基于图像分析的显微视觉自动聚焦系统

开发了用于显微视觉对准装配的自动聚焦系统.系统采用基于图像空域分析的聚焦方式.首先通过对比,选择计算量最小的y向一阶差分算子作为系统的聚焦测度;然后通过合理选择聚焦窗口,优化了聚焦效果;最后提出一种不同于通常爬山法的自动聚焦策略,实现该方法的核心是建立聚焦函数与离焦量之间的函数关系,本系统采用3次样条插值估算未测聚焦函数值的办法构建了这种函数关系.应用结果表明该系统自动聚焦的准确性与实时性满足要求.     

基于小波的非线性模型的孔探图像压缩

针对涡轮发动机内部图像细节丰富的特点,为了实现在高压缩比下对细节信息的保留,以不影响发动机内部故障检测,采用小波域的非线性表示和建模方法,利用多尺度边缘检测对边缘进行定位,通过轮廓加剖面模型在定位的边缘进行边缘影响区域划分;之后通过阈值将边缘影响区域进一步划分为较重影响系数区域与较轻影响系数区域,在不同区域应用不同的编码质量控制,从而实现了一种基于小波着重于边缘的图像编码系统.实验结果表明,与一般的小波图像压缩方法相比较,在不同的压缩率下,峰值信噪比均得到小幅度的提高,并且从视觉感官上也得到较好的效果.      

星敏感器中快速星跟踪技术

跟踪模式是星敏感器的主要工作模式之一,跟踪过程的快速性直接影响星敏感器的整体性能.提出了一种快速星跟踪算法.在跟踪算法的3个耗时环节,分别采用了分区星表、阈值映射、先排序后匹配识别这3种方法,以提高跟踪过程的快速性.其中分区星表法将整个天区分成了若干个子天区,使得在星体映射时,只是搜索星敏感器视轴指向附近的部分子天区,而不是搜索整个天区,减少了搜索星体的数量;阈值映射法,在满足精确度的情况下,设置被跟踪星体的数量阈值,只有被跟踪的星体数目少于此阈值时,才进行星体映射,减少了映射次数;先排序后匹配识别法,先根据星体在星图中的坐标值进行排序,然后再进行匹配识别,减少了那些距离较大的无谓的星体间的匹配识别.仿真测试结果表明,这3种方法的采用,提高了跟踪算法的快速性,提高了星敏感器的整体效能.      

基于NN与SVM的图像质量评价模型

为了有效地评价图像质量,利用峰值信噪比(PSNR,Pear Signal to Noise Ratio)和结构相似度(SSIM,Structure Similarity)作为图像质量的描述参数,给出"野点"的定义,提出"野点预测"并基于神经网络(NN,Neural Network)与支持向量机(SVM,Support Vector Machines)建立新的质量评价模型:神经网络用来获取质量评价映射函数,支持向量机实现样本分类.采用UTexas图像库数据进行仿真试验,质量评价模型预测图像质量的单调性比PSNR提高7.42% ,质量评价模型预测结果的均方误差平方根比PSNR提高36.06％,模型性能测试中"野点"的数目相对减少,模型性能得以提高.试验结果表明该模型的输出能有效地反映图像的主观质量.      

面向角度一维投影模板的图像匹配方法

针对交迭图像模板匹配中存在的模板选择和匹配判别两个关键环节,提出一种一维模板匹配方法.通过基于灰度差分割的模板选择原则降低亮度差和噪声的影响,同时利用线性插值获得面向角度一维灰度投影,最大化模板中的图像边缘信息,从而加快模板匹配过程.在面向角度投影模板的基础上进行改进AD(Absolute Differences)指标的模板匹配判别,减少了因图像旋转带来的误匹配,并获得除匹配中心坐标外匹配图像相对参考图像的偏转角.通过不同情况下匹配结果在精度和速度上的分析,实验证明该方法应用在大部分真实交迭图像的匹配效果优异,同时运行速度能满足图像匹配应用的需要.      

基于小波变换的孔探图像边缘粗糙度分析

针对航空发动机内部结构裂纹损伤的孔探图像识别问题,提出一种描述孔探图像边缘曲线粗糙度特征的方法——粗糙度系数法.该方法利用二进小波变换对边缘曲线在所有可能尺度上进行小波分解,得到尺度系数和小波系数.对于这些小波分解系数,构造一种对数熵算法来计算尺度系数和小波系数的能量强度.小波系数与尺度系数的对数熵的比值被定义为粗糙度系数,用粗糙度系数来评估曲线的粗糙程度,粗糙度系数越大,曲线越粗糙.实验表明以粗糙度系数作为孔探图像边缘曲线的识别特征,能够有效地识别孔探图像中存在的裂纹损伤.      

蜻蜓翼三维流动结构的演变

为了与蜻蜓前后翼流动干扰的流动结构作比较,首先研究了悬停飞行状态下单个蜻蜓翼周围的三维流动结构,利用一套机电拍动翼运动模拟机构模拟了一个蜻蜓翼的拍动,使用数字体视粒子图像测速技术(DSPIV,Digital Stereo Particle Image Velocimetry)和多切面锁相技术分别测量了两个下拍拍动相位时刻(t=0.25T,0.375T)和两个上拍拍动相位时刻(t=0.75T,0.875T)蜻蜓翼周围的瞬时空间三维流场,运用局部涡识别准则中的λci准则来识别和显示了流场中的三维涡结构,还展示了蜻蜓翼各个展向测量截面中的|ωz|等值线、蜻蜓翼前缘涡的涡核线相对于蜻蜓翼上翼面的空间位置以及前缘涡在各个展向测量截面中的截面环量等.实验结果揭示了蜻蜓翼周围的三维流动结构在蜻蜓翼拍动时的演变历程.     

基于序列红外图像的弹道导弹中段目标检测跟踪方法

针对弹道导弹中段目标检测跟踪问题,将卡尔曼滤波应用基于红外图像的弹道中段目标检测数据滤波和预测,建立了中段目标的状态方程和量测方程。针对卡尔曼滤波中系统噪声和量测噪声的自协方差阵难于确定的问题,研究了卡尔曼滤波参数选择设置方法,利用实际检测结果对不同噪声参数条件进行了试验,得到了应用于弹道导弹中段目标检测跟踪的滤波器参数设置规律,为弹道导弹中段目标检测跟踪技术提供了参考。     

基于云特征的遥感图像可用度影响因素分析

针对卫星遥感图像可用度分类问题,提出基于图像信息的云覆盖率、云厚度、云破碎度的云结构特征描述概念.研究了它们对于卫星遥感图像可用信息量的影响程度,构建了由厚度相关的云覆盖率及云破碎度构成正交可用度评估空间.并进一步分析了云结构特征与可用度之间的近似线性及单调特点,证实了所提描述方法对于可用度表征的合理性和有效性.通过与500幅不同可用度等级的专业人工判读结果比较,证实综合这3个变量的可用度判读结果与人工判读结果的准确度比较达到95%.该方法为建立卫星遥感图像可用度评估模型,自动分类得到用户需要的图像数据提供理论及技术支持.     

基于运动增强和颜色分布比对的运动目标检测

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法.采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域; 提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标.算法不仅节约了计算量,还有效降低了误检和漏检的可能性.多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性.