基于 BP神经网络的 X光图像畸变校正技术的研究 *

为解决基于图像导航的机器人辅助外科手术过程中 X光图像的畸变特性问题 ,提出了一种新型的基于 BP神经网络的 X光畸变图像校正方法。该方法首先从一个标准模板的 X光畸变图像中提取标定样本位置信息作为神经网络输入 ,以模板的标定样本真实位置信息为神经网络输出 ,构建 BP神经网络。该 BP神经网络能够实现畸变图像与真实模板之间的映射关系 ,从而达到图像畸变校正的目的。最后通过机器人辅助髓内钉锁孔实验对该方法进行了实验验证 ,证明了该方法的有效性。     

鱼眼图像径向畸变校正的一种新方法

由于鱼眼相机视场广阔在很多领域都得到了广泛应用,但其图像存在着明显的径向 畸变,需要在应用之前加以校正。为此分析了径向畸变模型解析解的非唯一性;根据径向畸变的 对称性,得出了畸变直线与理想直线之间的关系,即畸变校正的解析表达式;提出了一种鱼眼图 像径向畸变校正的新方法。实验证明,该方法计算简单,能有效校正包含直线特征的场景。     

基于BP神经网络的畸变图像校正方法研究

针对传统的非线性畸变图像校正方法存在模型建立较难等缺点,本文采用基于神经网络畸变图像校正方法,首先将免疫学中的克隆选择算法引入量子遗传算法,然后将这种混合的量子遗传算法和BP算法有机结合,优势互补作为神经网络的学习算法用于畸变图像的校正。实验结果表明该方法具有很高的精度。     

一种基于几何性质的鱼眼图像校正算法

为快速、高效地校正具有径向畸变的鱼眼图像,提出一种基于几何性质的校正算法。根据投影不变性原理以及径向畸变的几何特性,计算畸变直线的斜率,并通过求解线性方程组得出多项式校正模型的参数。实验结果表明,该算法能够以较低的运算复杂度获得较高的校正精度,相比于采用数学迭代拟合直线的方法,该算法在图像整体校正质量上有明显改善。     

遥操作机器人全局摄像机图像畸变校正

遥操作中采用全局摄像机对机器人进行定位时存在图像畸变带来的误差,针对这一问题提出了一种图像畸变校正方法.该方法采用径向基神经网络(RBFNN)进行畸变校正.从而获得机器人在实际空间中的坐标位置.实验表明,该方法简单有效,适用于广角镜头带来的图像畸变校正.可以满足利用定位坐标进行路径规划的要求.     

二维光谱图像的神经网络校正方法

二维光谱图像普遍存在畸变现象,这种畸变会影响抽谱操作,从而降低一维光谱数据的质量。针对上述问题,提出了一种有效的基于神经网络的二维光谱图像的校正方法。该方法首先从二维光谱图像中提取表示畸变特征的数据,即抽取平场光谱中每条光纤的中心线以及拟合定标灯谱中每个特定波长处的特征谱线,再根据这两组线构造数据集;然后设计神经网络模型,训练模型拟合图像校正前后的像素坐标值之间的关系,通过模型计算出校正图像的所有像素坐标值;最后根据原始畸变图像的通量值一一对应填充校正图像的通量值。分别用平场光谱、定标灯谱、目标光谱数据进行校正实验。与此同时,对比了目标光谱图像校正前后的抽谱结果。实验证明该方法能够有效校正弯曲的二维光纤光谱图像,并在一定程度上提升一维光谱数据的质量。     

精确校正图像的径向畸变和倾斜失真

对于用图像进行几何检测,由数码相机生成的图像存在一些固有缺点,如存在径向畸变、倾斜几何变形等。为此提出了一种可同时精确校正数码相机图像的径向畸变和倾斜失真的算法。该算法基于标准网格,首先分别建立倾斜变形模型和径向畸变模型,由此建立目标图像的倾斜变形和径向畸变的联合变形模型;然后用最小二乘法和最优化算法求根据联合失真模型求得标准网格的失真参数,利用该参数可校正同等条件下获得的目标图像;最后对实际图像进行了校正实验,获得了满意的校正结果,说明该算法能有效地同时精确校正图像的径向畸变和倾斜失真。     

基于视觉的智能车图像畸变校正算法研究

赛道检测的准确性及可靠性对智能车的控制至关重要,针对智能车系统路径识别以及方向控制、速度控制需求,需要为导航路径参数提取提供准确的视觉图像信息。为此对智能车视觉图像畸变原理进行了分析,建立了图像的畸变的数学模型,分别分析了垂直和水平方向的畸变模型,针对垂直方向畸变采用了近疏远密的校正算法,针对垂直方向畸变给出了梯形水平校正算法。实验表明,以上方法可以很好地校正视觉图像在垂直和水平方向的畸变。     

一种大视场镜头的畸变校正方法

大视场镜头因其可得到较大视场的图像而获得广泛应用,但由于镜头的原因,导致成像的桶形畸变,在直接使用从镜头获取的图像时,会影响对图像的后期处理和分析。针对这种情况,在分析畸变产生原因的基础上,提出一种改进的桶形畸变校正方法。根据畸变与焦距、成像高度之间对应的变化规律提出一种改进的半球形畸变校正模型,并计算近似畸变率,以进行反向映射及双线性插值来得到校正后的图像,设置可调整的参数,给出参数的确定方法和选择范围。最后,利用畸变的对称性降低了校正的计算复杂度和时间。实验结果表明,该算法对广角镜头产生的桶形畸变获得了较好的校正结果,降低了平均畸变率误差。该算法能够准确地校正畸变图像,不需要特定模板和标定参数,计算简单容易实现。     

广角图像畸变校正算法的研究与实现

为了校正广角图像的非线性畸变,提出一种新的数字校正方法来消除畸变。首先利用网格模板校正的方法,根据畸变图与理想图对应像素点的映射关系,得到畸变图像点在x轴和y轴方向上的偏移量。然后采用三次B插值函数对曲面插值,得到畸变像素点的偏移量曲面,由偏移量曲面和畸变点的坐标实现各像素点的坐标变换。最后通过双线性插值法完成灰度重建得到无畸变的图像,从而实现对广角图像的校正。为了测试该算法的速度性能和可靠性等指标,在DSP平台上运行此算法。实验结果表明该算法能够对广角畸变图像进行快速有效的校正。     

应用经纬映射的鱼眼图像校正设计方法

为了消除鱼眼镜头带来的形变,该文提出了一种应用经纬映射的鱼眼图像校正设计方法,推导了消除变形的数学依据,总结出一种不需要任何标定数据,快速的纠正等角鱼眼变形的算法。使用经纬映射图像的校正方法,可以把扭曲的半球鱼眼图像投射为普通照片的四方形状,也即通过投射降低图像的扭曲程度,在视觉上基本达到实用要求。     

一种基于斜率的摄像机畸变校正方法

普通 CCD摄像机在成像时都存在畸变成像误差 ,在机器人视觉检测及自动装配中 ,有效地进行误差校正对准确确定物体的位置具有重要的意义 .本文采用带有一阶径向畸变的小孔摄像机模型 ,提出一种基于线段斜率的方法 ,对摄像机镜头的径向畸变进行校正 ,不必标定太多的摄像机的外参数 ,方法简洁 ,适合于视觉系统中对摄像机畸变的实时校正 ,或对摄像机捕获的图像进行几何校正 .实验表明 ,具有很强的鲁棒性和较高的校正精度     

鱼眼畸变棋盘格图像校正

畸变棋盘格图像能够更精确地描述鱼眼镜头的畸变特征,畸变棋盘格图像校正算法的研究对实现畸变图像准确快捷的校正具有重要意义。在研究Carroll等人提出的校正方法的基础上,针对畸变的棋盘格图像提出了一种简单、快捷的校正方法。以棋盘格的角点坐标替代直线特征信息作为校正模型的输入,对建模后的目标函数进行线性优化求解。该方法实现了畸变校正的自动化,提高了系统的效率。实验表明,该方法方便可行,校正结果良好。     

基于图像平面的畸变校正方法

针对图像液位检测系统中摄像头引入的图像畸变,提出一种基于图像平面的校正方法。使用虚拟的标准校正图代替实际图,通过二阶径向模型的反复迭代求取畸变系数,利用双线性插值对输出像素点灰度进行插补。实验结果表明,该方法的校正误差小于0.35个像素点,能有效提高视频检测精度。     

基于标定的任意半径柱面上2维条形码畸变校正

摘 要：二维条码在直接零件标识技术中应用越来越广泛,但存在标刻在柱形零件上的二维条码由于扭曲形变而无法识读的问题。为了校正这种畸变,论文分析了柱面二维条码的畸变形成原理,然后基于标定的机器视觉装置与透视投影原理建立柱面上二维条码畸变校正模型,最后通过图像信息估计出柱形零件半径参数信息,并代入畸变校正模型得到最终的校正结果。实验结果表明,该方法能够较好的校正自由半径柱面上二维条码的扭曲畸变。     

Highly imbalanced fault diagnosis of mechanical systems based on wavelet packet distortion and convolutional neural networks

The healthy operations of mechanical systems are crucially important for ensuring human safety and economic benefits, so that there is a high demand on the automatic fault diagnosis techniques. However, the number of available faulty samples of mechanical systems is often far less than healthy samples, and thereby the traditional data-driven methods often suffer a high rate of misdiagnosis. In this paper, a new fault diagnosis method is developed on the basis of wavelet packet distortion and convolutional neural networks. First, wavelet packet distortion means that wavelet packet coefficients are distorted to augment fault samples, in order to achieve the equilibrium between healthy and faulty classes. Second, a convolutional neural network-based classification model is trained using the balanced training dataset. Third, the trained model is applied to classify the testing samples. Finally, the efficacy of this developed method in imbalanced fault diagnosis of mechanical systems is demonstrated through a number of experiments.     

基于信息熵和深度学习的无参考图像质量评价方法研究*

现有使用卷积神经网络进行图像质量评价的方法,存在训练数据量不足、局部图像块失真分数不能确定等问题。针对这些问题,本文提出了一种基于信息熵的卷积网络训练方法,在考虑信息熵对图像质量影响的基础上,将LIVE数据集中的失真图像进行分块处理,扩大训练集。同时,用分块后的信息熵代表不同分块对失真图像的质量影响程度,并根据该信息熵对卷积神经网络的损失函数进行了调整。实验结果表明,本文提出的模型预测结果更为接近人类视觉感知。     

基于改进遗传模拟退火算法的BP神经网络的畸变校正研究

针对相机所采集的图像大多都存在畸变现象的问题,设计了基于改进遗传模拟退火算法的BP神经网络校正算法。该算法针对传统遗传算法易于收敛局部最优的问题,提出分段选择策略与随机抽样相结合的选择算子,自适应交叉与变异算子。在畸变校正中,该算法通过网络的输入输出建立理想点与畸变点的关系,使用改进的遗传模拟退火算法来优化神经网络中的阈值与权值,然后使用基于LM算法的BP神经网络进行局部优化,最后通过插值算法得到校正后的图像。实验表明,该算法能过较好的对图像进行畸变校正,同时与传统的BP神经网络算法相比精度更高,收敛速度更快。     

用遗传BP网络进行图像边缘检测

该文提出了一种基于遗传算法与图像特征向量的边缘检测方法。由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量;然后用样本图像对多层前馈神经网络采用遗传学习算法和误差反向传播算法(BP)相结合进行训练,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。最后,将训练后的网络用于图像的边缘检测。实验证明这种方法是有效的。