高精度图像尺寸检测镜头畸变校正方法与实现

在高精度轴类零件尺寸图像检测中,提出了一种基于标准件法对镜头径向畸变进行快速校正的方法。该方法通过建立世界坐标转换到摄像机坐标、然后再转换到图像坐标的理想数学模型,并引入径向畸变参数,最终确立物体在世界坐标中与图像坐标中的映射关系,从而建立误差补偿曲线的高次拟合函数。利用得到的误差补偿函数的系数矩阵和径向畸变参数,实现镜头畸变的误差校正,有效改善了镜头畸变造成的检测误差。实验表明,该方法快速有效,提高了检测精度、降低了设备成本、检测精度可达2 μm。     

短焦距图像非线性变换研究与实现

随着科技发展,视频图像技术已经融入现代生活。通常,在相机拍摄过程中图像会发生形变,影响输出结果,不能达到图像质量要求。本文是针对短焦距摄像机镜头的畸变进行数字校正,通过建立镜头畸变模型,找出径向畸变算法,并利用光学成像的基本规律计算关键点值,从而对原始图像进行校正。最后利用MATLAB对研究内容进行验证。验证结果表明,该方法具有简单、实用的特点。     

基于渐变方程的鱼眼图像校正方法

由于具有短焦距、大视场等特点,近年来鱼眼镜头被广泛应用于不同领域。但同时也存在鱼眼图像畸变较严重的问题,针对这一问题,提出了一种基于渐变方程和经纬映射模型的图像校正算法。利用经纬映射模型导出鱼眼图像中的相互关系,提取校正前后坐标的关系方程,然后引入渐变方程,实现图像校正。实验结果表明,该算法具有良好的校正效果。     

鱼眼图像畸变的双向经度快速校正方法

大视场角的鱼眼镜头在成像时由于不同视场垂轴放大率不同,从而产生畸变使最终成像弯曲变形,这为识别和测量等应用带来了不便。针对传统经度校正方法的不足,将算法改进为双向经度鱼眼图像快速校正算法。通过对鱼眼图像有效区域进行划分,并对不同区域内的畸变点在横、纵两个方向上分别建立校正模型,确定畸变图像与理想图像之间坐标映射关系,求取校正坐标的位置。最后对图像进行非线性拉伸,改善图像中心与边缘放大率不同而产生的"膨胀感",获得符合人眼视觉习惯的图像。运用Matlab对3组图像进行校正实验,结果表明,该算法能快速有效地对鱼眼图像进行畸变校正。     

图像畸变校正算法在测量中的应用

工业用镜头对物体进行取像时,物体会产生畸变失真。畸变对物体参数的后续测量产生影响,所以必须对畸变图像进行校正。本文通过对已有图像畸变校正算法的介绍比较,采用了一种不拘泥于具体镜头,适用性强的校正算法。此算法首先根据畸变图像产生的原理对径向畸变建立模型,算法第一步使用亚像素边缘算法对失真图像定位边缘、提取边缘点;第二部用最小二乘法对提取的边缘点进行线性拟合,得到所有点与标准点的总平方和;第三步使用LM算法对第二步得到的总平方和进行优化参数处理,得到最优参数;第四步将最优参数带入反校正模型,最终还原图像。还原后的图像与标准图像相比,校正结果的精度可以达到1个像素的最大误差。     

线阵CCD测量系统的镜头畸变校正新方法

提出了一种线阵CCD测量系统镜头畸变校正的新方法.用线阵CCD相机及经纬仪组合体,对空间周期黑白条纹图像照相,通过图像处理和matlab曲线拟合建立图像像素坐标与无镜头畸变的理想像素坐标的关系式,即畸变校正函数.利用畸变校正函数可校正线阵CCD镜头畸变.将该方法应用于线阵CCD散布正交交汇测量系统后(两相机间距为1 561 mm),测量误差由畸变校正前5 mm提高到畸变校正后的0.9 mm.实验结果表明,用该方法进行镜头畸变校正后,线阵CCD散布测量系统的精度得到了显著的提高.     

医用电子内窥镜光学镜头图像畸变数字校正方法

本文提出了一种新的大视场光学镜头畸变的计算机数值校正方法。首先设计了用于医用电子内窥镜的 12 0°大视场短焦距物镜 ,计算出 2 2个视场角的畸变值 ,通过这些畸变值拟合出视场角随畸变变化曲线。通过这条曲线可以计算出镜头在 CCD上所成图形的每一点的畸变值 ,进而计算出图像上每一点的理想位置 ,通过畸变图像上的点与理想图像的对应关系进行了计算机软件模拟校正 ,并设计了硬件校正电路。     

基于卷积神经网络的胸环靶面畸变校正算法

实弹射击是部队的基础军事训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而,计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响,导致被测对象的图像产生畸变,最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度,提出一种基于卷积神经网络的畸变校正算法,只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后,输入一张畸变图片就可以得到该图片的畸变参数,并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明,该算法校正效果较好,有利于提升基于计算机视觉的自动报靶系统的报靶精度。     

基于精确模型和逆投影的超大视场红外图像畸变校正

针对超大视场红外图像畸变大、与人眼视觉差异明显的问题,提出了一种基于精确模型和逆投影的超大视场红外图像畸变校正算法以改善其视觉效果.该算法首先利用精确模型对超大视场红外相机成像中的物、像关系进行描述;然后,针对红外图像像素采样率不高的缺点,利用较为精确的三次卷积插值法对图像进行插值来补全成像信息;最后,根据校正图像上的待赋值像点的坐标,结合校正模型和超大视场红外相机精确模型,计算该像点逆投影到插值图像时的对应坐标,并以最近邻像点像素值作为校正后图像像点的赋值.车载道路场景下的超大视场红外图像畸变校正实验结果显示,所提出的算法图像校正结果边界清晰、无锯齿效应,对场景中的直线平均还原偏差小于0.35 pixels,表明该算法对超大视场红外图像畸变校正具有较好的适用性.     

基于图像的模拟相机标定方法的研究

从光学测量角度出发,结合计算机主动视觉中的相机标定方法及数字图像处理技术,提出了一种CCD摄像系统畸变校正方法.该法通过使用经纬仪,不需相机做任何运动就能实现全过程的标定.该方法在摄像机模型中全面考虑了镜头的径向畸变,利用图像中心附近点畸变量较小的性质,用中心附近点和全场视点对摄像机内部参数和像差修正参数进行标定,最后由最小二乘法得到摄像系统畸变模型的畸变系数,解决了CCD摄像系统的畸变校正问题.与传统的相机标定不同,畸变校正中仅标定数字图像中像素间距和相机焦距.该法运用了亚像素细分算法,提高了测试系统的精度,是一种简单、有效、实用的标定法.     

字符串相似度度量中LCS和GST算法比较

就字符串相似度度量算法的LCS和GST在概念、实现、效率方面进行比较分析,简要探讨了两种算法的应用领域.     

VBLAST系统的译码算法研究

对已有的传统译码算法如迫零算法（ZF）、最小均方（MMSE）算法、连续抵消（SIC）算法等的性能进行了研究,并在此基础上提出将迫零算法与连续抵消算法、最小均方算法与连续抵消算法相结合,构成迫零-连续抵消算法（ZF-SIC）与最小均方-连续抵消算法（MMSE-SIC）,从而明显改善系统的误码性能。此外,对收发两端采用不同天线数时的系统误码性能进行了仿真与分析,同时仿真分析了系统采用QPSK与16QAM调制方式的误码性能,最后给出仿真分析结果。     

一种Turbo译码算法改进研究

Turbo码是近年来广泛应用于通信系统中的一种性能优异的编码方式.文中首先分析了基于最大后验概率的Turbo码传统译码算法,然后指出了使用这类算法具有大译码延时的缺点,分析了常用的能减小译码延时的SW-MAP算法;最后根据此算法的特点提出了SW-MAP算法的改进方案.算法改进后能有效降低译码延时,提高译码性能.     

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类（MUSIC）算法、最小模算法和ORPD算法是来波到达方向（DOA）估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下,对这几种算法的分辨性能作了比较。仿真结果表明：MUSIC算法是最稳定的一种算法;在预知大致方位的前提下。ORPD算法分辨性能最好;对于提高各种算法的分辨能力,改善信噪比相对增加阵元数目更有效。     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。     

基于SLM-PTS算法融合的NC-OFDM峰均比优化

基于非连续正交频分复用（non-continuous orthogonal frequency division multiplexing，NC-OFDM）模型，提出和研究了选择映射（selected mapping，SLM）算法和部分传输序列（partial transmit sequence，PTS）算法，及其SLM-PTS融合优化技术，设计了融合模型和改进流程。仿真结果与其他文献方法进行了对比，验证了SLM-PTS的融合具有优秀的峰值平均功率比（peak to average power ratio，PAPR）降低能力，但缺点是算法实现复杂度过高。因此，又进一步提出了互补型映射和限幅的联合算法（SLM-Clipping）融合解决方案，并利用深度学习方法建立PAPRnet模型。仿真结果验证了此算法对NC-OFDM系统具有PAPR良好的抑制效果，而且能够提高仿真运算效率。     

RFID防碰撞算法的研究

随着物联网技术的高速发展,作为其关键技术之一的RFID显得愈为重要。标签碰撞的应用在RFID系统中是不可避免的,因此RFID防碰撞算法是RFID系统中一个重要问题,直接决定了RFID系统可以识别多个标签的能力。目前防碰撞算法在时域上主要可以分为非确定性算法（ALOHA算法）和确定性算法（树形算法）两大类。本文分析了现存的两大类算法中主流的防碰撞算法,总结出两大类算法的优点以及存在的问题。通过MATLAB仿真进一步证明此结论,并总结未来研究中需要继续关注的问题与方向。     

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法（Combined Least Mean Square ,CLMS ）,将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法（Variable Step-size Convex Combination of LMS ,VSCLMS ）做出改进,提出了一种新的VSCLMS算法。在该算法中,对快速滤波器选用以最小均方权值偏差（Minimization of Mean Square Weight Error ,MMSWE）为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差（Least Mean Square , LMS ）为准则的固定步长滤波器。通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径。