各向异性正则化项.为求得新模型的最优解,引入免疫进化算法并做如下改进:引入记忆单元群,使算法并行地运行在两个抗体群上;提出一种疫苗的自适应选取及接种方法;将混沌算子作为防僵化算子嵌入.分析与实验表明, 基于新模型重建的图像不仅对噪声的类型与方差具有稳健性,而且重建图像的信噪比改善量(ISNR)比传统模型高1.5 dB左右, 同时提出的改进免疫进化算法能够更快收敛,所需步数仅是遗传算法的8%, 传统免疫算法的40%.结果表明,新模型与改进免疫算法组成的图像超分辨率复原系统具有稳定可靠的性能.     

结合流形正则和变量分离近似稀疏重构的荧光分子断层成像

为改善荧光分子断层成像的重建结果,本文采用联合稀疏-流形正则模型进行光源重建,该联合稀疏-流形正则模型能同时利用重建光源聚集性和稀疏性的先验信息。为有效求解该联合稀疏-流形正则模型,本文通过重新推导变量分离近似稀疏重构算法对其进行求解。为加快变量分离近似稀疏重构算法求解联合稀疏-流形正则模型的速度,本文在光源重建过程中采用了热启动策略。实验结果表明,相比变量分离近似稀疏重构算法求解范数模型,变量分离近似稀疏重构算法求解联合稀疏-流形正则模型将重建结果的对比噪声比从6.45提升至9.18。另外,相比没有采用热启动策略,采用热启动策略的变量分离近似稀疏重构算法求解联合稀疏-流形正则模型的时间从101.84 s减至50.10 s。本文方法显著提高了光源目标重建的精度和速度,取得了更优的重建结果。     

基于U曲线法的油气润滑ECT系统图像重建病态优化

采用U曲线法确定油气润滑ECT系统图像重建中的正则化参数,分析正则化处理后灵敏度矩阵的病态性;通过LBP算法和Tikhonov正则化算法分别对油气润滑ECT系统管道截面进行第一次图像重建;对第一次重建图像的灰度分布矩阵进行门限滤波阈值的优化,并对管道截面进行二次图像重建。结果表明:相较于L曲线法,U曲线法选取的正则化参数在削弱灵敏度矩阵病态程度方面的作用显著;第一次图像重建中,图像重建质量有较大改善;门限滤波阈值优化后的二次图像重建中,图像重建质量进一步提高。研究表明U曲线法确定的正则化参数和门限滤波阈值优化有助于提高油气润滑ECT系统的图像重建质量。     

正则化参数自适应选取的声学CT温度场重建

声学CT温度场重建为不适定逆问题。正则化参数的选取对重建精度有重要影响。提出一种正则化参数自适应选取的温度场重建算法——ARPSM(adaptive regularization parameter selection by minimum change criterion)算法。该算法采用一种新的、称为最小变化法的正则化参数选取法,自适应地选取正则化参数,兼顾温度场细节重建和噪声抑制。模型温度场和实验室内均匀温度场的重建结果表明,与常用的L曲线法相比,最小变化法确定的正则化参数对应着更小的温度场重建误差。ARPSM算法具有较高的重建精度和较强的噪声抑制能力,可望用于仓储粮食温度分布监测等对重建质量有较高要求的应用场合。     

基于工程图的多视图分离及视图毗邻关系的确定

对工程图的多视图分离和视图关系的确定是基于工程图的三维重建和检索领域中一个重要的预处理.针对传统的基于坐标轴投影的视图分离方法,提出一种改进的方法实现多视图的分离,并在视图关系的确定过程中,采取分类策略,分别确定基本视图之间及辅助视图的毗邻关系图,然后进行合并成整个工程图的视图毗邻关系图并确定视图关系.最后,以一个工程图实例,对该方法进行了验证.     

基于明暗恢复形状的三维重建改进算法

为达到利用照片重建物体的三维模型的目的,提出了一种基于明暗恢复形状的三维重建改进算法,该算法基于球面谐波原理,解除了重建过程中光源方向的约束,能够在未知光照条件的情况下对输入的单张照片进行三维重建。同时使用C++语言搭建了基于对话框的MFC应用程序,最终的实验结果证明了该算法的有效性。     

基于多智能体强化学习的AGVS任务分配方法

为提升复杂场景下多AGV系统任务分配效率，适配动态多变的现代物流搬运场景，提出一种基于多智能体深度强化学习的任务分配方法。首先，根据问题约束条件和优化目标按照强化学习范式对问题进行建模，利用栅格地图建立了算法训练环境，并规定了智能体动作和环境可观测状态，其次应用IDQN算法训练生成指导AGVS任务分配的动作价值函数，最后，在不同问题规模下通过实验证明了IDQN方法相较于传统算法解决同一问题的效率优势，并展示了模型在不同尺度地图中的泛化能力。     

ECT图像重建正则化参数选取新方法

电容层析成像图像重建是一不适定反问题。此种情况下，仅使用最小二乘法不能保证获得满意的介质分布图像重建结果，因此广泛使用TIkhonov正则化算法来产生适当的解。正则化参数的合适选取对图像重建至关重要，其对重建质量和计算时间都有影响。本文提出了一种基于最平坦斜率的Tikhonov正则化参数选择方法，并针对2种典型介质分布，将基于此方法计算的正则化参数同L-曲线法在电容测量数据无噪声和施加噪声情况下的图像重建结果进行了比较。     

无人机航拍图像的三维重建方法研究

在无人机为载体的基础上进行对目标场景的三维重建,就是结合无人机和计算机视觉技术,利用无人机操作灵活性,视角可控制性等优点.为实现更加完整的三维模型的重建,提出一种基于多图像拼接三维重建算法.基本思路是在无人机为载体的基础上,从不同方向获取目标物体的图像,通过自标定方法获取相机内参数,采用图像拼接融合技术对多幅图像分析、合成,从而最大限度地对建筑物场景的各种特征信息的描述.进一步对拼接融合后的图像进行特征点提取和点云匹配,从而获取全景图空间特征点三维点云,获得一个较为真实的重构对象的三维模型.实验结果表明,改进后的重构方法的精度较高,适合在许多场景三维重建的应用.     

基于空间自适应和正则化技术的盲目图像复原

在原非负支撑域递归逆滤波（NAS-RIF）算法基础上,本文提出一种基于空间自适应和正则化技术的改进算法。在代价函数中,引入两项空间自适应的加权项,分别用来确保图像复原的逼真和平滑,自适应加权项需根据观察图像的局部特性和噪声方差求得。并加入正则化项,以达到抑制噪声的目的。本文提出了根据观察图像来估计噪声方差的方法,因而不需要知道噪声方差的先验条件。在求解中,采用共轭梯度算法来进行求解。对不同背景和不同信噪比的图像进行了仿真实验。结果表明：改进后的算法比原来的算法复原效果更好。     

电容层析成像图像重建的总变差正则化算法

针对电容层析成像（ECT）逆问题解的不适定性,本文提出一种基于总变差（total variation,TV）正则化的图像重建算法。同传统的2范数Tikhonov正则化方法相比,该算法（基于1范数正则化）不仅保证了逆问题求解的稳定性,而且提高了对介质非连续分布的区域成像的分辨能力,具有良好的保边缘性。仿真及实验结果表明,该算法在重建图像质量和重建速度两方面均具有优势。