福州大学物理与信息工程学院,福建福州 350108
为减少浮选气泡合并、破碎等变化对泡沫表面流动特征提取的影响,提出了一种非下采样剪切波变换(Nonsubsampled Shearlet Transform,NSST)域红外目标分割及改进加速鲁棒特征(Speeded Up Robust Features,SURF)匹配的泡沫表面流速检测方法。首先,对相邻两帧泡沫红外图像 NSST分解,在多尺度域构建图割能量函数的边界、亮度、显著性约束项实现对合并、破碎气泡的分割;然后,对分割后的背景区域进行 SURF特征点检测,通过统计扇形区域内的尺度相关系数确定特征点主方向,采用特征点邻域的多方向高频系数构造特征描述符;最后,对相邻两帧泡沫红外图像进行特征点匹配,根据匹配结果计算泡沫流速的大小、方向、加速度、无序度。实验结果表明,本文方法能有效分割出合并、破碎的气泡,具有较高的分割精度,提升了 SURF算法的匹配精度,流速检测受气泡合并、破碎的影响小,检测精度和效率较现有方法有一定提升,能准确地表征不同工况下泡沫表面的流动特性,为后续的工况识别奠定基础。
泡沫红外图像 流速检测 非下采样剪切波变换 红外目标分割 SURF匹配 foam infrared images, flow velocity detection, non
福州大学物理与信息工程学院,福建 福州 350108
针对低照度图像存在识别度不高、亮度低、信噪比低和细节模糊等问题,提出了一种非下采样剪切波变换(NSST)域结合生成对抗网络(GAN)的低照度图像增强方法。首先,收集弱光图像和正常光图像数据集,将图像进行RGB颜色空间到HSV颜色空间的变换处理,保持色度、饱和度分量不变,对亮度分量进行NSST多尺度分解,利用分解得到的低通子带图像构建训练集;其次,构建基于GAN的低频子带图像增强模型,并利用低频子带图像训练集对模型进行训练;然后,对待处理的低照度图像进行NSST分解,利用训练的模型增强低频子带图像,利用尺度相关系数去除各高频方向子带噪声,并通过非线性增益函数增强边缘系数;最后,将增强处理后的低频、高频子带图像进行NSST重构,并将重构图像恢复至RGB颜色空间。所提方法与常见的方法相比,就低照度图像增强而言,结构相似度平均提升了3.89%,均方误差平均降低了1.03%,且在对噪声图像增强时,峰值信噪比和连续边缘像素比保持在21 dB和88%以上。实验结果表明,所提方法不论从视觉效果还是图像质量客观评价指标上较常见方法都有较大提升,能有效改善低照度图像的低质问题,为后续的图像处理分析奠定基础。
低照度图像增强 非下采样剪切波变换 生成对抗网络 图像去噪 图像边缘增强 激光与光电子学进展
2023, 60(24): 2410007
1 河北工程技术学院 网络与通信学院,河北 石家庄 050091
2 阳光学院 人工智能学院,福建 福州 350015
3 福州大学 物理与信息工程学院,福建 福州 350108
传统暗通道去雾算法计算的透射率图存在块效应,易造成复原图像白边现象,同时图像中天空、白云等明亮区域不适用暗通道原理,易引起去雾图像失真。本文结合引导滤波和自适应容差机制提出了一种基于多尺度暗通道和自适应容差的去雾算法,可有效避免以上问题。首先,计算3种不同尺寸滤波窗口下的透射率初估计,并对估计结果进行有效融合;接着,通过引导滤波对透射率进行细化,以获得鲁棒性和准确性更好的多尺度透射率图;然后,引入自适应容差策略对图像中明亮区域的透射率进行修正;最后,由于暗通道去雾图像整体亮度偏暗,因此对去雾图像的亮度和对比度进行亮度补偿。实验结果表明,采用不同算法对不含和少量天空区域的图像去雾,信息熵约提高0.2 bit/symbol,平均梯度约提高0.5,PSNR约提高8 dB。对较多和大量天空区域图像去雾,PSNR约提高3 dB,SSIM约提高0.1。较好地实现了去雾图像细节清晰、颜色可靠且明亮区域去雾效果良好等要求。
图像去雾 暗通道先验 透射率 引导滤波 自适应容差 image dehazing dark channel prior transmittance guided filtering adaptive tolerance
1 福州大学至诚学院,福州 350002
2 中国福建光电信息科学与技术创新实验室,福州 350108
3 福州大学 物理与信息工程学院,福州 350108
针对传统图形化工艺复杂且图形未经精细设计,导致电场分布不均匀的问题,通过ANSYS Maxwell 16.0仿真软件研究电子运动轨迹规律,提出图形化发射体阵列有效发射尺寸和最佳阵列间距阴极结构的新思路,改善场发射性能。仿真结果表明,当阵列间距为200 μm时,图形化阵列中心区域的电场分布平坦,阵列四周突变上升。这是由于阵列边缘部分相比于阵列中心区域部分更表现出针尖的特性,当阵列间距越小时,单元阵列之间的边缘区域场强叠加,出现场强叠加区。当阵列间距逐渐增大时,场强边缘叠加效应削弱,同时电场屏蔽效应也削弱。因此,阵列边长越大,为400 μm时,阴极表面场强趋于平坦,场强边缘叠加效应和电场屏蔽效应达到平衡。而阵列间距增大到600 μm时,会导致单元阵列平面中心位置相对较远,单元阵列场发射相对独立,电子发射出现空档区域。因此,阵列间距选取适中数值时,阵列边缘场强叠加效应削弱,四周电场也不会出现盲区,电场基本达到均匀分布。根据仿真结果,通过喷墨打印图形化种子层实现图案化发射体阵列精准定位,再水热生长ZnO纳米棒阴极阵列。场致发射实验结果表明,随着间距的增加,开启场强Eon从200 μm时的2.95 V/μm降低到400 μm时的0.57 V/μm,并进一步变为600 μm时的2.26 V/μm;而场增强因子β随阵列间距从200 μm增加到600 μm,先增大后减小。这与仿真结果吻合,即在ZnO阴极阵列有效发射尺寸为200 μm情况下,当阵列间距为400 μm时,场发射性能最优,其开启场强为0.57 V/μm,场发射增强因子为32 179。通过调控图形化阵列电子发射轨迹,从而减小场叠加和场屏蔽效应可以改善场发射性能。结合图形化设计和喷墨打印的高效性,有望实现高性能场致发射电子源。
电子源 场致发射 喷墨打印 ZnO纳米棒 图形化阵列 水热生长 Electron source Field emission Inkjet printing ZnO nanorods Patterned array Hydrothermal growth
1 阳光学院人工智能学院, 福建 福州 350015
2 福州大学物理与信息工程学院, 福建 福州 350108
针对低亮度图像存在的对比度低、边缘弱、噪声干扰等问题,提出了一种基于改进量子和声搜索(QHS)算法优化模糊集变换的非下采样Contourlet变换(NSCT)域图像增强方法。首先,将低亮度图像进行NSCT分解,得到低频图像和多尺度高频子带图像。然后,改进QHS算法的量子旋转门更新策略,并将改进的QHS算法用于模糊集变换参数的优化以实现低频图像的自适应增强。接着,根据能量分布对贝叶斯萎缩阈值进行改进以去除高频子带的噪声系数,并通过非线性增益函数实现了边缘和纹理细节的增强。最后,对增强后的各尺度图像进行NSCT重构。对低照度图像、医学计算机断层成像(CT)图像、红外夜视等低亮度图像进行了实验,结果表明,与现有的图像增强方法相比,所提方法不仅改善了图像的整体亮度,还具有更高的信息熵、对比度和清晰度。此外,所提方法在有效抑制噪声的同时保留了更多的纹理细节,且适用于不同环境下的低亮度图像增强。
机器视觉 低亮度图像 图像增强 非下采样Contourlet变换 量子和声搜索 模糊集 激光与光电子学进展
2021, 58(24): 2415008
福州大学 物理与信息工程学院, 福建 福州 350108
为精确提取浮选泡沫表面的崩塌、新合成气泡, 减少噪声和光照影响, 提出一种结合非下采样Shearlet变换(NSST)域显著性检测及图割的泡沫红外图像分割方法。对泡沫红外图像进行NSST多尺度分解, 采用GBVS算法对低频子带图像进行显著性检测, 通过马尔科夫链特征差异计算显著性值, 对各个高频方向子带进行噪声系数去除和边缘、弱边缘系数非线性增强。对处理后的多尺度高频子带、低频子带图像进行NSST重构, 通过低频子带图像的显著性检测结果构建显著性约束项, 采用高斯拟合函数构建气泡亮度约束项, 然后构造图割能量函数, 最后利用最大流/最小割算法对目标区域进行分割。实验结果表明: 该方法受光照影响小, 一定程度上解决了过分割和欠分割问题。正常浮选检测准确率为91.8%, 欠浮选为87.1%, 过浮选为88.9%, 分割精度较现有方法有明显提高, 能有效提取出崩塌或新合成的气泡, 表现出良好的抗噪性, 且在不同工况下均表现出良好的鲁棒性。
图像处理 泡沫红外图像分割 非下采样Shearlet变换 图割 显著性检测 image processing foam infrared image segmentation non-downsampling shearlet transform graph cuts saliency detection
福州大学物理与信息工程学院, 福建 福州 350108
针对浮选加药状态在线检测困难、识别效率低和主观性强等问题,提出了一种基于多尺度卷积神经网络(CNN)特征及行列自编码核极限学习机(RAE-KELM)的浮选加药状态识别方法。首先,对浮选泡沫图像进行非下采样Shearlet多尺度分解,用CNN提取每个尺度图像的深度特征并进行多尺度特征融合;然后,构建RAE-KELM,将用量子计算改进的细菌觅食算法用于RAE-KELM的参数优化;最后,通过自建数据集训练得到最优的RAE-KELM模型,实现了浮选加药状态的自适应识别。实验结果表明,本方法的识别准确率可达到98.88%;且本方法减少了人工干预,有利于提高生产效率。
图像处理 卷积神经网络 非下采样Shearlet变换 行列自编码核极限学习机 量子细菌觅食算法 激光与光电子学进展
2021, 58(12): 1215002
1 阳光学院人工智能学院, 福建 福州 350015
2 福州大学物理与信息工程学院, 福建 福州 350108
针对噪声图像边缘模糊、边缘检测困难的问题,提出了一种结合分数阶微分的噪声图像非下采样contourlet变换 (NSCT)域边缘检测方法。该方法首先对图像进行NSCT分解,对低频子带的轮廓进行针对性提取;其次对于边缘细节和噪声较多的各方向高频子带,利用NSCT域的多尺度积和方向分数阶微分矩阵对高频系数进行阈值去噪与信息增强;最后将NSCT域各频域和方向的尺度图像进行融合,得到完整的边缘图像。对不同类型的原始图像和噪声图像进行实验,本文方法检测到的平均连续边缘像素比分别为0.931和0.861,相比Canny算子、分数阶微分检测方法和现有的多尺度域边缘检测方法,本文方法具有更好的边缘检测效果。随着图像噪声水平的增加,本文方法得到的平均连续边缘像素比较高,抗噪性强,边缘准确、完整、连续。
图像处理 边缘检测 噪声图像 轮廓提取 分数阶微分 非下采样 contourlet 变换 激光与光电子学进展
2021, 58(8): 0810021
光子学报
2020, 49(10): 1015001