1 南京航空航天大学 计算机科学与技术学院，江苏 南京 211106
2 中国航天科工飞航技术研究院，北京 100074
红外图像去雾是指通过去除雾霾、烟雾等介质对红外图像的影响，恢复红外成像系统对比度和视觉质量的过程。红外图像凭借全天时、不受光照限制等优势，在**、安防、医疗、能源勘探等领域广泛地应用。然而，由于大气介质对红外图像的干扰，这些应用往往受到限制，因此红外图像去雾成为一个重要的研究领域。近年来，随着计算机视觉、深度学习等技术的不断发展，红外图像去雾技术也取得了一系列重要进展，为红外图像应用的发展提供了强有力的支持。根据红外图像去雾过程中所依赖数据的不同，将现有的红外图像去雾方法划分为多信息融合和单帧图像处理两大类，其中多信息融合因为需要额外的信息来帮助图像恢复而使其应用受到限制；而目前基于单帧图像处理的主流方案包括图像增强和图像重建两个发展方向。对各种分类的代表算法进行了简要梳理，并分析了其原理、优势及不足。最后，对红外图像去雾的发展趋势做出了预测。该工作既可以帮助初学者快速了解该领域的研究现状和发展趋势，也可作为其他研究者的参考资料。
红外图像去雾 多信息融合 单帧图像处理 infrared image dehazing multi-information fusion single-frame image processing 红外与激光工程
2024, 53(2): 20230416
针对在深度估计过程中的遮挡问题,提出一种新的基于多线索融合的光场图像深度估计方法。利用约束性自适应散焦算法和约束性角熵度量算法获取场景的散焦线索、一致性线索,并计算出场景的初始深度、置信度。为增强图像的边缘轮廓信息,通过Canny算子提取中心视角图像的边缘信息,然后利用马尔可夫随机场融合场景的初始深度、置信度及边缘信息,实现图像的高精度深度估计。与其他先进方法相比,所提方法能够较好地解决场景中存在的遮挡问题,获取的深度图精度较高、平滑效果较好,图像边缘保持效果较好。
图像处理 四维光场 深度估计 遮挡 多信息融合
河南科技大学 机电工程学院, 河南 洛阳 471003
为了实现轴承故障智能诊断, 对基于信息融合的机器人薄壁轴承故障智能诊断方法进行研究。首先, 采用声发射和振动传感器, 搭建了机器人薄壁轴承试验与多信息数据采集系统; 然后, 以薄壁单列角接触球轴承ZR71820为对象, 在轴承外圈、内圈和滚动体上分别制作点蚀、裂纹缺陷, 用正交试验法采集不同缺陷类型、不同当量载荷及不同转速状态下薄壁轴承在试验过程中的声发射和振动信号; 最后, 选取时域中均方根值和峭度指数及频域中均方根频率作为振动、声发射信号的特征参数, 分别进行了基于单一振动、声发射信号的薄壁轴承故障诊断, 并采用SOM与BP神经网络将试验过程中的振动和声发射信号的特征信息进行融合, 研究了基于信息融合的机器人薄壁轴承故障智能诊断技术。结果表明: 基于振动信号故障诊断的正确率为85.7%; 基于声发射信号故障诊断的正确率为81.0%; 基于BP神经网络信息融合故障诊断的正确率为93.5%; 基于SOM神经网络信息融合故障诊断的正确率为95.2%。基于SOM神经网络信息融合的薄壁轴承故障智能诊断比单用振动或声发射信号的诊断正确率分别高出9.5%和14.2%, 比用BP神经网络信息融合故障诊断的正确率高1.7%。
薄壁轴承 多信息融合 故障诊断 神经网络 智能诊断 thin wall bearings multi-information fusion fault diagnosis neural network intelligent diagnosis
上海理工大学 光电信息与计算机工程学院, 上海 200093
以生物特征检测技术为基础,基于已经构建的无创血糖检测系统进行血糖检测数据分析。以光电检测技术为主,结合其他人体特征信息检测,对人体进行无创血糖测试得到大量数据,建立数学模型并利用算法来计算血糖浓度。与一种常用有创血糖仪检测数据进行对比,有创与无创检测结果的相关系数达到了85.4%,为多信息融合无创血糖检测系统提供了一种有效的数据处理方法。
多信息融合 无创 血糖检测 multi-information fusion non-invasive blood glucose detection
1 西藏民族大学 信息工程学院, 陕西 咸阳 712082
2 西安石油大学 光电油气测井与检测教育部重点实验室, 陕西 西安 710065
3 上海理工大学 光电信息与计算机工程学院, 上海 200093
为了解决糖尿病人血糖检测的有创问题, 以生物特征检测技术为基础, 设计了一种近红外透射光谱法的多信息融合无创血糖检测系统, 并测试了系统性能。通过建立数学模型对该系统实测的数据进行处理, 得到人体的血糖值。试验结果表明, 本系统与传统血糖仪检测结果的相关系数达到了0.854 2。同时该系统可以对人体血糖变化趋势进行记录, 为连续监测血糖值提供了新方法。
多信息融合 无创 血糖检测 multi-information fusion noninvasive blood glucose meter STM32 STM32
1 北京农业信息技术研究中心, 北京市农林科学院, 北京 100097
2 安徽大学电子信息工程学院, 安徽 合肥 230039
3 农业部食物与营养发展研究所, 北京 100081
将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合, 对冬小麦地上鲜生物量进行预测, 提高了冬小麦地上鲜生物量无损检测精度, 试验获取苗期93个样本的冠层光谱和冠层图像, 中后期(拔节期、 抽穗期、 开花期、 灌浆期)200个样本的冠层光谱和侧面图像。 将光谱反射率作为光谱特征参数, 并通过图像处理提取小麦覆盖度作为图像特征参数, 建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型, 将冠层光谱反射率和小麦覆盖度作为多信息融合的输入, 利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。 结果表明, 在苗期和中后期, 将光谱信息和图像信息融合, 采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。 苗期基于信息融合所建立的PLS模型验证集R2为0.881, 其RMSE为0.015 kg; 中后期基于信息融合所建立的PLS模型验证集R2为0.791, RMSE为0.059 kg。 由此可见, 相比单一的光谱模型和图像模型, 图像信息和光谱信息融合之后, 充分提高了光谱信息和图像信息的利用率, 使模型的精度得以提高。
多信息融合 偏最小二乘回归 冠层光谱 机器视觉 冬小麦 生物量 Multi-information fusion PLS Canopy spectral Machine vision Winter wheat Biomass 光谱学与光谱分析
2016, 36(6): 1818
