大视场光学显示设备图像畸变校正算法

在大视场光学显示设备中,画面会因畸变而严重变形.为了使最终的成像结果不发生畸变,根据大视场光学显示设备的畸变特性,选择适合的校正方法并进行优化,提出对称变换法和改进的双线性插值法,对像源图像进行预处理,消除畸变带来的不利影响.给出了较为全面的算法性能衡量指标,利用Matlab和VC++6.0对校正算法进行详细的仿真和深...     

基于BP神经网络的光电测量系统畸变校正

在大视场光电测量系统中,由于光学系统畸变的影响使得目标在线阵CCD上的成像偏离了理论成像点,导致系统产生测量误差,为了提高测量精度,必须进行畸变校正。根据畸变光学原理,利用BP神经网络对非线性畸变进行良好的逼近,通过对由畸变测量装置获得的数据进行训练建立网络模型,从而建立整个视场畸变校正的数学模型。实验结果表明,当目标物高为200.115 mm时,利用BP神经网络方法,可将畸变误差从校正前的-2.080 mm提高到校正后的-0.104 mm,使得整体检测精度从1.039%提高到0.052%。     

大视场短焦距CCD成像系统畸变校正研究

光学成像系统的非线性几何畸变可以利用数字图像处理技术来进行校正。其中,在以径向畸变为主的非线性几何畸变模型中,本文通过对影响畸变参数测量精度的各种因素的分析,提出了相应的畸变校正模型,并对提高畸变校正精度的途径和技巧进行了探讨和尝试。     

基于神经网络的畸变图像校正方法研究

基于神经网络的畸变图像校正方法与传统畸变图像校正方法相比,降低了构建模型的难度.因此,文章对基于神经网络的畸变图像校正方法进行重点研究,首先在量子遗传法中引入免疫学中的克隆选择算法,然后将其与BP算法进行结合,发挥二者的融合优势,以满足畸变图像校正的需求,实验结果表明,这种方法的应用效果十分显著.     

航天大视场遥感相机畸变测试方法

航天遥感相机的畸变作为相机的重要参数,其测试精度直接关系到相机获取图像后的图像处理精度。对于航天非测绘遥感相机,在设计之初往往对其光学系统的畸变设计要求没有测绘相机高,其光学系统的畸变一般会比较大,需要对此类遥感相机,特别是视场较大的遥感相机的畸变进行精确测试,为其在轨飞行检校提供比较精确的初始条件。文中在经典的精密测角方法的基础上,建立了针对大畸变航天遥感相机的数学模型,针对视场较大、弧形畸变较大的测试难点提出了合理可行的测试思路,完成了被测相机的高精度畸变测试,取得了理想的效果。实际测试结果表明:畸变测试精度优于1.8 m （1）,可以满足被测相机的高精度畸变测试需求,对航天非测绘大视场遥感相机畸变测试有参考借鉴意义。     

基于精确模型和逆投影的超大视场红外图像畸变校正

针对超大视场红外图像畸变大、与人眼视觉差异明显的问题,提出了一种基于精确模型和逆投影的超大视场红外图像畸变校正算法以改善其视觉效果.该算法首先利用精确模型对超大视场红外相机成像中的物、像关系进行描述;然后,针对红外图像像素采样率不高的缺点,利用较为精确的三次卷积插值法对图像进行插值来补全成像信息;最后,根据校正图像上的待赋值像点的坐标,结合校正模型和超大视场红外相机精确模型,计算该像点逆投影到插值图像时的对应坐标,并以最近邻像点像素值作为校正后图像像点的赋值.车载道路场景下的超大视场红外图像畸变校正实验结果显示,所提出的算法图像校正结果边界清晰、无锯齿效应,对场景中的直线平均还原偏差小于0.35 pixels,表明该算法对超大视场红外图像畸变校正具有较好的适用性.     

宽光谱、大视场小畸变望远系统设计

设计了一个应用于成像光谱仪的望远系统,针对成像光谱仪的特点,由前置望远镜及后置光谱仪组成。前置望远系统的参数以及成像质量对整个成像光谱仪应用显得非常重要。设计了一个谱段范围1～2.5 m、视场为28.10.3、相对口径为1/4、焦距长度为60 mm的望远系统。系统在谱段1～2.5 m宽谱段范围内通过玻璃的匹配校正了色差及二级光谱,畸变控制在0.2%以内,很好地保证了与后续光谱仪的对接,此设计可用于航空领域进行大视场、高分辨率成像。     

弹载大视场红外线扫图像几何畸变仿真研究

高速机动、大视场、线扫等均会引起弹载大视场线列扫描红外图像的几何畸变,从而影响巡飞弹的整体战术效能。利用探测器像面参数、坐标变换、地表模型、物像共线方程和墨卡托地图投影模型分别建立了相机的像方坐标方程、位姿变换方程、物像转换方程和物方地图投影方程,进而构成了从像面坐标系到地图坐标系的完整严格成像模型,利用Matlab对该模型进行静态仿真,确定航高、摆扫角度、地表模型等模型参数造成的几何畸变特性的强度,为弹载几何畸变校正算法的工程优化提供了依据。     

双自由曲面大视场头盔显示光学系统设计

视场大小是评价头盔显示器在虚拟现实等领域的关键性能指标,为了克服视场增加带来各类像差急剧增大的困难,提出了一种基于双自由曲面的大视场头盔显示光学系统。首先,分析了双椭球结构实现大视场与低畸变的基本原理,指出了其难以校正除畸变以外其他像差的原因。接着,提出根据系统对称性和光路走向采用竖直方向对称、水平方向不对称的自由曲面反射镜校正离轴像差,完成了基于双自由曲面反射镜的大视场头盔显示光学系统设计。系统视场范围为106.3(H)80(V),最大相对畸变为6.97%,出瞳直径8 mm,点眼距19 mm。单目系统向外倾斜8时,双目视场范围为122.3(H)80(V),双目重叠视场为90.3(H)80(V),瞳距在55~71 mm范围内可调节。对系统性能分析结果表明:相比双椭球结构,系统成像质量得到较大提高;视场范围和相对畸变满足虚拟现实领域的应用要求。     

基于卷积神经网络的胸环靶面畸变校正算法

实弹射击是部队的基础军事训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而,计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响,导致被测对象的图像产生畸变,最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度,提出一种基于卷积神经网络的畸变校正算法,只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后,输入一张畸变图片就可以得到该图片的畸变参数,并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明,该算法校正效果较好,有利于提升基于计算机视觉的自动报靶系统的报靶精度。     

BP神经网络在企业资信评估中的应用研究

对企业进行科学准确的资信评估,可以辅助决策,降低投资者风险,因此提高资信评估的准确度和科学性极其重要.针对当前企业资信评估方法的不足,将BP神经网络应用于企业资信评估.根据企业资信等级与其影响因素之间的映射关系,建立BP神经网络评估模型.实验结果表明,该模型具有较高的精度,提高了企业资信评估的准确性.     

改进BP神经网络在物体识别中的应用

针对传统BP神经网络容易陷入局部极小、收敛速度慢和确定隐含层的神经元个数比较困难等缺点,从结构和算法两方面对BP神经网络进行改进。改进后的网络具有较快的收敛速度和较短的运行时间,加强了BP神经网络的学习能力和自适应能力,并将其应用于物体的分类识别,取得了良好的效果。仿真结果表明了此改进方法的可行性和有效性。     

焦平面阵列BP神经网络非均匀性校正及其算法改进

在紫外成像系统中,紫外焦平面阵列的非均匀性是影响成像质量的重要因素.介绍了标准的神经网络算法对焦平面阵列非均匀性的校正,并针对标准的神经网络算法的收敛速度慢的缺点,提出了改进算法.通过matlab对算法进行仿真,结果表明BP神经网络(Back.Propagation Neural Network)算法对焦平面阵列的非均匀性有良好的校正效果,改进后的算法效率有了较大地提高.神经网络非均匀性校正算法可以广泛的运用于其他焦平面阵列的非均匀性的校正中.     

BP神经网络在雷达目标识别中的应用

针对雷达目标信号复杂多样的特点,提出了基于BP神经网络的雷达目标识别方法。BP神经网络具有学习功能,能够有效地提高雷达目标识别系统的效率。实验结果证明了该方法的有效性和实用性。     

BP神经网络在电子战效能评估中的应用

利用BP神经网络算法对电子对抗干扰效果进行评估,根据干扰效果评定的诸因素的隶属函数确定其隶属度,以此作为神经网络输入层数据.然后,根据选定的训练样本对所构造的三层BP神经网络进行训练,再运用几组典型干扰对抗效果实验数据对该BP神经网络性能进行检验.结果表明BP网络已经训练好,用此BP神经网络评估电子对抗干扰效果是合理的,该方法减少了评估中的人为因素,使得评估结果更为可信.     

商场客流量中改进BP神经网络的应用

通过对商场客流量中行人的相关特征进行提取以及对获得的相应数据样本进行处理,利用改进的BP神经网络算法,建立了相应的BP网络模型,对客流量中行人出入商场的一些模式进行自动识别,并分析了隐含层神经元个数、学习速率等因素对网络训练的影响.实验表明该模型在实际项目中的应用是可行的.     

改进的BP神经网络在交通流量预测中应用

针对传统BP学习算法收敛速度慢,对步长依赖明显等缺点,提出一种利用搜索较优步长的BP算法.在网络训练中,能够在每次迭代中搜索出一个相对合理的步长,从而使步长的选择对学习速度的影响大大降低.对交通流量预测仿真结果表明,新算法对步长选择的依赖性小于传统BP算法.