基于集成成像技术的零件孔径位置检测

针对利用霍夫圆检测方法很难定位大尺寸零件上所有孔径位置的问题,本文提出了一种将集成成像技术与霍夫圆检测算法相结合的非接触式测量方法.首先,根据经典成像理论提出了一套集成成像信息获取算法.其次,利用二维平移台和CCD相机搭建了相机阵列实验装置.系统工作时,相机采集的元素图像阵列,可以通过霍夫圆检测和坐标获取算法来实现零件孔径位置的定位.基于上述理论进行了验证实验,结果显示,零件孔径位置的检测误差在0.3mm以内.该方法为集成成像技术应用于高精密位置检测提供了有效的理论支持.     

基于集成成像技术的零件孔径位置检测（英文）

针对利用霍夫圆检测方法很难定位大尺寸零件上所有孔径位置的问题,本文提出了一种将集成成像技术与霍夫圆检测算法相结合的非接触式测量方法。首先,根据经典成像理论提出了一套集成成像信息获取算法。其次,利用二维平移台和CCD相机搭建了相机阵列实验装置。系统工作时,相机采集的元素图像阵列,可以通过霍夫圆检测和坐标获取算法来实现零件孔径位置的定位。基于上述理论进行了验证实验,结果显示,零件孔径位置的检测误差在0.3mm以内。该方法为集成成像技术应用于高精密位置检测提供了有效的理论支持。     

基于微透镜阵列的三维数字成像

基于微透镜阵列多视角成像特点, 利用几何光学原理,提出一种对物体进行三维数字成像的重构算法.利用这种算法,对CCD相机捕获到的基元图像阵列进行重构.与传统的利用光学系统对物体进行重构的方法相比,该算法不再受到重构过程中遇到的杂光以及衍射效应等因素的影响,具有实时性好、清晰度高的优点.搭建了基于微透镜阵列的三维数字成像系统实验平台,利用此算法对实验中获得的骰子基元图像阵列进行重构,成功地重构出原始物体的三维立体图像,在理论上和实验上证明了这种重构算法的有效性和可行性,并对实验中影响成像质量的因素进行了分析.     

光学综合孔径干涉成像技术

闭合相位技术、U-V覆盖技术和像重构技术是光学综合孔径干涉成像的三个关键技术.文中详细介绍了闭合相位技术的原理、U-V覆盖技术(包括即时覆盖和通过孔径旋转的非即时覆盖两种方法)和用于图像重构的常用方法以及用于光学综合孔径像重构的混合迭代方法,最后讨论了光学综合孔径干涉成像技术的应用.     

一种基于振幅物体约束的相位恢复算法

针对传统近场衍射GS相位恢复算法需引入微位移平台以记录两个不同物距下的衍射图像作为输入,系统动态特性较差且相较于两帧记录时需要复杂成像位移结构的问题,提出一种基于单帧图像的相位恢复算法。该算法基于振幅物体零相位调制这一先验约束条件进行迭代相位恢复。利用该振幅算法对无透镜系统仿真结果进行相位恢复,实验结果验证了算法的可行性。与传统近场衍射GS算法相比,所提出的算法无论从迭代收敛速度还是结果准确性上都要优于传统算法。     

新的超声立体视觉数据增强技术

针对超声成像噪声大、数据质量严重退化的特点,提出了一种新颖的非稳定度度量算法,该算法通过加强图像变化较大的部分来实现超声数据的增强.给出了输入信号信噪比不同情况下非稳定度算子与Deriche算子的输出仿真结果;通过兔子肝脏和12周胎儿的实际数据计算,得到了二者经非稳定度算子处理前后的超声立体视觉图像.研究结果表明,非稳定度数据增强技术对噪声不敏感,通过对比处理前后的图像可清晰地看出非稳定度算子能够有效地改善超声立体视觉成像的质量.     

非稳定度度量的数据增强技术及其在超声立体视觉中的应用

目的：医学超声立体成像是超声三维成像的一种实现方法,它能够直观的显示人体内部组织器官的情况,但超声数据的声学噪声以及数据质量严重退化的特点导致成像图像质量较差,严重影响了该技术的应用和发展。因此本文提出一种新的算法来解决这一问题。方法：提出了一种新的度量非稳定度的数据增强算法,该算法能够突出图像变化较大的部分,例如边缘。从而实现对超声数据的增强。结果：通过兔子肝脏和12周胎儿的实际数据的计算,得到两者超声立体视觉图像的非稳定度。结论：由处理之前后的对比图像可清晰地看出利用所提出的非稳定度度量的数据增强算法可以有效改善超声立体视觉的成像质量。     

超宽带雷达系统中图像恢复新算法

针对超宽带穿墙雷达系统中低信噪比同波信号成像困难的问题,提出了一种基于子空间的约束最小二乘扩展多通道盲图像恢复新算法.在建立穿墙雷达成像退化模型的基础上,将穿墙雷达成像的高分辨问题转化为多通道肓图像恢复问题,并通过把子空间的概念转化为对降晰函数的约束,构造了新的代价函数进行扩展多通道的盲图像恢复.实验结果验证了本文提出的新算法能有效的改善雷达图像的分辨率.     

基于神经网络算法的故障检测技术

针对复杂的机电产品内部构件状态检测这一工程难题,本文介绍了一种自动在线检测系统.该系统采用X射线对产品成像,运用数字图像处理技术对射线图像进行预处理,由神经网络算法进行故障诊断.故障识别模型采用了改进的BP神经网络算法,以正常装配状态时的多幅图像经预处理后作为学习样本训练BP神经网络.检测时一般只需拍摄两幅不同方位的图像,经预处理后输入神经网络与样本图像进行比较判断,即可识别出关键元器件的状态.该系统将数字射线成像技术和图像处理技术相结合,并在故障识别算法中采用了神经网络算法,提高了产品故障的检测速度和可靠性,在工业无损检测领域具有一定的实用性.     

基于Fourier-Meliin算法的干涉图像配准

提出了采用Fourier-Mellin算法对大孔径静态干涉成像光谱仪的原始干涉图像进行配准的方法,用于校正由于推扫平台系统姿态不稳所造成的失真.采用Fourier-Mellin算法和相位相关算法求取干涉图像的旋转角度和缩放及平移参数,并通过多帧未校正的图像和校正后的图像分别拼接成大面积地域图像来验证算法.实验结果表明,通过人眼判断,可以实现对图像的配准,配准精度达到1Pixel,基本满足将LASIS原始干涉图校正为不失真图像的要求.