1 大连理工大学 机械工程学院,辽宁大连6024
2 大连理工高邮研究院有限公司,江苏 高邮5600
为实时检测二维线性模组的运动误差,搭建了误差实时测量系统。该系统由四自由度运动误差测量模块、滚动角误差测量模块和线性光栅尺组成,实现单轴六自由度运动误差测量。基于齐次坐标转换矩阵(Homogeneous Transformation Matrix,HTM)原理构建二维模组的空间误差模型,对功能点的实际空间位置进行表示;完成测量系统标定实验,并基于阿贝-布莱恩原则处理实验数据完成比对实验。最终,测量系统的定位误差、直线度误差和角度误差测量精度分别达到±1.2 μm,±1.3 μm和±1'',并根据空间误差模型分析二维线性模组XZ平面对角线位置的测量误差。结果表明,使用二维线性模组空间误差模型求解后,XZ平面对角线位置的测量误差由68 μm降至13 μm,证明采用该系统进行线性模组误差测量是有效的;此外,因为加载状态下二维线性模组各位置的运动误差会改变,为验证测量系统能够实时测量出线性模组的空间误差变化,在Z轴滑块上加装质量为2 kg的标准砝码进行对照实验。结果显示,在使用二维线性模组空间误差模型求解后,XZ平面对角线位置的测量误差由56 μm降至14 μm。
误差测量系统 二维线性模组 空间误差模型 实时测量 error measurement system two-dimensional linear module spatial error model real-time measurement 光学 精密工程
2023, 31(21): 3111
深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。
提出一种采用粒子群优化(PSO)的高斯混合灰度图像增强算法。该算法首先采用高斯混合模型(GMM)对输入图像的灰度直方图建模, 并采用模型中高斯成分的有效交点来分割直方图。随后, 该算法将每个直方图区间的灰度值转换到合适的输出区间, 生成增强后的灰度图像, 其中转换函数由输入直方图区间的高斯成分和累积分布经过粒子群优化后的参数决定。实验结果显示, 该方法生成的图像视觉效果较好, 对原图像和纹理细节丰富图像分别进行图像增强, 增强后的图像信息熵分别是4.746 6和7.952 6, 灰度平均梯度为6.970 6和37.386 1。
图像处理 灰度图像增强 高斯混合模型 粒子群优化 image processing grayscale image enhancement Gaussian mixture model particle swarm optimization
为了解决深度图像中存在的图像模糊、空洞和噪声等图像质量问题, 拟从软件的角度出发, 在不改变传感器成像系统物理结构的前提下, 基于结构特征并以彩色图像作为引导展开研究, 实现深度图像增强和空洞修补的目的, 提高深度图像的质量。通过对彩色图像和深度图像的结构特征进行提取, 得到共性的全局特征, 并对得到的结构特征进行联合双边滤波, 最后基于马尔科夫随机场的方法进行深度图像增强, 实现了低成本获取深度增强的图像。实验结果表明本文算法在保持图像边缘的细节性、平滑性和整体性上具有更好的效果, 与其他算法相比, 图像的均方根误差RMSE更低, 仅为0.506 93及1.169 30(针对Teddy及Art图像) 。
结构特征 图像增强 马尔科夫随机场 双边滤波 structure feature image enhancement Markov random field bilateral filter.
大规模图像集合的自动分组,不仅可以帮助用户快速组织和掌握图像集合的内容,并且是基于图像的三维场景重建应用的前提和重要环节。提出一种基于词袋模型(bag-of-words, BOW)的层次化分组算法,将每幅图像表示为一个超高维视词向量,利用多路量化技术将内容相似的图像量化到同一个节点,从而完成对图像粗略分组。然后,在每组类别里面,对图像的局部特征向量进行逐一匹配,并利用仿射空间不变量的约束条件,去除不可靠特征匹配,得到更为准确可靠的图像相似度度量,从而完成图像的精细分组。实验结果表明:从得到的系统不同阶段图像分组的查准率-查全率(precision-recall)曲线可以看出,精细分组过程可以显著提高粗分组精度,并且在精细分组阶段,使用约束条件比不使用约束还能获得更高的分组精度
图像分组 词袋模型 多路量化 仿射不变量约束 特征匹配 image grouping bag-of-words(BOW) multiple-path quantization affine invariant constrains feature matching
提出一种基于动态特征融合的粒子滤波目标跟踪算法。选择具有互补性的灰度直方图和梯度直方图特征共同描述目标模型,然后在目标跟踪过程中,根据特征对目标和背景的区分程度动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,从而提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。实验结果表明:在对典型场景下的目标跟踪过程中,提出的算法比单独使用一种特征的粒子滤波算法具有更高的跟踪精度和更稳定可靠的跟踪性能。
目标跟踪 粒子滤波 动态特征融合 目标模型 object tracking particle filter dynamic feature fusion object model
1 惠州学院电子科学系, 广东 惠州 516007
2 西安应用光学研究所, 陕西 西安 710065
为了能够及时检测到图像场景中的运动目标, 提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合, 进行了背景估计和自适应背景更新; 通过对背景差分后的图像进行多目标分割, 进行了多个运动目标的检测。实验发现: 随着图像序列的背景不断变化, 基于混合高斯模型算法能够准确估计出变化的背景, 通过将场景图像和背景图像进行差分, 检测到感兴趣的运动目标。
运动目标 目标检测 混合高斯模型 背景差分 moving object object detection mixture Gaussian model background subtraction
1 西安应用光学研究所, 陕西 西安 710065
2 西安通信学院数理教研室, 陕西 西安 710106
局部直方图均衡是以全局直方图均衡化方法为基础,对图像中每个像素点所在的邻域范围求出灰度转换函数,然后仅应用在该中心点处。为了提高算法的运算速度,特别是在处理视频图像时,采取传统的DSP的设计方法在速度上很难满足需要,因此,利用FPGA实现是一个很好的选择。为使局部直方图均衡方法能够在FPGA上具体实现,从空间域的角度改进了图像灰度直方图均衡算法,并利用VHDL语言对算法进行了完全可综合的RTL级描述,最后在硬件平台上验证了结果。
局部直方图均衡 图像增强 现场可编程门阵列 VHDL语言 local histogram equalization image enhancement FPGA VHDL
利用一对光楔间距变化时,通过它的成像光束的像点会产生微小偏移这一特性,在双CCD图像拼接探测器中增加了光楔调整机构,该光楔调整机构包含两对光楔,一对光楔用于CCD水平方向的图像调整;另一对用于垂直方向的图像调整。通过设计、制作,光楔调整机构最终应用于双CCD图像拼接探测器的装调。装调过程显示:加装光楔调整机构对原有光学系统没有任何影响,可以实现精度高于0.001mm的图像移动量,有效降低了双CCD图像拼接探测器的装调难度,提高了拼接图像质量,降低了生产成本。
CCD拼接 光楔 拼接精度 CCD stitching light wedge stitching accuracy
在图像生成和采集过程中引入的各种噪声会使图像质量变差。为了实现对图像的实时预处理,首先介绍中值滤波器的基本原理和算法,然后在现场可编程门阵列(FPGA)上根据中值滤波的根基数算法,采用流水技术设计一种快速实时中值滤波器,给出按行输出的图像处理过程中存储前2行图像数据的方法。仿真结果表明:该中值滤波器可实时完成CCD输出图像的预处理,达到了抑制噪声及保持图像细节的目的。
图像预处理 中值滤波器 现场可编程门阵列 实时性 image pre-processing median filter FPGA real-time median filtering