光纤的几何参数是评价光纤质量的重要指标。以近场光分布法为基础进行光纤几何参数测量, 是目前常用的一种非接触测量方法。但在测量过程中, 若光纤端面切割不平整或照明光源有波动, 直接采取边缘拟合及灰度值进行计算, 会产生较大的测量误差。使用Canny算子提取光纤端面的边缘, 将其所围进行区域二值化滤波, 利用形态学方法与运算获得光纤的几何参数, 能消除由于光照不均或切割粗糙带来的误差影响。

相位恢复法是一种利用多个离焦面光强分布采用基于傅里叶变换的迭代变换恢复瞳面相位分布的波前传感方法。采用改进的傅里叶迭代变换算法, 当波前传感范围超过1个波长时, 需要在迭代过程中采用相位解包裹算法。针对18块正六边形拼接的复杂光瞳, 提出采用路径无关和最小二乘相结合的混合相位解包裹算法, 提高了波前传感精度和动态范围。通过仿真比较了所提方法与单独采用一种相位解包裹方法时的波前传感性能, 分析了所提方法的动态范围及噪声对算法精度的影响。仿真结果表明, 当波前PV值为3.5λ时, 算法的精度为λ/43; 当噪声RMS值为10(图像为12Bit量化)时, 算法的精度优于λ/40。

为了处理运动目标跟踪中的遮挡、光照变化以及背景杂乱等问题, 提出了一种基于加权多实例学习的压缩感知目标跟踪方法。在提取图像块类Haar特征的基础上, 采用随机投影方法对高维特征进行压缩, 结合加权多实例学习策略, 在boosting学习框架下训练分类器, 根据分类器最大响应值得到跟踪目标图像块。使用矩形框手动标定第一帧图像的目标, 对后续帧采样的正负实例的类哈尔特征进行压缩, 通过这些样本特征训练分类器, 得到跟踪结果。实验结果表明, 所提算法具有较高的跟踪精度、实时性和鲁棒性, 对所选的四个具有挑战性的视频序列, 跟踪成功率都能超过89%, 帧率也超过26f/s。

非固定相机数字散斑相关方法拍摄待测物体表面的目标图像时, 所拍摄的目标散斑图像相对于参考散斑图像可能产生位置移动及图像旋转。通过辅助定位的相机标定方法可以计算出被测物体表面与相机的相对位置, 但无法获得散斑图像在平面内的旋转角度。数字散斑相关方法对图像旋转较为敏感, 随着旋转角度的增加, 目标子窗口与参考子窗口的相关性迅速降低。研究图像旋转角度对数字散斑相关方法计算精度的影响, 分析相关性随旋转角度降低的原因。对相关搜索方法进行相应的改进, 在搜索目标子窗口时增加对子窗口旋转角度搜索, 在计算参考图像中子窗口位移量的过程中, 同时计算了其旋转角度, 从而降低图像旋转的影响, 提高数字散斑相关方法的计算精度。

散焦一直是影响成像系统成像质量的主要问题之一。分析了不同光路上存在散焦对无透镜鬼衍射成像的影响, 比较了散焦对无透镜鬼衍射成像和传统成像两者之间的差异。在前期理论研究基础上, 对无透镜鬼衍射和传统成像的强度函数做了进一步分析, 结果表明散焦的效果相当于物体的透射函数在相位上增加一个啁啾调制, 使得两种成像系统在一定程度上是等价的。

幸运成像技术是一种相对简单的事后图像处理技术, 主要是对短曝光图像进行像质评价, 之后选取出高质量图像进行配准、叠加来复原出高分辨率目标图像。根据幸运成像技术的理论算法, 提出了一种适用于地基2.4m大口径望远镜的幸运成像技术方案和GPU局部加速算法流程。使用该方案拍摄的短曝光图像进行幸运成像, 获得了间距为0.3″的双星高分辨率图像。在选图过程中利用GPU设备进行并行计算, 探讨了加速幸运成像算法的可行性以及计算瓶颈的问题。实验结果表明, 在近红外条件下, 2m级大口径望远镜所拍摄的图像, 可以使用幸运成像算法重建出高分辨率的图像, 其FWHM约0.2″; GPU设备能够实现幸运成像算法的加速, 并提高整个算法的效率。

为了提高大视场摄影测量系统的测量精度和稳定性, 提出一种基于局部迭代搜索算法的相机相对定向方法, 仅需要两幅图像间匹配的像面坐标信息, 就可以计算相机之间精确的相对外方位参数。通过闭环多项式解法获得两图像之间本质矩阵的初值; 将本质矩阵进行局部迭代, 计算正交矩阵和外极线约束误差方程; 利用两图像上所有匹配点的像面坐标, 通过多次迭代获得本质矩阵的全局最优解; 分解本质矩阵获得图像之间的相对外方位参数, 并结合Cheirality约束条件确定外方位参数的唯一真实解。通过6m×4m×3m可展开桁架微波天线面形测量场的定向实验, 验证了提出方法的测量精度和可靠性。相比于传统的相对定向方法, 基于局部迭代搜索算法的相对定向方法具有较高的初始定向精度和稳定性, 平移向量误差小于5mm, 旋转角度误差小于0.1°, 而且消除了对于参照物的依赖, 对于提高摄影测量系统的性能具有重要意义。

大多数现有的客观图像质量评价算法往往针对单一失真类型设计, 对混合多失真图像质量评价效果欠佳, 而且大都是运用传统机器学习方法, 很少用到深度学习方法, 为此, 提出一种基于相位一致变换和卷积神经网络的无参考图像质量评价方法, 用来评价混合失真图像。对输入图像进行分块和相位一致变换, 使用卷积网络训练、预测图像质量得分, 其中卷积网络结构包括4层卷积层、3层最大池化层和2层全连接层。在Live混合失真质量评价数据库上的实验结果表明, 所提方法预测的图像质量分和主观质量评分达到了很好的一致性。

三维点云配准是三维重建过程中的重要环节, PCA算法应用于点云配准时无法保留点云局部特征, 影响了配准效果, 故提出一种基于保局PCA的三维点云配准算法。为了保留点云局部特征, 采用保局投影LPP的思想, 通过K近邻准则构造点云的邻接图及其补图; 对邻近点和非邻近点采取不同的处理方式进行特征提取, 通过特征矩阵求得转换参数, 进行坐标归一化完成配准; 为了减少光照噪声影响, 对特征向量矩阵前三个主分量加权后求转换参数。实验结果表明, 改进算法在对局部特征结构明显的点云进行配准时有较好的效果, 改善了对光照噪声的鲁棒性。

目前图像质量评价的研究都是在相对标准观察环境下进行的, 没有考虑电子显示设备在不同场合使用时照明亮度的变化对图像失真造成的影响。通过在四种不同环境光照度下进行主观评价实验探究MOS值变化规律, 在BRISQUE和SSEQ算法的研究基础上, 利用机器学习方式获取亮度因子来反映不同亮度条件引起的人眼感知变化, 建立不同亮度下图像质量评价模型。改进后的算法模型针对噪声、压缩、模糊的SROCC系数在不同的亮度环境下均有良好的效果, 表明修正后的算法模型具有很高的普适性和准确性。所提算法是对现有算法模型的很好补充, 尤其适用于户外高亮度条件下的图像质量评价。

提出了基于快速响应分解与颜色空间转换的光学彩色图像无损加密算法。将彩色图像从RGB 空间转换HSI到颜色空间, 提取H、S、I三个成分; 根据随机相位掩码, 对H、S、I分量进行编码与调制处理; 基于Gyrator变换, 对相位编码后的H、S、I分量进行频域变换, 通过广义卷积操作, 形成一个Gyrator频谱; 引入相位-幅度截断机制, 得到Gyrator频谱的相位与幅度信息, 将幅度部分作为密文。为了实现无损解密, 利用快速响应分解技术对输出密文进行分割, 获取其相应的Q、R成分, 借助Gyrator变换对二者进行独立处理, 形成编码信息; 利用输出的相位信息来生成H、S、I分量对应的解密密钥, 通过联合编码信息与解密密钥, 获取HIS图像, 再将其转换到RGB空间, 实现无损解密。实验结果表明: 与当前彩色图像加密技术相比, 所提算法具有更高的安全性, 能够更好地抗击剪切攻击与明文攻击, 以及更高的解密质量, 很好地保留了初始明文的直方图特性, 视觉失真度最低。

青光眼和糖尿病视网膜病变可以通过视盘来反映情况, 自动快速的定位和分割视盘无疑给眼科医生带来了便利。提出了基于多圆分割视盘的方法, 利用视盘具有高亮度和垂直血管发布的特点定位到视盘中心, 对形态学方法移除血管后的视盘区域进行Hough圆变换, 对检测到的多个圆进行半径调整, 通过计算多圆的最小凸包从而分割出视盘。在DRIONS-DB数据库上, 该算法准确定位到视盘中心, 并且分割的平均覆盖率、Dice系数、精确度、灵敏度、特异性分别达到87.97%, 93.33%, 99.61%, 94.74%,99.75%, 平均处理时间仅为1.1s, 表现出较高的准确性和快速性, 适合自动化的视盘分割处理。

双焦镜片的附加屈光度区是偏离主屈光度区, 偏心位置要求严格, 在实际生产中不易控制容易产生误差, 不适应批量生产。提出了一种设计方案, 在偏心铣磨加工中对镜片一次装夹, 解决了由于定位基准造成的附加屈光度区光轴方向偏差, 与后道工序精磨的定位配合问题。所提夹具在实际中使用中具有良好的加工工艺性和经济性。

金属微纳结构中的等离激元模式激发时, 伴随着局域场的增强, 存在对光的吸收增强的现象。但是这种光学吸收增强依赖于模式共振, 因而吸收的带宽通常比较窄。项目提出了利用常规的镀膜工艺制备由金属颗粒-介质薄膜-金属薄膜构成的“类三明治”微纳结构, 详细研究了上层金属颗粒尺寸和中间介质层薄膜厚度对光吸收的影响, 优化制备工艺和微纳结构, 提出最佳结构参数, 实现对光的宽波段的近完美吸收。项目工艺快速简单, 成本低廉, 适合大批量以及大面积的样品制备。

无人水面船(简称无人船)在内河航道环境中具有广阔的应用前景, 对障碍物的智能感知是实现内河无人船自主航行的关键。针对内河无人船对近距离障碍物的感知需求, 分析了内河环境下主要障碍物的激光数据特征; 在对激光数据进行模式分析、数据滤波、去除聚类孤立点等预处理基础上, 提出了一种基于SVM的内河典型障碍物识别方法; 在所搭建的基于激光雷达的无人船环境感知系统上, 进行了实验水池环境下的障碍物识别实验。实验结果表明提出的SVM障碍物感知算法识别率达到85%以上, 基本满足无人船自主航行要求。

为解决复杂背景中难以有效提取场景文本的问题, 提出了一种基于多特征检测与支持向量回归的图像文本提取方案。为有效区分文本与非文本边缘, 基于图像边缘, 提取场景中三个文本特征。将得到的三个文本特征进行多尺度融合, 利用文本融合特征检测候选文本边界, 有助于检测不同大小的文本, 提高对不同类型的图像退化的鲁棒性。对于每个检测到的候选文本边界, 根据邻域窗口中的像素来估计每个像素的局部阈值, 利用局部阈值自适应分割提取候选字符。引入支持向量回归模型对文本像素与图像背景精确分离, 消除非文本边界, 提取真实字符和单词。实验表明: 与当前文章提取技术相比, 所提方法具有更好的鲁棒性, 能适用各种变化的复杂场景文本提取, 具有更优的Precision-Recall曲线与F测量值。

最大似然估计能够准确地估计光通信的色散, 但其对高速符号传输的计算复杂度较高, 云计算数据中心的光网络是一种高速光通信的情况, 为了降低数据中心中光通信色散估计的计算成本, 设计了一种基于深度学习的数据中心光通信均衡器。基于人工神经网络的均衡器分为两个阶段, 第一阶段采用光信道的脉冲响应数据对人工神经网络进行训练, 对人工神经网络的模型参数进行优化, 建立人工神经网络的非线性响应模型; 第二阶段采用训练的人工神经网络均衡器对光信道的传输数据进行处理, 实现对光信道色散的估计与补偿。按照数据中心的光网络方案进行了仿真实验, 结果显示, 基于人工神经网络的均衡器提高了光通信的光信噪比, 并且延长了光通信的传输距离。

针对当前图像融合算法多采用一个源图像的子带能量函数作为融合系数, 导致融合图像质量不理想, 提出一种基于离散Curvelet变换与自适应能量模型的多聚焦图像融合算法。利用离散Curvelet对源图像进行多尺度分解, 以获取图像的低频子带和高频子带; 将低频子带分割成子块, 利用离散Curvelet系数来构造平均能量函数, 以此建立自适应能量模型; 引入信息熵模型, 对高频子带所包含的信息量进行度量; 通过高频子带所含信息量特征和清晰度特征, 完成图像高频子带的融合。实验结果表明: 与当前多聚焦图像融合算法相比, 所提算法具有更高的融合质量, 其输出图像具备更好的细节表现能力。

针对汽车侧滑试验台动态检定和校准的实际需求, 研制了一种基于激光位移测量技术的非接触式汽车侧滑试验台动静态校准装置。所提装置采用非接触式测量方法, 利用了激光位移测量技术, 同时采用丝杠运动控制技术, 实现了侧滑量的非接触式测量, 可以对汽车侧滑试验台动进行动态校准和静态校准。有效溯源表明, 基于激光位移测量技术的所提装置完全达到并超过了JJG 908-2009 《汽车侧滑检验台检定规程》 对于标准器的计量技术指标要求。所提装置的使用及后续推广应用将有助于推动激光位移测量技术在高精度计量检测领域的应用, 具有较高的示范作用和应用价值。

高光谱数据具有光谱波段多、维度高、数据量庞大的特点, 为了提高高光谱数据的处理速度, 需要进行降维处理, 而波段选择是高光谱降维的基本方法之一。综合考虑, 提出基于高光谱波段选择相关性、信息量及类间可分性的方法。通过虚拟维度确定高光谱图像的本征维数, 并根据波段间的相关系数进行子空间划分; 提出利用基于信息量的离散波段指数, 在各个子空间中计算出最大的波段指数构成子集; 根据类间可分性准则在子空间中选出可分性因子最大的合适波段。利用光谱角匹配选出最适合分类的波段, 组成最后的波段子集, 从而实现波段选择的降维处理。通过实验验证,所提方法与传统的最佳指数和自适应波段选择方法相比, 在一定程度上提高了高光谱图像的分类精度。