图像匹配技术在套印误差自动检测中的应用

准确检测套印偏差是印刷机自动套印系统中最为关键的技术;针对印刷色标图案的特点,提出了一种新的基于图像匹配的套印误差检测方法,通过相关匹配处理获取各单色色标的位置,并巧妙利用色标圆线的直径确定了系统的标称分辨率,进而计算出各色组问纵向和横向的套印误差;文中详细给出了算法原理和实验结果;相对于经典的边缘检测方法,图像匹配技术充分利用了色标图案的整体信息;实验结果表明,该方法对像素灰度的变化和系统噪声具有鲁棒性,检测精度高。     

基于加密傅里叶变换全息印刷防伪技术研究

在研究双随机相位数据加密技术的基础上,结合印刷技术和全息技术的特点,提出了一种基于傅里叶变换印刷全息标识防伪方法。该方法将二值认证图像经过输入面和频谱面上双随机相位加密模板调制生成的物光,与参考光叠加生成加密的傅里叶变换全息图,该全息图可生成印刷全息防伪标识。通过打印和扫描实验验证了加密的傅里叶变换全息标识,可以通过数字印刷技术印制在证件等印刷品上作为防伪标识,具有重要的实用意义。     

基于小波变换的红外显微图像融合

图像融合是指把来自多传感器数据的互补信息合并形成一幅新的图像,以便达到进行目标监视与识别等目的.本文提出了基于小波变换的图像融合方法,并分析了可见光与红外的显微图像的融合结果.结果融合效果不错,结果图像比较清晰,在一图像中即可得到比较完整的信息.因而,这一方法具有广阔的应用前景.     

基于同轴菲涅耳全息的标识印刷防伪技术

在研究双随机相位数据加密技术的基础上,结合数字全息技术和印刷技术的特点,提出了一种新的同轴菲涅耳全息标识防伪方法,利用双随机相位加密复数数据信息(物光信息),与参考光叠加形成同轴全息图像。理论分析了同轴菲涅耳全息方法能有效地恢复原始图像数据,并对加密的同轴菲涅耳全息图像的强抗位压缩性能进行了仿真,最后通过打印和扫描对同轴菲涅耳全息标识的防伪功能进行了验证。结果表明,该全息标识防伪方法具有强的抗位压缩能力,可以通过逆菲涅耳变换和多重解密密钥恢复原始认证信息,是一种十分有效的全息标识。该全息标识方法可通过可变数据印刷技术印制在证件等印刷品中作为个性化防伪标识。     

基于傅里叶卷积和多特征调制的图像修复网络

目的 解决大面积破损难以修复且修复过程中感受野、特征空间信息利用不足，导致修复后的孔洞区域与背景之间出现结构、纹理、风格不一致的问题。方法 基于傅里叶卷积和多特征调制的修复网络FFC-MFMGAN，傅里叶卷积在网络的浅层便具有较大的感受野，尤其是在宽掩码时能够跳过掩码区域，捕获到有效特征，多特征调制生成网络能够分别利用完整区域的信息和随机样式操纵，增强与未受损区域的语义连贯性，以及大空洞率下修复的多样性。结果 在Place 2数据集上，将文中方法与其他图像修复方法进行了对比实验，经过测试，各类指标均得到明显改善，峰值信噪比提高了1.4%，结构相似性提高了4.5%，平均绝对误差降低了12.6%，基于学习的感知图像块相似性降低了9.1%。结论 FFC-MFMGAN网络能够较好地修复大面积不规则孔洞，同时增强修复图像的全局结构性和清晰度，对实际包装印刷图像的缺陷修复也有一定参考价值。     

基于3D特征动态融合的点云特征提取网络

针对目前用于点云配准的点云特征提取方法并未充分提取点云中的有效信息等问题，提出了一种基于3D特征动态融合的点云特征提取网络（3D feature dynamic fusion and residual u-net,DFRUNet）。该网络通过3DFDF(3D feature dynamic fusion)模块将编码和解码模块的特征动态融合，以充分提取点云中的有效信息；同时采用SE-Res(squeeze and excitation residual)模块来提取点云特征，通过动态调整显著区域的权重，对该区域特征进行重点提取，以提高所提取特征的质量。将网络所提取特征映射到高维空间中，采用随机采样一致性（random sample consensus,RANSAC）算法完成点云配准。实验结果表明，在3DMatch数据集上，该算法特征匹配召回率（feature-match recall,FMR）达到了96.3%，相较于经典的FCGF算法提高了0.011。配准召回率（registration recall）达到了82.2%，提高了0.014。该方法充分提取了点云中的有效信息，达到了更高的召回率...     

基于注意力机制的轻量级RGB-D图像语义分割网络

目的针对卷积神经网络在RGB-D(彩色-深度)图像中进行语义分割任务时模型参数量大且分割精度不高的问题,提出一种融合高效通道注意力机制的轻量级语义分割网络。方法文中网络基于RefineNet,利用深度可分离卷积(Depthwiseseparableconvolution)来轻量化网络模型,并在编码网络和解码网络中分别融合高效的通道注意力机制。首先RGB-D图像通过带有通道注意力机制的编码器网络,分别对RGB图像和深度图像进行特征提取;然后经过融合模块将2种特征进行多维度融合;最后融合特征经过轻量化的解码器网络得到分割结果,并与RefineNet等6种网络的分割结果进行对比分析。结果对提出的算法在语义分割网络常用公开数据集上进行了实验,实验结果显示文中网络模型参数为90.41 MB,且平均交并比(mIoU)比RefineNet网络提高了1.7%,达到了45.3%。结论实验结果表明,文中网络在参数量大幅减少的情况下还能提高了语义分割精度。     

多通道图像色彩重建的神经网络算法

为了解决目前多光谱成像设备输出的应用问题,将神经网络算法应用于多通道图像色彩重建。CCD相机加LED光源组成多光谱成像系统,研究其输出的多通道图像中色彩信息的高效转换方法,建立了D50光源下的神经网络转换模型,利用BP神经网络和GRNN对多光谱成像系统进行色彩重建实验。研究结果表明：采用搭建的模型可以得到较高的色度重建精度,更换目标样本色彩重建性能保持稳定。     

基于扩展二次同余码/单重合序列的二维光码分多址系统仿真

基于扩展二次同余码/单重合序列(EQC/OCS),利用光纤布拉格光栅(FBG)和光纤延迟线作为编解码器,对二维非相干光码分多址(OCDMA)系统进行系统仿真。通过软件仿真,实现了4个用户的EQC/OCS码字的解码相关输出结果。结果表明,低成本的FBG编/解码器实现了EQC/OCS码字的编码和相关解码,提高了二维OCDMA系统容量。     

一种结合小波变换和维纳滤波的图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。