首页 > 期刊 > 栏目列表 > 栏目 (光电信息获取与处理)

摘要

为提高微光夜视图像质量,提出一种基于图像分割和局部亮度调整的颜色传递算法。用简单线性迭代聚类结合K均值聚类对微光图像进行分割,在YCbCr颜色空间中利用子区域与参考图像每一个像素点上亮度的一致性,将匹配参考图像的颜色分量传递到目标图像的子区域,以目标图像纹理特征中对比度的值作为系数,调整目标图像子区域的亮度值,进行颜色空间转换并显示颜色传递结果。搭建了微光图像成像系统,进行了微光图像

PDF全文 应用光学 | 2020,41(02):309-317
分享:

摘要

针对太阳能电池组件中电池片出现隐裂导致整片电池破碎,最终影响整个组件发电量的问题,在对电池组件光致发光(PL)图像待检测区域筛选定位的基础上,提出了一种利用卷积神经网络(CNN)进行电池组件隐裂缺陷检测的方法。首先利用PL成像方法获取电池组件图像,然后对图像进行预处理,基于聚类的方法对待检测目标区域进行筛选定位,最后利用3种不同结构的卷积神经网络模型对电池片进行缺陷检测,并进行准确率对

PDF全文 应用光学 | 2020,41(02):327-336
分享:

摘要

研究了三维物体圆柱型层析计算全息技术:分别将不同深度三维物体的圆柱截面与对应的点扩展函数进行卷积后叠加获得位于全息面的物光场分布,并与参考光干涉获得计算全息图,再现该全息图可对原物体实现360°观测。首先建立三维物体圆柱型层析计算全息模型,推导系统点扩展函数与不同方向采样间隔所需满足的条件;然后通过理论与实验分析了物体不同圆柱截面半径、波长对空间频率和系统传递函数的影响,采用峰值信

PDF全文 应用光学 | 2020,41(02):318-326
分享:

摘要

TensorRT是一个高性能的深度学习推理平台。它包括一个深度学习推理优化器和运行时为深度学习推理应用程序提供低延迟和高吞吐量。给出了一个使用TensorRT快速构建计算管道的例子,实现通过TensorRT执行智能视频分析的典型应用。该示例演示了使用片上解码器进行解码、使用片上标量进行视频缩放和GPU计算的4个并发视频流。为了演示的简单性,只有一个通道使用NVIDIA TensorRT执行对象标识,并在标识的对象周围生成

PDF全文 应用光学 | 2020,41(02):337-341
分享:

摘要

为了提高无人车在夜间情况下对周围环境的物体识别能力,提出一种基于多视角通道融合网络的无人车夜间三维目标检测方法。引入多传感器融合的思想,在红外图像的基础上加入激光雷达点云进行目标检测。通过对激光雷达点云进行编码变换成鸟瞰图形式和前视图形式,与红外图像组成多视角通道,各通道信息之间融合互补,从而提高夜间无人车对周围物体的识别能力。该网络将红外图像与激光雷达点云作为网络的输入,网络

PDF全文 应用光学 | 2020,41(02):296-301
分享:

摘要

精确去除骨架毛刺是干涉条纹骨架提取的最为关键的一个环节,可以应用于激光的干涉条纹检测。提出一种基于骨架特征的去除干涉条纹骨架毛刺算法,算法的主要方案包括:获取骨架的特征点、八邻域链表追踪。首先对像素点进行逐个扫描,获取骨架的4种特征点:端点、节点、毛刺点、主干点,其次使用基于特征点的八邻域链表算法提取所有毛刺点、主干点,然后基于节点进行差分运算并剔除毛刺,最后对处理后的图像进行

PDF全文 应用光学 | 2020,41(02):302-308
分享:

摘要

图像在生成或传感过程中往往会受到噪声干扰,噪声干扰会给后续图像处理工作增加难度,甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势,提出了一种有效的图像去噪算法。训练阶段,采用提出的算法对图像进行尺度为1的平稳小波分解后,分别把高、低频分量输入4个设计好的残差网络进行训练;在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到

PDF全文 应用光学 | 2020,41(02):288-295
分享:

摘要

城市数字表面模型网格 (UDSM) 的相邻网格常常出现曲率剧变, 而这些位置是 UDSM 的 细节部分, 简化过程中应当尽量保持。 针对该情况, 引入了质心 Voronoi 图重划分网格, 将曲率较 小的表面的点云密度大大降低。 重划分的网格表面细节与周围的平滑表面的三角网格尺寸悬 殊, 在该基础上使用二次误差矩阵边折叠进行 LOD 构建时网格发生明显变化, 范围大大减少。算 法在时间性能与网格误差与直接边折叠相近的前提下

PDF全文 应用光学 | 2020,41(01):127
分享:

摘要

研究了基于生成式对抗网络(GAN)和跨域自适应迁移学习的样本生成和自动标注方法。该方法利用自适应迁移学习网络, 基于已有的少量可见光图像样本集, 挖掘目标在红外和可 见光图像中特征内在相关性, 构建自适应的转换迁移学习网络模型, 生成标注好的目标图像。 提 出的方法解决了红外图像样本数量少且标注费时的问题, 为后续多频段协同目标检测和识别获 得了足够的样本数据。 实验结果表明: 自动标注算法对实际采

PDF全文 应用光学 | 2020,41(01):120
分享:

摘要

针对线性传输算法中透射率和大气光估计不足问题, 提出一种基于线性模型的自适应优 化去雾算法。 利用边缘信息模型来增强初始透射率图的细节信息, 使得复原后图像边缘区域细 节更丰富; 根据暗通道先验, 得到自适应优化透射率, 更好地处理包含景深区域图像; 采用局部大 气光估计方法代替四叉树方法, 避免大气光估计不准确问题, 并结合物理模型恢复图像。 仿真实 验在 matlab2014 中进行, 实验结果表明, 该算法具

PDF全文 应用光学 | 2020,41(01):114
分享:
首页上一页12345678910下一页尾页