日盲紫外波段电晕成像特性的仿真研究

由于国内对紫外的视景仿真研究较少,本文提出了一种基于日盲紫外波段的电晕成像仿真方法。该方法研究了试验电压和探测距离对绝缘子缺陷电晕放电的紫外光子计数的影响,提出了改进的经验公式。提出了利用像素点对应紫外光子仿真电晕放电的算法,得到了电晕放电的紫外仿真图像。通过在vieWTerra视景仿真平台中建立绝缘子模型,获得了可见光图像。将可见光图像和紫外图像通过加权平均图像融合方法进行融合,得到日盲紫外波段的电晕成像仿真图,为研究日盲紫外视景仿真提供了参考。     

应用于紫外检测的实时视频图像处理系统

提出了一种新型的应用于紫外检测的双通道实时视频图像处理系统。本系统先通过分光、图像增强和光谱转换实现紫外信号的采集,再应用高集成度的视频编解码器和专门面向视频信号处理的数字信号处理器,将紫外信号和可见光背景信号转化为数字信号,并进行融合处理以实现紫外信号的检测与定位。此系统在电力系统电晕检测及森林火灾等紫外信号检测的场合有远大的应用前景。     

基于FPGA的紫外/可见光图像实时配准实现

为了在电路损伤早期探测和定位电晕放电,依据其放电在紫外波段的成像特性,采用基于现场可编程门阵列(FPGA)为核心的处理平台,设计了可对紫外光和可见光两路信号进行采集、配准和融合处理的实时检测系统。通过优化设计硬件结构、快速图像配准算法及基于MicroBlaze软核的控制模块,提出了一种基于FPGA的快速图像配准的实现方法,实现了对不同焦距下可见光图像数据与紫外图像数据的实时融合处理。结果表明,该方法能够有效提高图像融合处理的速度和系统运行效率,满足对紫外信号进行检测和定位的要求。该方法已经运用于南方电网的线路巡检中。     

电晕紫外成像检测技术及其应用研究

利用输电线路和变电站设备电晕可以进行缺陷定位、分析判断绝缘的真实状况。描述了基于日盲滤光片和MCP探测器研制的电晕紫外成像仪,并与可见光摄像机进行同视场检测,实现了电晕的高灵敏检测和定位。为验证紫外成像检测的性能,利用高压尖端放电设备进行了不同放电强度的实验以及电晕放电的现场检测,结果表明：研制的电晕紫外成像仪能够用于高压电晕的检测和故障定位。     

基于GoogLeNet-WT-Canny的紫外成像仪中的图像配准与融合

针对目前紫外成像仪中紫外光图像与可见光图像配准叠加精度低、电晕放电定位偏差大等问题,提出一种基于GoogLeNet模型、小波变换(Wavelet Transform,WT)和Canny算子相结合的紫外与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中.首先,引入迁移学习的思想,利用预训练的GoogLeNet模型自主挖掘可见光图像和紫外图像的特征;其次,将提取出来的特征作为预测变量,输入极限学习机(Extreme Learning Machine,ELM),以空间变换参数为指导监督模型训练,实现高精度紫外与可见光图像配准;最后,利用二维小波变换与Canny算子对配准后的图像进行多分辨率分析与边缘检测,实现无紫外信息损失的图像融合.实验结果表明,所提方法的紫外与可见光图像配准精度高,融合效果良好,具有很好的工程实用价值.     

基于i.MX6Q平台的图像融合实现

为了实现手持式电晕移动检测设备的技术验证,选用NXP公司低功耗、高性能的i.MX6Q嵌入式开发平台进行双路视频图像的采集和融合。文中构建以视频图像处理单元(VPU)、图像处理单元(IPU)以及基于Linux V4L2架构的摄像头为主的驱动框架,并在内核驱动程序的基础上,分别对硬件抽象层、应用程序框架层以及应用程序层进行访问接口与控制算法的程序设计。最终通过对双路摄像头采集的图像进行Alpha blending测试结果表明,人机交互界面友好,视频采集图像稳定清晰,融合运行效果流畅,为后续紫外可见光双路探测的研究奠定了基础。     

日间电晕紫外照相机的研究

电晕放电对高压传输线和高压设备危害巨大,因此对电晕故障进行检测意义重大.电晕放电发出的日盲紫外波段(240～280 nm)的光尽管比较微弱,但是近地面上来自太阳的这个波段的背景光强度为零.利用这一特点,自行研制了一种日间电晕紫外照相机,即一种光束分光方式的日盲紫外-可见双光谱照相机.照相机采用了一种折反射结构镜头,其口径大、分辨率高,而且所有元件的曲面都为球面,加工工艺简单.在晴天对数十米外的紫外点光源和背景进行野外成像实验,获得了较为清晰的紫外与可见光图片,合成图像也较清晰.     

基于自适应PCNN的紫外图像融合算法

电晕放电产生的紫外线波长为200~400 nm,为避开太阳光和日光灯的干扰,利用240~280 nm这一日盲波段获取紫外放电图。为能够确定电晕放电的位置,提出了一种适用于可见光图像和紫外图像融合的新算法。以图像空间频率和信息熵作为PCNN对应神经元的链接强度值,并与加权平均法、拉普拉斯金字塔变换方法和小波方法等融合算法相比较。实验结果表明,文中方法优于其它方法,融合效果良好。     

紫外成像仪的紫外可见光图像叠加精确度测试系统

紫外可见光图像叠加精确度是评价紫外成像仪定位可见光背景下的紫外信号的关键指标,体现了紫外成像仪的紫外光图像与可见光图像融合的精确程度.为评估紫外可见光图像叠加精确度这一关键指标,本文设计并实现了紫外成像仪的紫外可见光图像叠加精确度测试系统.系统选择高均匀性、高亮度、宽辐照度范围的紫外积分球光源照射十字靶标,在紫外平行光管的作用下,使紫外成像仪能够观测到一个无穷远的像,通过测量紫外光图像与可见光图像的十字像中心点坐标的偏移量,实现了对紫外成像仪的紫外可见光图像叠加精确度的测试.实验结果表明,该测试系统可为紫外成像仪提供可靠的检测依据,满足紫外成像仪筛选的应用需求.     

一种便携式电晕检测紫外相机的设计

介绍了一种便携式电晕放电检测紫外相机的设计方案。该相机选用320×256元AlGaN基"日盲"紫外焦平面作为探测芯片,其波长范围为240～280 nm,具有可见光和紫外两个通道,充满电后能持续工作6 h以上。实验结果表明,该相机可以成功获取清晰的紫外目标图像,并可实现对紫外信号的实时监测。     

日盲紫外光通信创新实验的探索及教学研究

以日盲紫外光通信系统多采用激光器或汞灯作为光源、紫外光电二极管作为探测器,整体系统体积大、操作复杂,难以满足电子通信工程的实验教学需求,因此急需建立一种新型光通信创新实验教学平台。文中设计并构建了一套新型紧凑化日盲紫外光通信系统,其采用紫外LED作为光源、可见光PIN管为探测器,以下转换荧光玻璃为光谱转换器,实现了远距离、高灵敏度的日盲紫外光信号传输与探测。该系统不仅增大了输出信号的幅值,还将最大日盲紫外探测光电流提高到了23.3 μA。通过实践教学,发现该创新实验平台对提高学生综合能力和对日盲紫外光通信实验仪器设备的理解与高效率使用,发挥了重要的促进作用。     

日盲型紫外探测系统中目标定位的研究

为了研究日盲型紫外探测中的目标定位,设计了1套紫外探测实验系统。提出了1种基于目标图像的定位算法,通过确定目标在像平面上的位置,计算目标方位角。对系统及算法进行了理论分析和实验验证。以氘灯为目标的紫外光源,探测系统在30m处取得了0.5°的方位角测量精度。结果表明,该定位算法是可行的。这一结果对进一步开展远距离实验、完善系统是有帮助的。     

可见光与红外图像增强融合算法研究

提出了自适应图像增强算法，用于可见光和红外图像的融合。首先对输入的可见光图像和红外图像进行自适应增强，然后采用基于图像空间能量窗及归一化互相关测度构造融合图像，利用图像的信息熵评估算法的融合效果，最后给出了一组可见光和红外图像融合的试验结果，表明该算法十分有效，融合图像有丰富的互补信息，有利于人眼观察和目标识别。     

基于LatLRR与NSP分解的红外与可见光图像融合北大核心CSCD

针对现有红外与可见光图像融合过程中存在的图像对比度低、红外特征不明显等问题,提出了一种基于非采样金字塔滤波(Nonsubsampled Pyramid,NSP)与潜在低秩表示(Latent Low Rank Representation,LatLRR)分解的红外与可见光图像融合算法。首先,对红外与可见光图像进行分解,采用NSP分解提取源图像的低频信息,LatLRR分解提取源图像的局部结构信息;其次,根据红外低频信息与可见光低频信息的特征及融合结果图像中低频分量占比,利用红外像素强度权重调控策略完成对低频信息的融合,同时,为使红外与可见光的局部结构信息在融合时保持均衡,使用基于像素灰度值求和的策略进行1∶1融合;最后,图像重构中引入非线性变换思想,使局部结构信息与低频信息有更加完美的契合。实验结果表明,融合结果图像在极大保留红外特征的同时又能兼顾可见光图像中的细节信息,该算法能够对红外与可见光图像进行有效融合。     

一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。     

基于ResNet的红外与低照度可见光图像融合方法

针对传统红外与低照度可见光图像融合后,容易造成目标模糊不清、细节信息缺失等问题,本文提出一种低照度可见光图像预增强与残差网络(Residual Network, ResNet)相结合的图像融合方法。该方法首先利用单尺度Retinex(Single Scale Retinex, SSR)算法对低照度可见光图像进行增强预处理,得到增强的可见光图像。其次,利用ResNet-50分别从增强后的可见光图像和红外图像中提取深度特征。然后,采用L1范数对生成的深度特征进行正则化处理,并通过上采样操作将其分辨率恢复至输入图像大小,得到权重图。最后,使用加权平均策略获取融合图像。实验结果表明,本文算法能更好地保留输入图像的纹理细节和结构信息;使用TNO数据集与现有的三种典型算法对比,该算法融合结果的离散余弦特征互信息(FMI_dct)、小波特征互信息(FMI_w)、基于噪声评估的融合性能(Nabf)、结构相似度测量(SSIM)四种客观指标总体优于对比算法。