1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京100049
为了在不降低空间目标成像光学系统分辨率的前提下, 扩展系统的景深, 并且提高系统的可靠性, 本文提出并设计了一种基于波前编码技术扩展景深的空间目标成像光学系统。在所设计的初始空间目标成像光学系统的基础上, 基于不同物距调制传递函数曲线的一致性以及图像的可复原性优化了立方相位板, 并且利用FOPD算法, 对中间图像实现了较好的复原效果。对比了初始光学系统与波前编码光学系统的成像效果, 结果显示波前编码光学系统的焦深和景深得到显著的扩展。该光学系统总长为41 mm, 焦距为20 mm, 工作波长为850 nm。仿真实验结果表明, 无需调焦机构, 该系统的焦深达到了原系统的28倍, 系统景深从0.956~1.1 m扩展至0.5~130 m。该系统可满足于空间交会对接、卫星捕获等领域无调焦机构大景深成像的需求。
波前编码 空间目标成像 光学设计 点扩散函数 调制传递函数 wavefront coding space target imaging optics design point spread function modulation transfer function
1 长春理工大学光电工程学院，吉林长春30022
2 中国科学院 长春光学精密机械与物理研究所，吉林长春130033
本文针对波前编码成像，单透镜计算成像等领域的全局一致模糊复原背景需求，提出了一种高效的基于区域选择网络的图像去模糊方法。与传统方法通过构建目标函数及各类先验信息实现模糊图像清晰化过程不同，本文方法则基于深度学习与传统方法的结合。传统方法负责图像复原的主体流程，深度学习方法则负责对传统方法中的关键步骤模糊核求取区域选择进行干预。基于深度学习的深度二元分类网络能够自动在全局图像中剔除平坦过曝、短小纹理等区域，并选取最优的用于模糊核求取的图块区域。传统复原方法则以此为基础实现模糊核求取，非盲图像复原及图像清晰化处理过程。实验结果表明：本文的复原方法能够实现良好的复原效果，纹理清晰，稳定可靠；所提出的区域选择网络能够在降低计算复杂度的同时，有效提升模糊核的估计准确度，进而提升图像清晰化的复原效果。在同等条件下，所提出的深度二元分类网络在误差率限定在1.5时，复原成功率较比现有方法提升了2.1%，同时复原图像的平均峰值信噪比较比现有方法提高了0.5 dB。
图像去模糊 计算成像 深度学习 模糊核估计 区域选择 image deblurring computational imaging kernel estimation deep learning region selection
1 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院大学，北京 100049
将引导滤波与提升小波相结合提出了一种多尺度引导滤波方法，以实现在平滑图像细节的同时保持图像边缘不模糊。该方法通过提升小波法对将图像进行多尺度分解，即将信号分解成一个低频子带和多个高频子带。在提升小波重构过程中，利用引导滤波平滑每个尺度的低频信息并保持其边缘不模糊。最后，针对滤波后残余的细节，对提升小波重构后的平滑图像再次进行引导滤波，以便进一步平滑图像细节。将多尺度引导滤波应用于暗通道去雾先验理论并进行了主、客观评价。结果显示: 多尺度引导滤波能够深层次平滑图像细节，保持边缘完整性，从整体上提高了图像的对比对和视觉效果，有效恢复了场景信息并保留场景的边缘信息。另外，该方法改善了客观评价指标，其对比度增强系数指标平均提升了0.1以上，场景结构相似度平均提升了1以上， 而LOE(Lightness Order Error)参数降低了10以上，满足了去雾应用的视觉需求。
引导滤波 提升小波 多尺度引导滤波 图像去雾 guided filter lifting wavelet multi-scale guided filter image dehazing
1 北京航天发射技术研究所, 北京 100076
2 中国科学院 长春光学精密机械与物理研究所 图像部, 吉林 长春 130033
为了更好地对图像进行平滑同时保持边缘不模糊, 设计一种新的滤波方法。对基于该方法的图像滤波、细节增强等算法进行研究。首先, 根据图像的亮度和颜色对图像进行分割, 将图像分成不同的区域。接着, 在不同的区域进行导引滤波, 得到互不交叠的多个滤波子图像。然后, 将这些子图融合,得到基于分割的改进导引滤波结果。最后, 利用提出的改进导引滤波方法提出一种多尺度的细节增强方法。实验结果表明, 在图像光滑和细节增强方面, 提出的方法都要好于传统的导引滤波: 提出的方法不仅能较好的光滑图像, 同时保持边缘清晰, 减少了传统滤波方法在边缘处的光晕现象。
图像分割 导引滤波 细节增强 边缘保持 image segmentation guided filter edge-preserving detail enhancement
中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
本文提出一种新的结构字典学习方法,并利用它进行图像复原。首先给出结构字典学习的基本内容和方法, 然后将傅里叶正则化方法和结构字典学习方法有效整合到图像复原算法中。结构字典学习方法是先将原图像进行结构分解, 再分别学习出每个结构图像中的字典, 最后利用这些字典对原图像进行稀疏的表示。结合傅里叶正则化, 提出了一种有效的迭代图像复原算法: 第一步在傅里叶域利用正则化反卷积方法得到图像的初步估计; 第二步采用结构字典学习的方法对遗留的噪声进行去噪处理。实验结果表明, 提出的方法在改进信噪比和视觉质量上都要优于6种先进的图像复原方法,改进的信噪比平均提升0.5 dB以上。
结构字典 字典学习 图像复原 反卷积 structure dictionary dictionary learning image restoration deconvolution
1 中国科学院 长春光学精密机械与物理研究所，吉林 长春 510640
2 中国科学院大学，北京 510640
无人机视频数据的实时压缩处理是无人机的关键技术之一。本文以DM368为核心处理器，以嵌入式Linux为板级操作系统，设计出一套可供无人机使用的低功耗视频实时压缩系统。与传统的嵌入式视频H264软件编码压缩系统相比，本系统依赖DM368内嵌的视频协处理硬核处理H264编码，具有功耗低，处理延迟小，外部电路简单等诸多优势。同时系统以嵌入式Linux为板级操作系统，实时性强，可稳定高效的管理视频采集、硬核调度、串口通讯、数据输出等诸多任务。试验结果表明，本系统在处理PAL制式为视频源的H264编码任务时，平均功耗仅为15 W，具有功耗低、成本低、体积小、重量轻、实时性强等诸多优势，能够满足无人机视频压缩的应用需求。
无人机 视频压缩 H264编码 UAV DM368 DM368 video compression H264 encoding
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院 航空光学成像与测量重点实验室, 吉林 长春130033
本文回顾了视频目标跟踪方法中常用的目标表示方法, 并对目标表示方法进行了系统地分类, 对现有的目标跟踪方法进行了分类, 并对每类中具有代表性的方法进行了详细描述, 分析各类别的优缺点。讨论了目标跟踪的难点以及未来的发展趋势, 为相关研究人员了解目标跟踪技术提供参考。
目标跟踪 综述 target tracking survey SIFT SIFT Meanshift meanshift
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院 长春光学精密机械与物理研究所 航空光学成像与测量中国科学院重点实验室, 吉林 长春 130033
针对在雨雾霾天气条件下, 大气介质的散射和吸收作用导致光电成像系统接收的图像对比度降低, 细节模糊不清及颜色偏移, 提出通过快速图像复原来解决此类图像退化问题。基于大气成像光学模型, 在暗通道先验的理论基础上, 提出了一种基于形态学滤波器的快速估算暗通道图像的方法, 并采用参数自适应调整方法来抑制暗通道先验不满足时的大片天空/白墙区域的颜色失真现象。实验结果表明, 该算法能够有效快速复原雨雾天气条件下的降质图像, 对于600×400大小的图像, 其Matlab复原仿真时间仅为04 s, 复原后的图像主观视觉质量明显提升, 其大片天空/白墙区域的颜色失真得到有效抑制。
降质图像 图像复原 暗通道先验 形态学滤波器 degraded image image restoration dark channel priority morphologic filter
