高分辨率多屏平动体积显示系统

描述了一种基于多屏平动扫描的高分辨率体积显示系统及其原理样机。通过 DMD向多个圆周平动的成像屏投射二维图像序列,借助人眼视觉暂留效应,此动态刷新的二维图像序列被感知为一个具有物理景深的三维图像。其光学投影模块保证了投影仪与成像屏之间的光程不变,从而构建了清晰稳定的成像空间;采用 FPGA设计高速数据通道,带宽达到了 18.75 Gbps,使得每个三维体积帧包含 512个二维图像切片,总体素超过 4亿,刷新频率达到 12 Hz。成功研制了原理样机,达到了预期的三维显示效果。     

基于镜像序列的体积显示

描述了一种基于镜像序列的体积显示方法及其原理样机.该方法用基于DMD的数字光学引擎在静止的背投屏幕上生成二维图像,此图像经沿法线方向作往复运动的前表面反光镜的反射后,形成一个连续的镜像序列.当二维图像与反光镜的位置作同步刷新时,借助视觉暂留效应,该镜像序列被观察者感知为一个具有物理景深的三维图像.该三维图像由大小一致、分布均匀的体素构成并且没有因屏厚造成的暗影,因而适合三维工程设计对象的精确显示.较之直接移动投影屏幕的方式,该方法避免了实时调焦、放大率校正等光学成像问题,同时将机械扫描的行程缩小了一半.     

倾斜镜面成像的自动调焦方法

倾斜镜面成像系统的像面与光轴倾斜,仅利用轴向自动调焦无法实现像面整体清晰。为此提出一种基于图像清晰度判断的自动调焦方法。该方法将轴向调焦与角度调焦相结合,通过步进方式平移和旋转像接收面,利用离焦函数判断聚焦情况,采用数据拟合回归的方法实现了像面整体清晰。该方法在椭偏成像系统的应用结果验证了其有效性,调焦精度达到微米量级。     

神经网络在二维图像识别中的应用

本文提出了一种基于神经网络的二维图像识别技术。选取一组机械零件的二维图像,对每张图像进行放缩和旋转变换,并分析、提取对应图像的nmi特征和7个不变矩特征作为BP网络的输入样本,图像的二进制编号为输出样本构建BP神经网络。并对网络进行抗干扰训练,使网络对理想输入及带噪声的输入均有较好的识别率。实验证明该网络具有一定的工程实用性。     

基于数字微镜器件和旋转螺旋屏的体三维显示系统

研究了一种新型体三维显示系统.利用数字微镜设备(DMD)作为高速空间光调制器(SLM),将三维物体的面片模型经过体素化而获得的螺旋切片序列投射到旋转螺旋屏上,基于视觉暂留效应,按时序高速变化的切片序列被人眼感知为具有真实物理深度的三维图像.重点阐述了基于旋转螺旋屏的成像空间构成方法,分析了基于体立方(BCC)采样策略的体素化方法,设计了针对二值切片图像的DMD 控制算法.实验结果表明,BCC 采样策略减少了40%以上的体显示数据,DMD 的高速响应能力使得原理样机较基于振镜的设计更具显示复杂物体的能力,在500 mm×250 mm 的半圆柱形成像空间内显示的三维图像可以选择任意视点直接观看.     

图像内容引导的宫颈细胞薄片精细调焦方法

由于景深大小限制,液基宫颈细胞薄片的高倍显微成像存在群细胞和单细胞分层清晰现象,传统的自动调焦方法难以达到调焦目的.本文提出图像内容引导的精细调焦方法,分离群细胞和单细胞,对各自的图像内容进行调焦,从而定位群细胞和单细胞清晰位置.实验结果表明,该方法可有效定位宫颈细胞薄片群细胞和单细胞各自的清晰位置.     

光学系统离焦对自动调焦评价函数的影响

调焦过程可分为调节物距、调节像距和移动镜头三种情况。基于几何光学关系,推导了三种情况下的弥散斑半径和横向放大率与离焦量的关系。利用数字图像处理方法,模拟了这两个因素对自动调焦评价函数的作用,表明弥散斑的扩散在焦前焦后呈现对称影响,而横向放大率的影响则沿光轴单调下降,二者叠加,造成峰值两侧的不对称。当光学系统F数增大时,调焦评价函数变得平缓,从而使横向放大率的影响变得显著,最佳像面因此向焦前偏移。利用CCD成像的实验证明了上述观点。     

全息空间三维显示研究

本文基于计算全息、光电衍射再现及散射成像等技术,研究全息空间三维显示,利用随机相位抑制全息空间三维再现像的散斑噪声,实现高分辨率全息空间三维显示。同时,测试不同厚度的散射介质屏对三维成像的影响,探究全息空间三维显示的亮度变化规律。     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

序列图像中运动目标检测

提出动态背景下序列图像中的运动目标检测算法。利用像素邻域的各向同性对图像进行归一化,消除亮度变化等因素的影响;利用光流信息并结合小波变换由粗及精计算速度场来配准图像;用当前帧作参考图像,通过时域积分校正背景图像。当前帧与校正后背景图像作差得到差分图像。假设该差分图像中噪声分布为高斯分布,由高斯分布的3σ特性滤除差分图像中的噪声,则粗定位出目标;最后以聚类方法确定运动目标区域。分别对200帧可见光和200帧红外图像序列进行实验,检测率分别为95%和94%。