RGB彩色图像自动聚集系统

根据RGB图像与灰度图像转化关系和各分量特征,提出了改进的局部最大梯度分量评价函数.与灰度图像梯度评价函数相比,局部最大梯度分量评价函数具有更好的适应性和尖锐性.经区域定位爬山算法实验表明,局部最大梯度分量法具有很好的聚焦精确度.     

叠焦三维显微视觉测量聚焦评价算法研究

为了精确、快速提取叠焦三维显微视觉测量的叠焦图像序列像素点聚焦位置,提出了基于最大梯度的聚焦评价算法。设计了2个带通掩膜算子和4个高通掩膜算子,在带通信号和高通信号中提取每个像素点对于相邻像素点强度变化的最大值来表示该点的聚焦程度,以提高聚焦评价函数提取梯度信息的能力。采用自适应梯度阈值分割算法提高了聚焦评价的灵敏度,降低了聚焦评价曲线的波动及次峰的影响。开展实验对算法的实际性能进行验证,结果表明：相较经典的空间域聚焦评价算法,基于最大梯度的聚焦评价算法的鲁棒性、灵敏度、无偏性和单峰性均显著提高,且具有很好的实用性,能够有效满足复杂轮廓微纳米级三维显微测量聚焦评价要求。     

离焦模糊图像的自适应滤波及逆滤波器复原

在微操作中,显微视觉系统获取的图像通常是离焦模糊图像.根据最小二乘原理和回归模型设计自适应滤波器,用于消除图像噪声,提高图像的信噪比;离焦模糊图像的退化模型可用圆盘函数描述,利用模糊图像频域的零点位置来估计圆盘函数的模糊参数;采用基于简化Wiener滤波的逆滤波器方法对模糊图像进行复原.对算法进行了仿真和实验分析,结果表明,该方法能够以较少的运算时间代价获取较好的复原效果.     

基于散斑图像梯度域的数字图像相关盲去模糊方法EI北大核心CSCD

针对复杂测量环境或高动态测量过程中出现的运动模糊问题,提出了一种灰度稀疏先验与参考图像梯度域先验相结合的散斑图像盲去模糊方法。该方法以灰度直方图峰值的L 0范数与参考图像梯度域分布建立优化函数正则项,使用二次分裂方法估计清晰图像,再以交替迭代的方式进行卷积核细化。在模糊核估计完成后,使用Richardson-Lucy非盲去卷积方法完成散斑图像的复原。实验结果证明:所提出的散斑图像盲去模糊方法与针对自然图像与文本图像的经典方法相比,获得了更优的图像去模糊效果,并提高了数字图像相关测量精度与鲁棒性。     

基于改进梯度向量流形变模型的动目标检测方法

针对现有图像序列动目标检测技术抗噪声能力较差、跟踪性能鲁棒性不强的不足,提出了一种改进的梯度向量流形变模型算法,该算法构造了新的梯度向量场,利用图像灰度梯度信息、帧间运动信息以及邻域灰度信息相结合进行梯度向量场计算.仿真试验结果表明,该方法较好地克服了图像序列中随机噪声的影响,计算出的梯度向量场基本没有干扰区域,同传统向量场相比较,有效地提高了算法的抗噪能力和跟踪结果的准确性,可更好地实现图像序列的动目标检测.     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用模糊支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值:然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明,本文提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.     

基于人眼视觉特性的邻域自适应模糊增强算法

针对灰度适中时人眼分辨力较强的视觉特性,利用Prewitt算子求得梯度图像,并在隶属函数的定义中引入像素的邻域均值分量,对梯度图像进行模糊域的自适应增强。实验证明该算法克服了传统模糊增强算法会对噪声点进行增强的缺点,在增强图像细节的同时有效地抑制了图像的噪声。     

基于液体变焦透镜的火焰光学分层成像系统标定

火焰三维温度分布的测量具有重要意义。本文针对一种基于液体变焦透镜的火焰光学分层成像系统,开展了标定实验研究:用熵函数评价图像清晰度,标定了成像系统焦平面位置与液体镜头工作电压间的关系;将光学系统准确聚焦在各目标平面,以高斯函数为离焦模型,标定了光学系统的点扩散函数。实验结果表明:高斯离焦模型具有足够的精度,可满足基于液体变焦透镜的火焰光学分层成像系统要求。     

玻璃焊带直线检测算法研究

为了实现工业上玻璃焊带高效、高精度的自动切割,提出了一种投影梯度法(Projection Gradient Method,PGM):新方法首先将待检测的原图像进行模板匹配,获得一个待检测直线区域的子图像,再将子图像在垂直方向进行投影,获得灰度投影向量并求梯度得到灰度投影梯度向量,然后将子图像围绕中心旋转,当待检测直线与投影方向平行的时候,投影梯度向量的极大值是最大的,再根据图像的旋转和平移变换可求出待检测直线的方程.实验结果表明:梯度投影法能够满足玻璃焊带实时检测切割的要求.     

模糊控制与图像处理技术实现的聚焦方法

为提高图像测量系统的精度,提出了一种由模糊控制与图像处理技术实现的自动聚焦方法。通过线性拟合与同态滤波滤除噪声后,用改进的梯度平方函数作为聚焦评价函数,提高了聚焦灵敏度;运用模糊控制技术改换搜索方式,实现了实时自适应变步长搜索,保证系统快速准确聚焦。实验结果表明,该聚焦方法具有单峰性,响应快,鲁棒性强,在±100μm范围内自动搜索,定位时间小于2″,聚焦不确定度达±1μm。     

The Change in Fractal Dimensions When an Image Is Degraded

The relation between the fractal dimensions and the degradation (blurring and defocusing) of image space in the region of the exit plane of an optical system is established.     

电子稳像技术在船载电视监视系统中的应用

本文简述了电子稳像技术的基本原理,重点介绍了国内自主研发的船载电视监视系统电子稳像器的实现和主要性能特点,以及为满足性能要求而采用的运动检测和补偿技术.该电子稳像器采用灰度投影算法检测序列图像当前帧和参考帧之间的运动矢量,并且通过算法改进实现亚像元检测.在补偿图像运动时,通过采用平滑算法,避免了在图像补偿时出现的马赛克现象,保证了图像补偿精度.实验结果表明,本文提出的电子稳像器具有稳像精度高,实时处理能力强和较好的实际应用效果.     

光滑逼近超完备稀疏表示的图像超分辨率重构

为改善单帧降质图像的分辨率水平,提出了一种新的基于稀疏表示的学习法超分辨率图像重构方法。针对信号在既定的欠定超完备字典下的非稀疏性问题,采用光滑的递减函数逼近L0范数以避免对稀疏度先验的依赖,从而实现待重构图像块的有效稀疏表示,同时通过梯度下降的迭代优化获得稳定的收敛解。与双立方插值相比,图像的三倍超分辨实验显示,图像峰值信噪比(PSNR)提高2dB,框架相似性(SSIM)改善0.04,重构图像剔除了更多的模糊退化及边缘伪迹。该方法适于单帧降质图像的超分辨率增强。     

一种超松弛原始对偶不动点算法及其应用

近年来,关于两个凸函数和的优化问题受到极大关注,其中一凸函数可微且其梯度满足 Lipschitz 连续性,另一凸函数包含有界线性算子。提出一种超松弛原始对偶不动点算法求解这一类问题,相比于原始对偶不动点算法,所提算法扩展了松弛参数的选择范围。通过定义合适的范数,运用非扩张算子不动点理论,证明所提迭代算法的收敛性,并证明算法的遍历收敛率。在对目标函数一些强的条件下,证明算法具有全局线性收敛率。最后,为验证算法的有效性和优越性,将所提算法运用于求解全变分图像复原模型,数值结果表明,选择松弛参数大于 $1$ (即超松弛) 的原始对偶不动点算法比松弛参数小于 $1$ 时算法收敛更快。     

实时自动对焦的研究

提出一种自动对焦技术,其调焦评价函数棗图像的平面微分平方和能够反映图像高频分量的能量。用计算平面微分平方和的方法在空间域上计算相邻像素亮度差值的平方和,对应于在频率域上计算图像高频分量的能量和,此值越大,图像对焦越准确。用平面微分平方和计算一行图像(N个像素)的调焦评价函数时,计算时间仅为2 (N -1)个时钟周期。     

A study on restoration of iris images with motion‐and‐optical blur on mobile iris recognition devices

Iris recognition is a form of biometric technology that authenticates individuals by using the unique iris patterns between the pupil and the sclera. To solve security problems in mobile environments, mobile iris recognition devices have been commercialized recently. A motion‐and‐optical blurred image can be sometimes captured because users capture the iris images of a testee by holding the recognition devices. Motion‐and‐optical blurred images reduce iris recognition accuracy. Previous researches of restoring iris image only dealt with optical or motion blurred image. To overcome these problems, we propose a new method of restoring motion‐and‐optical blurred iris images at the same time. This article presents three contributions over previous research. (1) A new focus assessment method is proposed to measure accurate focus scores regardless of motion blurring. (2) Previous research restored coexisting motion‐and‐optical blurred images in terms of visibility, but in this article, we restored them in terms of recognition. (3) We used a modified CLS (Constrained Least Square) filter to prevent the zero‐crossing of the PSF (Point Spread Function) of motion blurring with a uniform shape. So, the iris recognition accuracy was better than when using a conventional CLS filter. Experimental results showed that the EER was 0.796% when using the proposed method and it was 1.431% when not using the proposed method. Consequently, the EER was reduced as much as 0.635% (1.431–0.796%) when using the proposed method. © 2009 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 19, 323–331, 2009     

基于优先权和匹配度量的图像修复算法

目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。     

Image formation and tomogram reconstruction in optical coherence microscopy

In this work we present a model for image formation in optical coherence microscopy. In the spectral domain detection, each wavenumber has a specific coherent transfer function that samples a different part of the object's spatial frequency spectrum. The reconstruction of the tomogram is usually accurate only in a short depth of field. Using numerical simulations based on the developed model, we identified two distinct mechanisms that influence the signal of out-of-focus sample information. Besides the lateral blurring induced through defocusing, an additional axial envelope contributing equally to the signal degradation was found.