期刊基本信息
创刊:
1974年 • 月刊
名称:
光电工程
英文:
Opto-Electronic Engineering
主管单位:
中国科学院
主办单位:
中国科学院光电技术研究所;中国光学学会
出版单位:
光电工程编辑部
主编:
罗先刚
ISSN:
1003-501X
刊号:
CN 51-1346/O4
电话:
028-85100579
邮箱:
地址:
四川省成都市双流350信箱《光电工程》编辑部
邮编:
610209
定价:
90元/期
光电工程 第45卷 第12期
针对立体图像版权保护问题,提出了一种基于左右视点相关性的立体图像鲁棒水印方法。由于张量分解能够较好保存图像的主要能量,因此,首先利用彩色视点中RGB 三通道之间的相关性,对左右视点分别进行张量分解。每一个视点分解出三个特征图,其中每个视点的第一特征图保留了每个视点中较强的三通道关系。其次,结合左右视点之间的相关性,联合左右视点的第一特征图进行张量分解,得到立体图像的主要能量特征图。最后,将主要能量特征图进行奇异值分解,并嵌入水印从而提高鲁棒性。实验结果表明,该方法具有较高的鲁棒性和不可见性,并且实现了水印的盲提取。
立体图像 鲁棒水印 张量分解 相关性 盲提取 stereo image robust watermarking tucker decomposition correlation blind extraction 手背静脉图像的采集过程中,由于图像采集设备、光照、皮下脂肪厚度等因素的影响,手背静脉图像的对比度比较低,同时图像噪声严重影响静脉提取。针对此问题,本文提出了一种基于静脉灰度值特征的图像分割与对比度增强算法。首先提取ROI(有效的感兴趣区域)和对ROI 进行维纳滤波;然后采用新的图像分割算法对静脉图像进行静脉提取,利用8-邻接内边界跟踪方法和形态学处理方法对静脉二值图像进行去噪;最后将ROI 与去噪后的图像进行加权叠加得到对比度增强的静脉图像。实验结果表明,通过采用基于静脉灰度值特征的图像分割算法可以很好地获取到静脉脉络,最终可以获得高对比度的静脉图像。
手背静脉图像 图像分割 8-邻接内边界跟踪 图像加权叠加 hand vein image image segmentation 8-adjacent inner boundary tracking image weighted superposition 针对三种不同空间分辨率的双压电片变形镜(Bimorph DM),采用仿真实验分析其对3~35 项Zernike 静态像差和实际人眼(包括疾病人眼)像差的拟合能力。实验表明,Bimorph 变形镜特别适用于校正低阶像差,拟合误差小于0.15,随着空间分辨率的增加,Bimorph 变形镜对Zernike 像差和人眼像差的拟合能力总体表现为增强的趋势,其中,35 单元的Bimorph 变形镜的像差拟合能力最优,对前20 项Zernike 像差的拟合误差稍优于传统分立式压电变形镜。通过对Bimorph 变形镜像差拟合能力的实验分析,为人眼视网膜高分辨率系统的Bimorph 变形镜选型提供了分析方法,也为进一步提升Bimorph 变形镜的像差校正能力奠定了研究基础。
自适应光学 双压电片变形镜 Zernike 像差 像差拟合 视网膜成像 adaptive optics bimorph deformable mirror(DM) Zernike aberrations aberration fitting retina imaging 当前双模态红外图像融合在选取融合方法时,缺乏各要素之间的选取与组合的依据,且融合模型不能针对图像差异特征进行动态调整,造成融合效果不佳。针对上述问题,借鉴生物多拟态特性,提出了一种可变元素与矩阵相结合的双模态红外图像拟态融合算法。首先,将融合模型拆分成融合算法、融合规则、融合参数和融合结构相互独立的四部分,分别建立各部分与图像不同差异特征融合效果的单映射关系。其次,利用拟态变换思想,建立拟态变换融合方法,将融合过程所必要的四部分进行组合,从而派生出新的融合算法。最后,利用差异特征不同的源图像对所得拟态融合算法进行验证。实验结果表明,在图像差异特征不同时,利用该算法可以派生出更适合图像特征的融合方法,实现利用图像差异特征从而主动选择并动态调整融合算法的要求,使得所得到的融合图像中的差异特征可以有效融合,显著提高了原始图像视觉效果。
图像融合 红外偏振图像 矩阵理论 动态重构 多级映射 image fusion infrared imaging matrix theory dynamic reconstruction multi-level mapping 为解决扫描电子显微镜(SEM)由于电子束漂移、电磁干扰等原因导致的图像漂移问题,提出基于ORB 结合PROSAC 的图像漂移矫正算法。首先采用ORB 算法对基准图像和实时图像进行特征检测,然后利用汉明距离与交叉匹配实现特征的初匹配,再结合RANSAC 的优化算法PROSAC 计算帧间的单应矩阵,利用单应矩阵映射剔除外点后重新迭代计算出最终的精确单应矩阵,最后利用单应矩阵的透视变换实现SEM 图像漂移实时矫正。通过实验证明,该算法不仅精度高,而且能够满足SEM 实时处理的要求。
扫描电子显微镜 图像漂移 单应矩阵 矫正 scanning electron microscopy imaging drift homography matrix correction 为了构建鲁棒的背景模型和提高前景目标检测的准确性,综合考虑视频图像在同一位置上像素点的时间相关性和邻域像素的空间相关性,本文提出一种基于多特征融合的背景建模方法,用单帧图像中像素的邻域相关性快速建立初始背景模型,利用视频图像序列像素值、频数、更新时间和自适应敏感度更新背景模型,有效改善了ghost 现象,减少运动目标的孔洞和假前景。通过多组数据测试,表明本算法提高了对动态背景、复杂背景的适应性和鲁棒性。
多特征融合 运动目标检测 背景建模 multi-feature joint matching motion detection background modeling 为了全面且针对性地研究水下湍流成像的退化因素,同时优化相应图像恢复算法,搭建了一个可控湍流条件和重复使用的水下成像实验系统,利用循环水泵控制实验水箱中湍流的强度,气泡发生器制造微气泡,图像传感器获取不同条件下的正弦条纹目标板的成像结果。研究了流速场、程辐射和流体介质对水下成像的影响,结合图像复原和超分辨率重建技术,比较了基于三种退化因素的调制传递函数(MTF)的差异和适用性。结果表明,湍流流速场在低空间频率段造成MTF 快速下降,程辐射和流体介质则会导致高空间频率的调制对比度减小;在水下湍流退化图像恢复中,湍流流速场的MTF 适合图像复原,程辐射和流体介质的MTF 适合图像重建。
海洋光学 调制传递函数 图像复原重建 超分辨率 oceanic optics modulation transfer function image reconstruction-restoration superresolution 对焦窗口的选择是实现显微镜自动对焦的关键步骤。针对传统的对焦窗口选取方法不能准确定位目标物体的问题,本文提出了一种改进的人工鱼群对焦窗口法。以整幅图像中细节最丰富的区域作为对焦窗口的选取依据,充分利用人工鱼群算法良好的全局寻优能力,在整幅图像中选取最佳对焦窗口;将全局优值添加到每条人工鱼的行为更新中,使其能快速移动到当前最佳位置甚至是全局最优位置。此外,在算法中引入了淘汰机制,在保证精度的前提下,提高算法的收敛速度;再根据算法中公告板的特点,结合趋势对比法识别干扰区域,有效排除非目标区域的影响。实验表明,该方法得到的对焦窗口,可以更好地对目标物体进行对焦,大大提高了自动对焦的精确度,并且构建对焦窗口的效率较传统方法提高了1.65 倍。
自动对焦 对焦窗口 区域选择算法 人工鱼群算法 图像处理 autofocus focus window region selection algorithm artificial fish swarm algorithm image processing 针对城市三维环境下LiDAR 点云数据密度大、离群噪点多、分布散乱不利于后期点云帧间匹配的问题,提出一种应用于城市环境下大规模三维LiDAR 点云帧间匹配的预处理方法。首先,将点云数据转化为均值高程图,利用网格之间的高度梯度对点云进行地面分割处理;然后,通过三维体素栅格划分的方法改进了DBSCAN 聚类算法,用改进后的VG-DBSCAN 对点云进行聚类,聚类后目标点云与离群点分离,从而剔除点云中的离群噪点;最后,采用Voxel Grid滤波器对点云降采样。实验结果表明,所提方法可以对点云数据进行实时的预处理,平均耗时为132.1 ms;预处理之后点云帧间匹配的精确度提高了2 倍,平均耗时也仅为预处理前的1/6。
点云预处理 地面分割 点云去噪 帧间匹配 point cloud preprocessing ground segmentation point cloud density clustering inter-frame matching 针对遥感图像中的飞机目标,本文提出一种遥感图像飞机的改进YOLOv3 实时检测算法。首先,针对单一的遥感图像飞机目标,提出一种有49 个卷积层的卷积神经网络。其次,在提出的卷积神经网络上应用密集相连模块进行改进,并提出使用最大池化加强密集连接模块间的特征传递。最后,针对遥感图像中飞机多为小目标的现实,提出将YOLOv3 的3 个尺度检测增加至4 个并以密集相连融合不同尺度模块特征层的信息。在本文设计的遥感飞机测试集上进行训练和测试,实验表明,该算法的检测精度达到96.26%、召回率达到93.81%。
遥感图像 飞机目标 实时检测 卷积神经网络 remote-sensing image airplane target real-time detection convolutional neural network