一种基于数据融合的图像插值算法

针对传统的线性插值算法存在的边缘模糊问题,本文提出一种新算法.首先采用距离平方反比的插值方法在插值点邻域内计算水平、垂直和对角三个方向共6个插值,然后以插值距离和方向梯度构造权重,进行数据融合获得最终插值.该算法既考虑了插值距离因素,又考虑了插值方向梯度信息,有效地保护插值图像的边缘和纹理信息.实验结果表明,该算法的插值图像比传统的双线性插值法均方误差降低而平均梯度增加,是一种提高插值图像分辨率的有效方法.     

基于激光点云数据的叶片型面三维重构

在四坐标叶片型面检测基础上,提出基于激光点云数据的叶片型面三维重构方法。激光位移传感器对叶片型面进行多视角扫描采样,快速采集叶片型面海量点云数据。运用由点到线到面的数学建模原理,先基于端点一阶导矢连续法拟合出光顺NURBS曲线,再依据分片能量法构建辅助曲面拟合出光顺NURBS曲面,最后对分片NURBS曲面进行统一描述,构造出精确光滑的叶片型面,实现叶片型面的三维重构。实验结果表明：采用该方法实现对各类叶片复杂型面的三维重构,重构误差均<0.015 mm,能够满足精密零件的测量需求。     

小波变换遥感图像的数据融合

利用小波变换方法进行多卫星遥感图像数据融合，分析不同长度的小波基对融合图像的影响，从信息的保持性、视觉效果及运用灵活性等方面与IHS、PCA融合算法进行了比较，从而探讨这一新算法在遥感图像分析应用中的可行性。     

基于Retinex的弱可见光和红外图像融合算法

目的 针对目前弱可见光与红外图像融合后的图像仍存在细节大量丢失、目标模糊不清的问题,提出一种基于Retinex对弱可见光图像进行增强预处理后,再基于NSST和SWT变换进行图像融合的算法。方法 首先用SSR对弱可见光图像进行增强处理,增强后的可见光和红外图像进行NSST分解得到第1次的高低频系数,高频系数采用基于局部能量特征的方法进行融合;低频系数经过SWT分解得到第2次高低频系数,第2次的高频系数采用同样的方法融合,低频系数采用线性加权方法融合,然后将第2次高低频的融合结果经过SWT逆变换得到新的低频系数。最后把第1次高频系数融合结果和新的低频系数进行NSST逆变换得到融合图像。结果 通过仿真实验,将文中算法与NSST,NSCT以及文献[5]算法进行对比,结果表明主观视觉上融合图像细节更加清晰,客观评价上,平均梯度、空间频率（SF）、标准差、信息熵、边缘信息保留量等指标分别提高了35.63%,26.73%,16.89%,7.2%,4.6%。结论 文中算法对图像融合有较好的改善作用,融合图像的可视性和图像质量都得到显著提高。     

基于激光与视觉数据融合的改进SLAM算法

为了提高建图的鲁棒性,本文提出了一种基于激光同时定位与建图(SLAM)与视觉SLAM融合的新算法。传统算法通过传感器数据的距离信息变化量来估计其姿态,在大多数情况下能准确定位机器人的姿态。然而在退化环境中,例如机器人在长廊或者沿着单面的墙壁运动时,传感器周围环境结构特征基本无变化。此时,来自激光传感器的数据不随时间和运动而变化。针对这一问题,本文提出了一种基于激光与视觉数据融合的改进SLAM算法。其主要思想是根据激光测量的结果引入角度置信度,对2种传感器的数据进行加权融合。2种传感器的权值将随角度的变化而变化。实验结果表明,与传统激光SLAM算法相比,算法融合视觉数据后,在走廊等结构退化环境中能实现更好的定位效果,同时建图结果优于传统激光SLAM算法。     

基于均方差快速增强的图像修复算法

在分析几种关键图像修复算法的实现原理、适用性及其优劣的基础上,针对目前图像修复算法可能存在适用性有限、优化修复算法中存在的算法复杂度较高或者未考虑破损图像的结构信息的情况,提出了一种基于数据融合的加权均方差快速增强图像修复算法,并将其应用于壁画和自然图像的修复实验中。通过系统仿真实验证明,在修复强结构纹理自然图像和壁画时该方法能紧密结合图像结构信息进行有效地修复,同时,其适用性在原有的基础上有所提高。     

应用统计信号处理和模糊数学的图像融合算法

针对多传感器图像在像素级上的融合问题,将模糊数学理论引入到图像融合模型。该模型假定理想的融合后的图像包含场景所有的信息;将它乘上一个模糊因子,再加上随机噪声,可用来描述某一个成像传感器中获得的场景图像;不同的传感器对应不同的模糊因子和噪声。在此基础上,提出了建立在非多尺度分解框架下的图像融合算法。它以各传感器获取的图像作为输入条件,应用统计信号处理中的EM算法,求出针对不同传感器的噪声参数和模糊因子,通过迭代估计出融合的图像。实验结果显示,该算法获得的融合图像的互信息和联合熵分别达到3．5079和24．732,均优于加权平均融合法、小波融合算法和Laplacian融合算法的融合质量。     

点云数据的曲面重构新算法

针对采用视觉测量方式得到的点云数据特点,提出了基于动力学数值仿真的网格曲面逼近方法,依据曲面率变化特性,该方法可对点云数据进行自适应压缩,并能显著提高逼近网格的品质,从而实现了点云数据的精确曲面重构。实际的算例结果表明,该方法实用可靠。     

基于FPGA的图像数据融合技术研究

针对激光器照射动态靶板测试时,由于运动靶板带来的光斑畸变问题,提出了一种基于FPGA(FieldProgrammable Gate Array)的图像数据融合的设计方法.文中将数字CCD(Charge Coupled Device)相机采集到的激光光斑图像信息、BD2(BeiDou2Navigation Satellite System)/GPS(Global Position System)授时模块提供的精确的时间数据信息以及跟踪转台提供的方位、俯仰的角位置信息,利用卡尔曼加权融合算法,在FPGA内部实现数据信息的融合,使得在一幅光斑图像上同时体现多源信息.结果表明:测试完成后通过判读带有融合了角位置以及时间信息的图像数据来对光斑图像进行畸变校正,减小了畸变误差对系统的影响,大大提高了光斑重心检测精度.     

一种子带杂交多算子图像融合算法研究

提出了一种新的多传感器图像融合算法。该算法综合考虑小波同层各子带及相邻层子带分解系数的特征,采用基于图像空间能量窗测度的自适应多算子规则构造融合图像。对可见光与红外图像、可见光与毫米波图像融合试验结果表明,融合图像含有更丰富的信息量,有效地保留了输入图像的互补特征信息。     

基于梯度投影稀疏重建算法的电容层析成像图像重建

为解决两相流中存在中心物体、物体比较小或存在多个物体且相距较近时电容层析成像(ECT)重建图像精度较差的问题,基于稀疏分布的流型其介电常数分布满足稀疏性的先验条件,采用梯度投影稀疏重建(GPSR-BB)算法进行ECT图像重建。仿真及实验测试结果表明:GPSR-BB算法对于流体中小目标以及复杂流型的图像重建质量较好,重建图像的形状保真度高。     

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。     

基于RGB-D值的三维图像重建系统研究

针对目前视频画面角度固定、缺乏深度和人机互动的问题,本文利用Microsoft Kinect体感摄像机可以同时获得彩色图像和深度图像的特点,搭建了基于多台Kinect的三维图像重建系统,实现了在DepthOfField10.1环境中可以手动旋转,看到不同视角的三维图像.本系统首先通过校准得到相机标定参数,然后将获取的彩色图像和深度图像进行自身数据融合生成一组三维点云数据,同时通过坐标转换将三维数据在世界坐标系中表示,再将多组点云数据进行融合重建,在进行重建的过程中运用纹理贴图技术进行渲染,得到3D图像.由此得到的立体图像可以通过旋转看到各个角度的三维图像,具有很强的立体感.通过对系统的初步实验验证了本系统的可行性.实验结果表明:本系统可以实现手动旋转三维图像,获取不同角度的三维画面,增强人机互动.     

基于图像的曲面光顺算法

针对目前曲面光顺算法存在的问题,提出了一种由平滑曲面在平行光照射下图像达到光顺的思想而形成的曲面光顺算法。该算法直接平滑曲面在平行光照射下的图像,然后通过光度立体技术反求出光顺后的曲面。由于能直接平滑曲面在平行光照射下的图像,使得光顺后的曲面在基于光照模型的曲面光顺准则下具有很的好光顺性质。应用实例显示,该算法能在保持原曲面形态的基础上达到很好的光顺效果。     

基于纹理特征与最优稀疏表示的图像修复算法

目的解决当前图像修复算法忽略了对修复块后续的优化处理,导致修复图像易出现不连贯效应以及块效应等的不足。方法提出基于纹理特征与稀疏表示的图像修复算法,首先利用像素点对应的数据项,构造了优先权模型。然后,利用像素点在R,G,B分量上对应的像素值来构造纹理特征度量模型,对待修复块中像素点对应的纹理特征进行度量,并根据度量结果,选择其对应样本集的大小。引入SSD型,从样本集中搜索与待修复块最相似的最优样本块,对待修复块进行填充。最后,利用最优样本块函数,构造最优稀疏表示模型,从而实现图像修复。结果仿真结果显示,与当前图像修复算法相比,所提图像修复算法具备更高的复原质量,能有效克服修复图像中出现的不连贯效应以及块效应。结论所提算法具有较高的修复视觉质量,在数字图像处理领域具有较好的应用价值。     

基于改进SR3模型算法的ECT图像重建研究

针对电容层析成像技术应用于气固两相流检测时,图像重建过程中存在的不适定性问题,提出一种稀疏松弛正则化回归模型(SR3)应用于ECT图像重建。采用软阈值迭代法和梯度下降法为SR3模型求解器,向SR3模型中加入L1、L2惩戒项,并设计滤值环节优化解向量。实验结果表明,改进SR3模型算法相比Tikhonov正则化算法、L1正则化算法及原SR3模型算法,重建图像精度明显提高,图像相对误差显著降低,有较好的成像效果。     

基于lp范数的ECT图像重建算法研究

针对在ECT图像重建过程中,基于lp-范数的非凸压缩感知算法常存在计算量较大以及现有的近端映射算法受一些特定的p值限制而导致成像分辨率较低的问题,利用改进的插值函数替换lp-范数xpp,通过调整参数使得改进的函数无限逼近lp-范数xpp,同时引入阈值表示理论,并在此基础上提出新的自适应阈值迭代算法对新模型进行求解。实验结果表明,改进后的自适应lp-范数重构算法相对于Landwebr算法、迭代重加权最小二乘法具有更强的适应性,更高的图像分辨率,更快的成像速度。     

基于SVM的ECT图像重建算法

电容层析成像（ECT）技术是基于电容敏感机理的过程层析成像技术。ECT的图像重建是一个典型的有限样本非线性映射问题。支持向量机（SVM）作为一种小样本处理方法,具有较强的泛化能力,被认为是目前针对小样本分类问题的最佳理论。提出了一种基于SVM的四层神经网络的图像重建算法,仿真结果表明,该算法用于三相流图像重建具有较强的空间分辨率和泛化能力。