为了解决重构图像中局部微小区域的成像质量问题,提出一种基于区域分割的压缩计算鬼成像方法。先获取复杂物体表面粗略轮廓的感兴趣区域(ROI),同时运用阈值分割方法进行边缘检测以提取图像中不感兴趣区域(N-ROI),并根据识别区域生成相应大小的随机散斑图;再结合压缩感知技术和二阶计算关联算法分别恢复分割的子图像,最后通过图像拼接技术对图像进行复原。实验结果表明,当采样3000次时,所提方法的峰值信噪比较传统计算鬼成像方法有超过9 dB的提升,且比采样500次时增加了约49.57%。该方法可解决其他传统方法中图像局部微小区域成像质量较差的问题,不仅能够大大减少采样数和目标区域空间强度运算量,同时显著提高了图像微小局部区域的成像质量,为关联成像方式提供了一种新的方案。

提出了一种基于图像融合和插值预测的自适应条纹投影方法。该方法首先基于多幅掩模图像融合求取了最佳投影灰度值所需的饱和阈值,并结合插值预测查找算法求得了最佳投影灰度值;然后通过降低整体投影强度,在不饱和情况下进行了坐标匹配,最终生成自适应条纹;最后将生成的自适应条纹投射至被测物体,并利用外差式多频相移法进行了相位解算和三维面形重构。实验结果表明:所提方法实现了局部过曝区域的相位信息的完整提取,绝对方向和正向的平均误差与标准偏差值均小于传统方法,且绝对方向平均误差减少了84.1%,正向标准偏差值减少了69.4%。所提方法有效地解决了高反光物体三维面形测量的难题。