赣南师范大学 物理与电子信息学院, 江西 赣州 341000
分析了传统边沿检测算子的优缺点, 引入LVQ神经网络检测图像边沿; 阐述了其以传统算子检测结果为教师信号, 以灰度图像5×5邻域的中值特征量、方向特征量、Kirsch算子方向特征量为一组特征量作为输入信号训练权值的检测原理与训练过程, 给出了特征量的计算公式; 以检测脐橙图像边沿为例, 设置了不同阈值、不同教师信号类型。结果表明, LVQ神经网络检测边沿, 不依赖于教师信号的类型和阈值, 在提高边沿连续性和抑制过度曝光点两方面比传统算子检测有显著优势。
边沿检测 LVQ神经网络 特征量 连续性 过度曝光点 edge detection LVQ neural network a set of features edge continuity overexposure
结构光投影方法在三维形貌测量中应用广泛,但是由于被测物体表面反射率变化范围较大,过度曝光会导致相位信息无法获取。而传统的高动态范围扫描技术步骤复杂,耗时较长。文中提出一种自适应条纹投影技术,向待测物体表面投射较高灰度级的条纹图,判断并标记过度曝光点。降低投射强度后通过非线性最小二乘法拟合来确定每个饱和像素点最适合的最大输入灰度,用重新生成的自适应条纹图来采集图像并进行相位计算和三维形貌恢复。通过实验验证,该方法可以对物体表面的高反光区域进行有效测量,避免过度饱和,仿真误差在0.02 mm范围内,实测误差约为0.14 mm,实际实验对过曝点的补偿率可达到99%。
高反光物体 过度曝光 自适应 条纹投影 三维测量 high reflective object overexposure adaptive fringe-pattern projection 3D measurement
1 第二炮兵工程学院，西安 710025
2 第二炮兵士官学校，山东 青州 262500
对过曝光条件下的星象聚心进行了研究，提出一种基于空间曲面边缘区域信息的不完全高斯拟合算法。算法首先检测过曝光星点区域确定各行(列)参加曲线拟合的像素点，再结合高斯空间曲面模型进行边缘拟合得出初步定位结果，最后以与过曝光区域尺度有关的权重对各行(列)计算结果进行综合处理进而得出最终结果。仿真试验表明，算法具有较高的可靠性和抗干扰，能够较好的解决包括过曝光条件下的星点定位问题。
星象聚心 过度曝光 过曝光区域检测 边缘高斯拟合 star centroiding over-exposure over exposed region detection edge Gaussian interpolation
