强激光与粒子束
2024, 36(4): 043023
汕头大学 工学院 机械工程系, 广东 汕头 515063
视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题,为此,本文提出一种基于多特征融合的立体匹配算法。首先,在代价计算阶段,通过高斯加权法赋予邻域像素点的权值,从而优化绝对差之和(Sum of Absolute Differences,SAD)算法的计算精度。接着,基于Census变换改进二进制链码方式,将邻域内像素的平均灰度值与梯度图像的灰度均值相融合,进而建立左右图像对应点的判断依据并优化其编码长度。然后,构建基于十字交叉法与改进的引导滤波器相融合的聚合方法,从而实现视差值再分配,以降低误匹配率。最后,通过赢家通吃(Winner Take All,WTA)算法获取初始视差,并采用左右一致性检测方法及亚像素法提高匹配精度,从而获取最终的视差结果。实验结果表明,在Middlebury数据集的测试中,所提SAD-Census算法的平均非遮挡区域和全部区域的误匹配率为分别为2.67%和5.69%,测量200~900 mm距离的平均误差小于2%;而实际三维测量的最大误差为1.5%。实验结果检验了所提算法的有效性和可靠性。
机器视觉 立体匹配 SAD-Census变换 十字交叉法 引导滤波 machine vision stereo matching SAD-Census transform cross method guided filtering
1 石家庄铁道大学工程力学系,河北 石家庄 050043
2 石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室,河北 石家庄 050043
针对长脉冲热波激励后采集到的红外原始热图中缺陷对比度低、缺陷边缘模糊等问题,本文提出了一种基于傅里叶变换、频域相位积分和保边滤波的红外序列图像处理方法,该算法首先对冷却时间段内采集到的红外原始热图进行消背景处理,再利用傅里叶变换将试样表面的红外辐射信息转化为相位信息,频域相位积分处理可以将不同频率下缺陷的相位信息整合至一幅相位积分图中,最后通过保边滤波器及自适应伽马变换对积分图像进行增强和量化。该算法克服了传统方法需要人工从多张频率或成分图中甄别出最优检测结果的缺点,并且可以消除加热不均匀的影响,改善缺陷的可视化。试验结果从定性和定量两个角度验证评估了该算法的有效性,并讨论了采集参数的影响。
长脉冲热像法 傅里叶变换 相位增强 复合材料
1 中国科学院上海光学精密机械研究所高功率激光物理联合实验室,上海 201800
2 中国科学院大学材料与光电研究中心,北京 100049
针对具有圆对称结构特征的光束,提出了一种基于高阶准离散汉克尔变换的光束整形算法。与传统Gerchberg-Saxton算法相比,相同条件下,该算法能够在较少的迭代次数内实现快速收敛,并大幅节省计算时间(约100倍),利用该算法设计的衍射光学元件呈圆对称分布,结构简单、更易于加工;此外,设计实验对目标光束整形,验证了该算法的可行性,实验结果光强分布较好,为衍射光学元件的设计和加工提供了重要的指导意义。
物理光学 汉克尔变换 光束整形算法 Gerchberg-Saxton算法 衍射光学元件
针对单可见光或单红外条件下的IC器件表面缺陷对比度不足,缺陷检测精度低的问题,提出多光谱图像融合的IC器件表面缺陷检测方法。针对IC器件可见光与红外图像配准中存在尺度不一致和对比度反转问题,引入拉普拉斯金字塔和特征描述符重组策略改进ORB(Oriented FAST and Rotated BRIEF)图像配准算法。在图像配准的基础上,提出NSST_VP图像融合方法,以非下采样剪切波变换(Non-Subsample Shearlet Transform, NSST)得到红外图像和已配准可见光图像的低频和高频子带,对低频子带采用视觉显著图(Visual Significance Map, VSM)加权融合规则,高频子带则采用自适应脉冲耦合神经网络(PA- Pulse Coupled Neural Network, PA-PCNN)决策融合规则,进而通过NSST逆变换得到高质量多光谱融合图像。最后,将融合图像输入YOLOv8s模型进行检测。实验结果表明,改进ORB的图像配准平均精度为87.8%,比ORB图像配准精度提高了62%,NSST_VP图像融合算法在主观视觉效果和客观评价指标上均有所提高。在缺陷检测实验中,NSST_VP融合方法的均值平均精度(mean Average Precision, mAP)达到83.15%,比单可见光、单红外缺陷图像检测的mAP分别提高了22.97%,28.31%,比双树复小波变换融合、曲线变换融合、非下采样轮廓波变换融合方法的mAP分别提高了13.14%,15.01%,20.35%。
缺陷检测 IC器件 多光谱图像融合 图像配准 非下采样剪切波变换 YOLOv8s defect detection IC device multispectral image fusion image registration non-subsample shearlet transform YOLOv8s
1 河北工业大学 机械工程学院,天津30040
2 河北工业大学 电工装备可靠性与智能化国家重点实验室,天津300401
3 天津爱思达航天科技股份有限公司,天津00000
针对现有接触式测量方法装夹定位后只能测量一种或两种参数、检测效率低等问题,提出一种舵类结构件几何量误差和装配误差视觉检测方法。首先,利用计算机视觉系统获取舵轴和舵面区域图像,利用图像预处理技术去除图像畸变和噪声,为了更有效地提取舵类结构件边缘,分别采用Sobel算子、Scharr算子、Laplace算子和Canny算子对图像进行边缘检测以确定轮廓,实验对比发现Scharr算子处理后的舵轴图像边缘更清晰且无间断,Canny算子处理后的摇臂图像边缘比较清晰,因此选用Scharr算子提取舵轴图像边缘、Canny算子提取摇臂图像边缘。结合被测要素特点,采用霍夫直线和霍夫圆检测方法提取舵面边缘线特征、舵轴母线特征、摇臂圆轮廓特征;确定了舵芯对称度、舵轴垂直度、摇臂夹角的基准要素,构建了几何量误差检测目标函数,运用自适应遗传算法计算最优解;结合相机标定的内外参矩阵,得到舵芯对称度、舵轴垂直度、摇臂夹角的测量值。最后,研发了舵类结构件几何量误差和装配误差视觉检测软件,搭建了视觉检测实验平台,实现了几何量误差及装配角度误差快速检测功能。经过多次重复测量实验,对称度检测精度达到0.055 mm,垂直度检测精度达到0.225 mm,装配角度检测精度达到0.772°,完成单次检测耗时7 s。该方法不仅提高了几何量误差检测精度和检测效率,同时有助于提高舵类结构件成型-制造-在机检测的自动化和智能化水平。
舵类结构件 几何量误差 视觉检测 霍夫变换 air rudder geometric errors vision inspection hough transform
强激光与粒子束
2024, 36(2): 025007
强激光与粒子束
2024, 36(2): 025013