单像素成像使用一系列空间光调制掩模对目标场景进行单像素亚采样，再根据掩模与测量值之间的关联重构出物体图像。这种间接获取图像的方式之所以能保证重建质量，除了有重构算法的功劳，更关键的是测量掩模的构造。随着压缩感知理论的引入，随机掩模进入人们视野，但它让测量变得盲目，缺乏针对性，而且这种掩模不便于存储和计算，极大限制了空间像素分辨率。哈达玛基掩模因其结构化特征使快速计算成为可能，且方便存储和提取，近年来得到广泛关注，已发展出诸多哈达玛基掩模优化排序方法，这些方法已被证明能大幅降低采样率。本综述系统地梳理了这类方法的设计框架和前沿进展，展望了确定性掩模构造的未来发展趋势，可为后续的研究工作提供有益的借鉴和指导。

眼镜装配参数一般由人工测量，受主观因素影响较大，利用图像检测技术测量眼镜装配参数具有重要的现实意义。基于单焦点和渐变焦眼镜样本，测试了图像检测测量数据的稳定性; 通过眼镜图案的平板玻璃样本，评估了图像检测技术的准确性。结果表明，用图像检测测量眼镜装配参数具有很好的稳定性和准确性，测量方法自动、高效，适合批量质检。

提出了一种使用多线阵相机、双光源频闪照明成像和分布式并行图像处理技术的锂电池极片涂布涂层缺陷检测方法。该方法使用明、暗光源频闪交替照明，两台高速线扫相机在同一个位置交替分别拍摄明场和暗场图像，既提高了对缺陷的检测分辨能力，也提高了检测效率。在处理环节，该方法使用主从分布式处理架构，使用两台子处理工控机多线程并行处理各自相机的图像数据，并将获得的缺陷数据通过TCP/IP传输至上位处理工控机，进行数据融合与缺陷分类处理。实验表明，使用该方法的锂电池极片涂布检测系统可以实现在线检测，具有极高的实用价值。

光力加速度计的测试质量不受外界环境干扰并且它的光学检测精度高，可实现超灵敏加速度探测，广泛应用于各种惯性导航、超精密微重力探测、娱乐等领域。光力加速度计系统分为装载、光阱捕获、位移探测与冷却反馈四大模块，从实践角度分别对各模块现有技术进行梳理总结。未来，光力加速度计会以各模块简约化与紧凑化为目的进行发展，与此同时，其加速度探测精度与可靠性也会不断提升。

基于深度学习的目标检测方法是当前计算机视觉领域的研究热点,但在小目标的检测问题上,基于深度学习的检测器存在较多的漏检。高光谱图像的每个像元包含了物质的光谱信息,能够提升小目标的检测率。然而,高光谱图像的相邻波段相关性高,需要从中选取具备代表性的波段以降低计算冗余。为此,提出了一种高光谱小目标检测模型,使用径向基激活函数(RBAF)进行光谱筛选与目标检测。具体而言,针对高光谱图像波段冗余的特点,利用RBAF设计注意力机制进行光谱维的特征筛选;针对小目标纹理模糊,相对于背景不显著的特点,先对输入图像进行分辨率重建,随后利用RBAF构建径向基目标输出子网络(RBOON),以加强目标分类。为了简化模型,将光谱筛选与分辨率重建整合为注意力分辨率重建子网络(ABRRN),配合径RBOON,检测模型能够筛选特定光谱,抑制虚警,从而提高小目标检测的正确率。高光谱小目标检测实验表明,本研究方法可以使两种检测精度评价指标AP50和AP50:95分别提升5.4%和0.2%,相较其他方法更具备优势。

提出一种基于相干光纤束(CFB)的无扫描、无透镜3D内窥成像方法。与传统内窥成像方法相比,该方法以裸光纤束端面为探头,无需集成任何微光机元件,结构简单,体积小,极易微型化。该方法融合了合成孔径激光雷达(SAL)、宽带线性调频激光雷达和数字全息激光雷达等,利用宽带线性调频激光器产生主动照明信号,并采用CFB收集、传输目标散射回波,同时根据离轴数字全息原理通过使用高速CCD阵列相机记录回波信号,最后利用SAL数据处理方法重构目标3D图像。建立了3D内窥成像系统的数学模型,给出了3D内窥成像的数据处理方法。理论和仿真结果表明,所提方法克服了光纤束固有结构造成的像素化图像伪影,具有精确的横向和纵向3D成像感知能力。

针对大型工件视觉在线检测存在的技术难题,提出一种基于双目视觉特征点匹配的图像拼接方法。基于改进的尺度不变特征变换算法对特征点进行检测和匹配,采用随机抽样一致算法估计变换模型的参数以消除误匹配点,采用加权平滑融合法对拼接后的痕迹进行融合以完成图像拼接融合。搭建柔性视觉检测系统平台并开展工件特征区域的检测实验,将实验数据与工件特征区域的实际值进行对比,验证该拼接方法的正确性和有效性。实验结果表明,所提方法满足实际工业生产中利用双目视觉系统快速图像拼接的要求。

单像素成像借助多次掩模调制和单像素测量值计算获得目标物体的多维光场信息,其降维亚采样、高灵敏探测、谱型适应性等特点为非可视波段成像、极弱光探测、激光雷达等领域带来了福音。当面向动态场景时,单运动帧内多次单像素测量与物体的运动之间存在矛盾,引发图像模糊和噪声问题。针对上述问题,介绍了单像素成像的数学模型及其成像机理,综述了动态单像素成像的发展历程及应用现状,尤其是研究人员在提高成像帧频、改进成像方案或者成像机理方面取得的长足进展;讨论了动态单像素成像目前存在的问题,思考和展望了未来的发展趋势,以期为该领域进一步的科学研究提供有益参考。

运动目标检测跟踪有关的算法及其基于PC平台的实现已经比较成熟,但实时性较差。将采集的彩色视频流分成灰度和彩色两个数据流,灰度视频用于目标检测,彩色视频流用于跟踪显示。以经典的帧间差分法和背景差分法为基础,根据现场可编程门阵列(FPGA)的特点及片外同步动态存储器的存取控制要求,对这两个算法用FPGA逻辑单元进行了设计和实现。对原始彩色视频流和转换后的灰度视频流的存取使用乒乓操作,在滤波和形态学处理时使用了并行的流水线操作,极大地提高了算法的实时处理能力。在FPGA开发板上构建了一个彩色视频图像中运动目标检测跟踪系统,对系统性能进行了测试。实验结果表明,系统可在多种分辨率和帧率下进行运动目标进行实时检测跟踪; 固定背景差分法对目标运动速度无限制,但当使用帧差法对快速运动目标进行有效的检测时,应使目标的帧差间距大于3.2像素。

针对木材活节、死节、虫眼等缺陷图像的检测问题, 本文提出了一种基于深度学习的木材缺陷图像检测方法。首先, 通过对Faster-RCNN网络进行训练, 得到了可以对木材缺陷定位和识别的检测模型; 然后, 应用NL-Means方法对图像进行去噪, 通过线性滤波、调整对比度和亮度实现图像增强; 再对图像进行二值化处理, 根据像素值差异提取缺陷边缘特征点集, 实现了对木材缺陷的精细分割; 最后, 对椭圆拟合方法进行了改进, 实现了对木材缺陷边缘点集的椭圆拟合, 提供了新的木材缺陷加工方案。实验结果表明, 该算法具有较好的木材缺陷定位和分类能力, 得到了较好的分割及拟合效果, 可在缺陷修补这一环节减少约10%的木材填充量。