江苏理工学院机械工程学院,江苏 常州 213000
对视觉领域中全景视觉的不断研究表明, 采用鱼眼镜头获取的图像序列所研究的运动目标检测准确率低, 受到噪声干扰时鲁棒性不高, 针对该问题提出一种基于全景视觉的运动目标检测改进方法。该方法首先采用五帧差分法对图像进行处理, 利用相邻5帧之间进行差分来完成前景与背景的分离, 有效地减少目标空洞问题; 然后在混合高斯模型中提高自适应学习率和更新高斯分布数量, 有效克服了检测中出现的重影现象; 最后通过形态学处理, 得到目标检测结果。实验结果表明, 改进的方法提供了比传统的全景图像运动目标检测更可靠的检测结果, 目标检测率较高。
全景视觉 运动目标检测 混合高斯分布 五帧差分 panoramic vision moving target detection Gaussian mixture distribution five-frame difference
中北大学信息与通信工程学院信息探测与处理山西省重点实验室, 山西 太原 030051
针对筒状类工件内壁缺陷和形貌特征的检测需求,提出了基于深度学习与机器视觉相结合的筒状类工件内壁全景成像方法。该方法基于变焦距成像,获取筒状类工件内壁多聚焦图像序列,利用基于卷积神经网络的多聚焦图像融合算法,融合不同景深的内壁图像序列,获取全聚焦的内壁全景视图。根据视觉成像的透视变换原理,采用逆映射全景图像,改进了内壁形貌重构方法,获取柱面坐标系下的筒状类工件内壁形貌图像。实验结果表明,提出的形貌重构方法能够有效实现内壁质量的检测,且成像质量较高。
图像处理 筒状类工件 全景视觉 卷积神经网络 多聚焦图像融合 全景图展开 激光与光电子学进展
2020, 57(10): 101002
1 哈尔滨工程大学 自动化学院，哈尔滨 150001
2 海装上海军代表局，上海 201206
解算的主要目的是将全方位图像还原成无畸变的图像。本文根据双曲面折反射全景视觉系统成像特点，提出了一种基于前向映射的全方位图像解算的改进算法。该算法首先采用前向映射空间变换方法将全方位图像的像素映射到虚拟观察平面上，然后利用改进的Shepard 散乱数据插值法复原完整的解算图像，从而避免了在畸变的全方位图像中直接插值引起的图像解算的失真。实验结果表明，该方法不但消除了全方位图像的非线性畸变，而且提高了插值精度和图像灰度曲面的光滑性，使解算图像更接近真实景象。
全景视觉 全方位图像 解算 前向映射 图像插值 panoramic vision omni-directional images unwrapping process forward mapping image interpolation
