一、一种基于小波变换的数字图像自动聚焦算法(论文文献综述)
熊锐[1](2021)在《基于数字图像处理的显微自动对焦技术研究》文中研究表明微纳检测领域,需要对微纳结构的线宽,缺陷进行检测,对大尺寸微纳器件检测时,需要快速稳定的聚焦扫描。传统手动对焦方式,花费时间长,效率低,无法满足高精度与稳定性的要求。随着精密仪器逐步向着自动化、智能化的方向发展,对数字显微镜也提出了更高的要求,涌现出了各种针对数字显微镜的自动对焦技术,其中基于图像处理的自动对焦法应用最为广泛,该方法可分为离焦深度法和聚焦深度法这两大类,本文选择了其中的聚焦深度法进行研究。本文在国内外自动对焦技术的研究基础上,以显微成像系统为研究对象,针对聚焦深度法中的聚焦评价函数、聚焦窗口、聚焦搜索算法这三个重要环节,结合实际应用开展了一系列研究。首先,介绍了显微镜成像原理、光学成像模型、点扩散函数与光学传递函数等理论,奠定了自动对焦技术的理论基础。其次,深入研究了聚焦评价函数。针对空域类聚焦评价函数对多边缘方向微纳结构聚焦时,聚焦稳定性较差的问题,结合HVS多通道特性,提出了一种新的聚焦评价函数Bre2d_Rob函数,实验结果表明该聚焦评价函数能够适应多边缘方向的显微图像,聚焦稳定性更好。再次,对聚焦窗口的选择进行了研究。提出了变步长的聚焦窗口选择方法,相比中央取窗法,能够适应成像主体偏离中央区域时的情况。然后,制定了自动聚焦系统的搜索策略。改进了传统的爬山搜索法,将整个聚焦搜索过程分为了粗搜索和精搜索两个阶段,精搜索阶段采用连续三幅图像判断搜索方向,以提高搜索算法的抗干扰性和搜索效率。最后,结合实际应用,提出了以PC机为图像处理单元的自动对焦总体方案,并搭建了自动对焦实验平台,进行了大量的实验验证,测试了自动对焦系统的对焦效果、精度与稳定性。实验结果表明,本文提出的自动对焦方法切实可行,对焦成功率较高,具有一定的实际工程应用价值。
包丞啸[2](2021)在《基于图像处理的自动聚焦技术研究》文中研究表明从二十世纪中叶至今,光电成像技术一直处于迅速发展中,现如今已经广泛应用于摄影摄像、交通引导、军事对抗和医学影像等各个方面。作为数字成像系统中的核心技术之一,自动聚焦技术的相关研究也越发受到人们重视。早期的相机多是基于人工对焦的方式进行工作,但随着工业技术发展和光学理论知识的完善,这种效率低下的对焦方式很快被自动聚焦技术所取代。当前,基于图像处理的现代自动聚焦系统已经成为生产和应用的主流,系统利用光电传感器接收前端镜头成像并转换为电信号,再经计算机对模数转换后的数字图像作聚焦程度评价,最终驱动电机带动镜头实现搜索定位,完成成像聚焦。现代自动聚焦系统多采用聚焦深度法和离焦深度法原理进行搭建,其中又以聚焦深度法的应用更为广泛。聚焦深度法主要由三部分构成:聚焦窗口选择、聚焦评价函数和聚焦搜索策略。选择聚焦窗口旨在强调整幅图像中的前景目标,合理的聚焦区域在缩减评价函数工作量的同时,也能有效减小背景区域因素和噪声的干扰。聚焦评价函数作为自动聚焦流程最重要的一环,通过特定算法对不同焦距上的成像结果进行清晰度衡量,为镜头调控提供参考标准。聚焦搜索策略的作用在于为步进电机规划行程,以精准、迅速地实现焦点定位,提高聚焦效率。本文研究内容即围绕这三个方面展开。研究主要在以下各方面提出改进与创新:(1)针对传统的聚焦评价函数难以兼顾精度与稳定性,且抗噪能力不足,提出一种基于动态分割和局部最大梯度的的清晰度评价函数。结合二维Otsu算法和改进的最大梯度法对图像作二值化过滤,以增强离焦图像与聚焦图像的边缘细节对比,再基于梯度方差和梯度非零解变化特征构建新的清晰度评价函数。通过仿真实验可知,本文提出的清晰度评价函数满足聚焦精度要求,且灵敏度和抗噪性较传统算法更优。(2)针对聚焦窗口区域的选择,提出了一种基于自适应差分进化算法的窗口采样方法。方法结合窗口采样需求设置进化算法初始种群及控制参数,并以图像边缘锐利度分布特征为基准构建适应度函数,实现基于智能搜索算法的目标区域查找。经大量实验证明,本文提出的窗口采样方法在前景目标的精准定位方面表现更优,更能满足稳定性与适用性需求。(3)为提高聚焦搜索性能,在传统搜索方法的基础上进行改进,提出一种混合搜索策略,先采用斐波那契搜索完成粗过滤,再采用自适应爬山搜索法实现细定位,较大程度上提高了聚焦搜索的精度和效率。并结合本文提出的聚焦评价函数和聚焦窗口选择策略设计出一套完整的基于聚焦深度法的自动聚焦方法。
汤明[3](2021)在《基于数字全息显微成像技术的微小型浮游生物监测系统研究》文中进行了进一步梳理微小型浮游生物在海洋生态系统中扮演着极其重要的角色。它是其他高等海洋生物赖以生存的物质基础和能量来源,且其多样性和丰度是判定珊瑚、红树林等海洋生态系统健康发展的重要指标。因此研究新型的微小型浮游生物的监测方法开展监测系统研究具有重要的理论研究意义和工程指导意义。本文基于数字全息显微成像技术对尺度在5-200 μm的微小型浮游生物进行监测研究,目标是实现微小型浮游生物的大景深清晰再现、三维成像和准确识别,并在此基础上研制一套适用于微小型浮游生物监测的数字全息显微成像仪样机并完成初步试验。主要的研究内容和成果包括:1.探究对比了不同结构的数字全息显微成像光路,确定可行方案。先后在光学平台上搭建了 Gabor结构(无透镜结构)光路,基于马赫-曾德尔干涉仪结构的同轴光路、离轴光路和单臂光路。利用以上四种光路拍摄了分辨率板和微小型浮游生物的全息图像,对比分析了它们在全息图重建质量、再现景深、相位恢复、三维重构以及抗外界干扰能力等方面的特点,并结合微小型浮游生物的尺寸与分辨率要求确定了以马赫-曾德尔干涉仪结构的同轴光路作为样机的光学系统。2.研究了再现景深延拓的方法。推导了基于马赫-曾德尔干涉仪结构的同轴光路的再现像面点扩散函数(pointspread function)的表达式,根据点扩散函数的尺寸得到了再现景深与光学参数之间的关系,并通过分辨率板的成像实验验证了该关系。依据上述关系从增大全息图的尺寸入手,提出了波前编码(Wave Front Code)技术和全息图外扩(bicubic extrapolation iteration)技术相结合的再现景深延拓方法。3.研究了多焦距微小型浮游生物的自动聚焦方法和再现图像的融合方法。针对微小型浮游生物尺寸小、数量多、全息图背景噪声强的问题,提出了一种先从全息图中提取微小型浮游生物区域,然后依次应用面积准则进行判定的自动聚焦方法;为了消除微小型浮游生物周围的高频条纹和内部的斑点噪声,提出了一种基于标记图的改进型小波变换图像融合方法。同时,将深度学习应用到微小型浮游生物的自动聚焦和其再现图像融合,获得了较好结果。4.研究了微小型浮游生物的三维重构方法。分析对比了基于扫描成像原理的扫描电子显微镜重构法和基于全息成像原理的位相重构法、高度-灰度重构法、灰度层析重构法以及光学衍射层析重构法。以更适合于微小型浮游生物现场监测的灰度层析重构方法作为本文主要研究方法,针对其面临的微小型浮游生物前半部分轮廓难以被分辨,以及再现图像存在严重离焦像的问题,提出了一种改进型灰度层析重构方法,从硬件和算法两个方面获得了微小型浮游生物整个部分的轮廓,进而实现了微小型浮游生物的三维成像。5.研究了微小型浮游生物的识别方法。分别采用了传统的机器学习方法和深度学习方法对微小型浮游生物进行识别。在传统的机器学习方法中,分别选取了传统特征和HOG特征,对分类器SVM进行训练;在深度学习方法中,通过Faster-RCNN深度神经网络,完成对微小型浮游生物特征的选取及其自身的训练。6.研制了一套微小型浮游生物数字全息显微成像仪样机。通过关键光学参数的确定和光学元件及其支架的选型,设计光学系统模块,并完成其装调;通过样机的工作流程设计控制电路模块,控制激光器和图像传感器的开启与关闭,以及蠕动泵的运行;初步设计了与样机配套的“微小型浮游生物分析应用软件”,调用数值重建、自动聚焦、图像融合、三维重构算法和识别模型,并进行结果的保存、显示等。利用该样机进行了初步试验,获得了预期的结果。
王灿芳[4](2021)在《基于Jetson Nano的智能显微镜成像与图像识别的研究》文中研究指明随着对电子、生物、医学等微观领域的研究深入,操作对象的微型化正推动着显微镜系统向着自动化、智能化的方向发展。特别在生物医学工程领域,细胞融合、细胞的疾病检测及病理分析等,都需要借助显微镜去完成。而传统显微镜需要人工调焦,进而对观察目标进行病理分析。这种人工方式工作效率极低,且由于人的疲劳、主观判断等因素可能出现错误,造成误诊或漏诊。Jetson Nano是英伟达公司研制的一款性能强大、成本较低的人工智能计算机硬件。本文以开发低成本人工智能显微镜为目标,基于Jetson Nano平台对人工智能显微成像与图像识别技术进行了研究。智能显微镜系统主要由自动聚焦系统和目标识别系统两部分构成。首先,对智能显微镜的关键结构进行了研究,设计出了基于Jetson Nano的微操作系统的整体结构;针对显微系统成像尺寸小的问题,基于超分辨显微成像原理,采用压电陶瓷驱动方法及柔性铰链导向机构设计了具有纳米级定位精度的微定位平台的整体结构,并进行了静力学分析和有限元分析。其次,对于显微成像部分,图像的清晰度评价算法是实现基于数字图像自动聚焦的关键技术,而经典的算法易受噪声、光照不均等因素的影响,精度低、稳定性差,针对此问题,本文通过对各类经典图像清晰度评价算法的研究,融合方差函数和Brenner函数提出了一种新的图像清晰度评价算法,并通过MATLAB仿真验证了本文算法在灵敏度、稳定性、速度等方面的显着优势。针对经典爬山搜索算法容易出现局部极值且搜索速度慢的问题,本文基于爬山算法提出了变步长、三步试探搜索法,在远离焦点区域采用大步幅搜索,在近焦区域采用小步幅搜索,在极值点附近进行精细搜索,并通过向前多采集两帧图像来比较与前一帧的大小判断是否为局部极值,本文的搜索策略能够避免陷入局部极值的问题,提升搜索速度和精度。最后,图像识别部分主要是对聚焦所得图像的内容进行识别分类,针对目标识别要求高精度、实时性、智能化的问题,基于Jetson Nano平台对神经网络进行了研究,基于YOLOv4-tiny卷积神经网络并使用Dropout技术,设计了本文的目标识别模型DYOLOv4-tiny,有效的避免了过拟合问题,提高了细胞识别精度,通过实验分析表明该系统可以对细胞图像内容进行准确的识别。本文结合人工智能技术,主要针对智能显微系统的快速聚焦算法、目标识别方法进行了研究与优化,研究结果对开发智能显微成像分析系统有重要的参考意义。
李春桥[5](2020)在《基于聚焦深度法的显微聚焦算法研究》文中认为图像是反映客观世界的重要载体,清晰图像有助于人们的研究与探索。自动聚焦作为现代成像系统中一项关键技术,其目的就是辅助成像系统捕获到清晰图像,现已广泛应用于各个领域。在纺织纤维检测中搭配自动聚焦技术获取清晰地纤维图像,同样有利于提高纤维识别的准确性。目前,在显微镜自动聚焦系统中,主要采用基于图像处理法一类中的聚焦深度法。聚焦深度法主要由聚焦评价函数计算、聚焦窗口选择和搜索策略三个环节组成。本文就聚焦深度法进行了深入研究,针对该方法的研究工作安排如下:首先,建立了光学成像系统的离焦模型,给出了离焦状态下的点扩散函数与光学传递函数,分析了造成图像模糊的原因,为自动聚焦研究打下理论基础。其次,对聚焦评价函数进行了深入研究。从聚焦评价原理出发,阐释了评价函数的构造依据;根据分数微分运算具有可以大幅提升图像边缘和纹理细节信息的特点,将分数微分引入聚焦评价中,为了更有效的评价纤维图像的质量,构造出1~2阶微分算子,结合二阶整数微分,共同组成评价函数,旨在检测高频信息的同时,加强对中频信息的检测,综合图像的高频和中频信息作为图像清晰程度的评价结果。并与各类评价函数进行了仿真对比实验,通过定性定量分析,证明了所提评价函数的有效性。再次,对聚焦窗口的构建进行了研究。显微镜视野中,纺织纤维随机分布,传统的取窗方法并不能准确捕获目标主体。在分析比较几种常用的聚焦窗口的基础上,提出了混沌人工鱼群取窗方法。将混沌搜索算法加入传统鱼群算法中,提高了鱼群算法的全局收敛性;实时改变搜索步长及视野,提高其搜索精度。利用灰度共生矩计算窗口内图像的熵值作为比较依据,对传统鱼群和混沌鱼群算法进行了对比,结果表明改进后的鱼群算法获取的窗口包含的目标内容更丰富;将两种鱼群取窗方法与传统取窗方法进行了对比,证明了所提取窗方法更具有适应性。最后,使用上位机和下位机相结合的方式搭建了显微镜自动聚焦实验平台,对平台的硬件、软件进行了设计。基于自行研发的实验平台对所提聚焦方案进行了测试实验。实验结果表明,本文针对纺织纤维所提的聚焦算法聚焦效果较好,为纺织纤维自动检测做好了准备。
曲洪丰[6](2020)在《高速高分辨平面流式细胞显微成像技术研究》文中研究表明随着尿液有形成分分析仪器更高检测速度和更多检验项目需求的增加,平面流式细胞显微成像技术向高速和高分辨方向发展。本文研究的平面流式显微成像系统,检测速度由每小时60样本提高到120样本,尿有形成分检验项目由12类增加到25类。检测速度提高,细胞运动速度加快,系统动态传函降低,易出现拖尾模糊现象;检验项目增多,显微成像系统分辨率提高,但景深变小,不能对样本层流厚度内的所有有形成分清晰成像,并且微小的物距变化就可能产生离焦模糊,导致系统温度适应性下降。本文重点研究低成本高功率LED光源高速清晰成像、基于聚焦微粒的等效聚焦、参考图像法温度补偿和双传感器共光路景深扩展等技术,解决高速和高分辨带来的拖尾模糊、不易聚焦、温度离焦和景深不足等问题。本文首先阐述了高速高分辨平面流式细胞显微成像系统组成及原理,完成了显微成像光学系统、照明光学系统和粒子成像室的设计。显微成像光学系统采用无限远光路结构,由物镜和管镜组成,根据被测目标尺寸特征和算法识别要求,进行了物镜选型和管镜光学设计及像质评价,保证了高分辨成像;照明光学系统采用科勒照明光路,进行了集光镜组和聚光镜组的光学设计及仿真,保证了高亮度均匀照明;粒子成像室流体通道采用平直通道壁面、曲面通道壁面和两个侧通道壁面组成的非对称结构,根据光学系统景深、加工工艺水平和质量守恒定律等计算得出了粒子成像室的流体通道尺寸;通过分析和仿真,曲面通道壁面形状选择了加速度曲线曲率变化小的圆弧形曲面,使样本加速过程更加平缓,保证有形成分稳定地流过粒子成像室的成像区。建立了高速高分辨平面流式细胞显微成像系统的动态传函模型,依据物像关系及在奈奎斯特频率下系统动态传函必须大于0.9等条件,推导出系统曝光时间必须≤1.15μs才能满足高速运动细胞清晰成像要求。分析了低成本高功率LED响应速度慢,以及LED光源常亮和频闪两种曝光方式不能满足短曝光要求的原因。提出了一种短曝光控制方法,利用LED发光脉冲上升沿和相机曝光脉冲下降沿间隔决定曝光时间的方式实现了1μs短曝光,使系统在90.9lp/mm处动态传函达到0.93,提高了动态成像清晰度,实现了低成本高功率LED光源高速清晰成像,解决了低成本高功率LED不能实现短曝光的难点问题。基于聚焦微粒的等效聚焦方法,采用聚焦液中聚焦微粒的清晰位置等效样本清晰位置,每天仅需聚焦一次,不需要对尿液有形成分图像清晰度进行实时计算,解决了无法利用高速尿液样本序列图像进行自动聚焦的难点问题。采用图像分割算法提取每帧图像中的聚焦微粒小图片,仅对聚焦微粒小图片进行聚焦程度评价,降低背景信息的影响以提高聚焦评价灵敏度。在搜索行程中的每个位置拍摄10张照片,将该位置多个聚焦微粒小图片聚焦评价值的中位值作为最终的聚焦评价值,降低了不同位置聚焦微粒形态和数量差异的影响,提高了聚焦判断的准确度和重复性。将小波变换后高频系数与低频系数的比值作为聚焦评价函数,因聚焦微粒边缘形态易受运动方向液体扰动影响,故通过仅提取小波水平分量的方法消除垂直分量干扰,提升了基于小波变换的聚焦评价曲线的单调性和斜率,实现了聚焦评价函数性能的优化。提出了低成本且易实现的参考图像法温度补偿技术,解决了显微成像系统景深小导致的温度离焦问题。首先在光学系统设计上,保证了成像系统在温度变化时除物距外,成像质量、焦距和像面位置均满足设计要求。然后,从材料热胀冷缩引起物距变化和层流液体折射率随温度改变导致光程变化两个方面,估算了温度变化对物距的影响。采用机械被动式方法进行初步温度补偿,减小温度变化时的离焦量。最后采用参考图像法精确补偿物距变化,仅需在粒子成像室上附上一个用于自动聚焦的参考图片,并将该参考图片与聚集微粒的两个最清晰位置之间距离做为标定长度,当系统探测到温度变化时,利用对焦深度法自动聚焦重新找到参考图像的最清晰位置,电机移动标定长度到聚焦位置,从而实现了平面流式细胞显微成像系统的温度补偿。被测样本层流厚度为3μm,而系统景深仅为1.85μm,景深不能覆盖样本层流厚度内的所有成像目标。本文提出了双传感器共光路景深扩展技术,实现景深扩展的同时可保证实时成像,采用双传感器在两个像面位置采集不同景深的图像,再将两个景深图像融合为大景深的图像。具体实现方式是在管镜光路后端加入分光棱镜,分光后光束分别采用不同传感器接收,调整传感器到分光棱镜的距离即调整像距,使两个传感器同时接收到略有交叠的双景深图像。设计了基于图像多尺度分解和视觉显着度检测的双景深图像融合算法,很好地将景深不同的两幅图像融合成一幅多个目标都清晰的图像,实现了大景深图像重建。该方法使景深扩大到3.30μm,实现了整个层流厚度内有形成分全部清晰成像,解决了高分辨导致的景深不足问题。本文完成了平面流式细胞显微成像系统向高速高分辨方向发展所需要的短曝光、自动聚焦、温度补偿和景深扩展等关键技术研究,为高速高分辨平面流式细胞显微成像系统产品化提供了技术支撑,为未来向更高速度更高分辨率发展提供了研究方向和方法,具有重要的理论研究价值与实际应用意义。
施筱筱[7](2020)在《基于图像处理的镜头模组自动调焦算法研究》文中研究说明在定焦摄像头的生产流程中,镜头模组需要调焦在光学焦点处才能流入下一生产环节。而镜头模组定焦的生产模式常为人工手动定焦,需要人眼观察图像是否清晰,调整镜头达到清晰后进行点胶固定。为了提高生产效率,自动调焦技术随之兴起,但现有的清晰度评价方法针对特定图像性能较好,适用性和稳定性较差。故本文研究了常用自动调焦技术方法及分类,通过分析对比图像清晰度评价算法,选取适合镜头模组的算法并进行改进,探讨了搜索算法的优化改进。本文主要研究工作及方法总结如下:(1)镜头模组自动调焦理论:通过介绍光学镜头模组的构成并配合几何光学成像理论模型,阐述了焦点、焦距、焦深、弥散圆、景深、光阑和视场角相互之间的关系,并简述常用的自动调焦分类及方法,其中基于图像处理的自动调焦系统关键要点为图像清晰度评价算法和搜索算法;(2)图像清晰度评价算法研究:本章首先分析了清晰度评价函数的算法指标和定量标准,然后选取了一个镜头模组对三个目标采集了序列图像,借助常用图像清晰度评价函数对目标图像进行matlab仿真得到评价曲线并定量分析,结果表明在本组镜头模组中,基于空间域的算法优于其他算法,基于频域和小波变换的算法实时性较差,基于统计学和信息熵的算法不适用;(3)图像清晰度评价算法改进:本章首先对图像进行灰度变换和高斯滤波,采用多区域法配合区域权重的窗口选择法,设计了基于改进sobel梯度模板的清晰度评价算法,通过采集不同镜头模组的序列图像,根据清晰度评价定量指标分析对比改进算法和传统算法,结果表明改进的算法优于传统算法,且具有更好的时效性;(4)调焦搜索算法分析与优化:本章总结分析全局遍历搜索算法、Fibonacci极点搜索算法、曲线拟合法及普通的爬山算法的原理和优缺点后,在普通爬坡算法的基础上,结合聚焦稳定性、调焦效率、正焦准确性以及通用性这几个算法评价因素,设计一种基于图像对比度方式用于光学镜头模组调焦的搜索算法,此算法具有多阶段步长自动调整、方向判断、聚焦环境稳定性判定的特点,提高聚焦搜索的稳定性和快速性;
徐静[8](2020)在《快速波前传感自动聚焦技术研究》文中研究表明光学显微技术以其特有的优势广泛应用于生物医学领域。在显微成像中,样品聚焦是实现高质量成像的重要前提,精确聚焦的样品能够提供模糊程度最小、细节最丰富、对比度最高的显微图像。因此,先后提出了大量的自动聚焦技术,如包括基于数字图像处理的经典自动聚焦技术,以及一系列新型自动聚焦技术,如基于快速曲线拟合、针孔调制和深度学习的自动聚焦技术等,这些技术大多都基于强度成像实现对于在焦位置的准确判断。与这些方法不同,本文提出了一种新型基于波前传感的自动聚焦技术,将波前重建、波前数值传播和在焦定位用于自动聚焦之中,成功实现了快速、准确的自动聚焦。与现有基于强度成像的自动聚焦技术相比,该技术具有系统简单、速度快和准确性高的优点。在波前传感自动聚焦方法中,需要通过数值波前传播计算大量多焦面波前,并对这些波前进行在焦判断,因此波前传感自动聚焦技术虽然有效降低了图像采集数量和采集时间,但是大量的数值计算依旧限制了其快速应用。为了进一步提高波前传感自动聚焦技术的速度,本文还在硬件和软件方面改进了该技术。在硬件方面,本文提出了基于GPU并行计算的波前传感自动聚焦技术,将原先需要顺次计算的波前数值传播和在焦判断升级为并行计算过程,在保证在焦定位精度的基础上有效加快了处理速度。虽然实验验证了基于GPU并行计算的快速波前传感自动聚焦技术能够明显加快自动聚焦速度,但是昂贵的GPU计算卡增加了自动聚焦的实现成本,另外并行计算增加了算法复杂性,导致此方法的通用性降低。在软件方面,本文设计了基于像素点数目压缩的快速波前传感自动聚焦技术:通过在空域选择亚视场或是通过频域下采样的方式,有效减少图像像素点数目,从而明显加快自动聚焦的速度。本文还定义了空域和频域像素点数目压缩的阈值以保证自动聚焦的精度。数值模拟和实验测量都证明了基于像素点数目压缩的波前传感自动聚焦技术能够准确快速实现在焦位置定位。本文提出的波前传感自动聚焦技术仅需要采集少量的多焦面图像(一般小于10幅),并可以结合GPU并行计算和像素点数目压缩分别从硬件与软件两方面大幅提升自动聚焦速度与效率。更重要的是,该技术无需复杂的光机构件,系统简单,操作便捷。因此,波前传感自动聚焦技术具有速度快、精度好、自动化程度高和设备简单等诸多优点,有助于高质量的显微成像应用。
冯鸣[9](2020)在《光电跟踪系统运动目标清晰成像技术研究》文中研究指明光电跟踪系统是一个集光、机、电于一体的远距离光学跟踪成像系统,近年来在海上搜索、靶场测量、国防安全等领域,作为雷达探测的补充装备,在获取目标的精准定位和清晰成像方面上有着不可替代的作用。系统采用闭环控制,将指向器采集到的目标信息经图像处理板处理后传输到显控台,再由显控台根据图像信息生成指令控制指向器,实现对目标的监测跟踪。但由于运动目标会导致系统成像出现不同程度的离焦模糊,影响光电跟踪系统对目标的跟踪精度和取证的清晰度。因此,本文基于光电跟踪系统,对运动目标清晰成像技术展开深入研究。首先,对系统平台的硬件选型进行了分析和探讨,基于μCOS-Ⅱ嵌入式操作系统和QuartusⅡ集成开发环境对控制板和图像处理板进行了软件设计,实现了系统控制变焦、视频采集、传输、解码和显示等功能。同时探讨了影响光学系统清晰成像的理论基础。其次,分析了基于空域、频域、灰度熵和统计学的图像清晰度评价函数,针对存在的不足,提出了基于Lo G算子的自适应双滤评价函数。该方法在传统Lo G算子的基础上,引入了不同响应因子构建的掩膜模板,根据画面的采集情况实现自适应的模板选取,提高了函数的评价精度。同时,加入改进的中值滤波去除图像的椒盐噪声,通过设置阈值判断噪声点,对噪声点进行掩膜尺寸为3×3的中值滤波处理。经测试,改进的中值滤波用时更短且边缘保留效果更完整。然后,研究了动态聚焦窗口的构建算法。通过实验讨论了不同聚焦窗口大小和不同聚焦区域的选取对清晰度评价函数取值的影响。在分析了传统聚焦窗口构建算法局限性的基础上,提出了基于形态学的多尺度聚焦窗口构建算法。该方法通过对图像进行金字塔处理提取多尺度特征图,并结合形态学的腐蚀和膨胀处理,对二值化特征图进行去噪和目标区域扩充,有效地实现了聚焦窗口的构建。最后,结合本文提出的清晰度评价函数和动态聚焦窗口的构建算法,针对光电跟踪系统设计了一套清晰成像搜索策略。在评价精度、抗噪性和稳定性三个方面,对本文提出的清晰度评价函数与传统评价函数进行了比较,实验结果表明本文评价函数在清晰度比率、陡峭度和灵敏度上都具有出色的表现。同时设计实验验证了本文提出的动态聚焦窗口构建算法在不同离焦程度下的窗口构建效果,并对运动目标在聚焦窗口构建上与传统算法进行了对比,实验结果均表明本文算法在聚焦窗口的构建效果上有了大幅度的提升,有效窗口构建率达到95%,远高于其他聚焦窗口算法,满足光电跟踪系统对聚焦窗口的构建要求。
宋孝忠[10](2020)在《烟煤显微组分组图像自动识别技术研究及应用》文中研究表明煤化程度和显微组分组成决定着煤的物理化学性质和工艺性质及工业用途。煤的镜质体反射率和煤岩显微组分的自动化测定,不仅能够解决人工检测存在的劳动强度大、工作效率低、数据可对比性差的实际问题,而且可以大力推进煤岩参数指标在煤炭分类和炼焦配煤等工业中的应用。国内外在煤岩自动化测定方面开展过大量研究工作,但是由于受煤岩显微组成及变化的复杂性影响,煤岩显微组分自动化测定仍然面临诸多技术难题没有解决。本文应用煤田地质学、煤岩学、机械制造与自动控制、数字图像处理、计算机软件开发等理论、方法和技术,开展了基于反光显微镜的自动扫描与聚焦装置研制,进行了煤岩显微图像质量影响因素及关键采集参数优选、煤岩显微图像预处理、显微组分组图像自动识别等方法和技术研究及软件开发,并应用研究成果对我国不同成煤时代系列煤化程度代表性煤样进行了测定验证,取得了以下主要研究成果:(1)设计研制出基于反光显微镜的自动扫描与聚焦装置,开发了基于多窗口聚焦评价和搜索的煤岩显微图像自动聚焦技术,形成了煤岩显微图像自动采集硬件平台,实现了煤岩显微图像的自动快速高效采集和存储。(2)揭示了影响煤岩显微图像采集质量的主控因素,提出了不同煤化程度煤的煤岩显微图像采集使用的光源强度和曝光时间最佳参数优选方法和数学模型。(3)提出了基于多尺度混合特征提取的黏结剂显微图像区域有效剔除方法;发现了煤岩显微图像中显微成分彼此之间存在的灰度异常边界,揭示了其形成原因,构建了基于Prewitt算子边缘检测的显微成分灰度异常边界剔除方法,开发出煤岩显微图像预处理技术。(4)首次开发出GKMC煤岩显微组分组自动图像分割识别算法,即基于高斯改进K-means聚类的煤岩显微组分组自动图像分割识别算法,并基于Matlab数学软件工具编写了算法程序。(5)创新形成了具有自主知识产权的GKMC煤岩显微组分组图像法自动化测定技术及装备系统。应用该套技术装备系统对我国不同成煤时代系列煤化程度的45个代表性煤样进行了煤岩显微图像自动采集和显微组分组自动测定,并将测定结果与国内公认的权威煤岩专家人工鉴定的标准结果进行了比对。结果表明,两种方法测定的45个样品镜质组、惰质组、壳质组的极差平均值分别为2.3%、2.3%、1.5%。按照国家标准GB/T18510-2001给出的准确度分析方法获得的三种显微组分组统计量(tc)都小于(n-1)自由度下临界值(tt),显示该方法与人工鉴定方法没有偏倚。由此表明,本文开发出的这套技术装备系统能够实现煤岩显微组分组的自动化高效快速测定,测定结果重复性好、准确性高。
二、一种基于小波变换的数字图像自动聚焦算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于小波变换的数字图像自动聚焦算法(论文提纲范文)
(1)基于数字图像处理的显微自动对焦技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容及论文结构 |
第2章 显微自动对焦理论基础与方法 |
2.1 引言 |
2.2 显微自动对焦成像的基本原理 |
2.2.1 显微镜成像原理 |
2.2.2 光学成像模型 |
2.2.3 点扩散函数与光学传递函数 |
2.2.4 成像系统的景深与焦深 |
2.3 自动对焦方法分类 |
2.4 基于图像处理的自动对焦方法 |
2.4.1 离焦深度法 |
2.4.2 聚焦深度法 |
2.5 本章小结 |
第3章 聚焦评价函数的研究 |
3.1 引言 |
3.2 典型的聚焦评价函数 |
3.2.1 空域类聚焦评价函数 |
3.2.2 变换域类聚焦评价函数 |
3.2.3 信息熵类聚焦评价函数 |
3.2.4 统计学类聚焦评价函数 |
3.3 Brenner2d_Roberts聚焦评价函数 |
3.4 各种聚焦评价函数性能分析实验 |
3.4.1 聚焦评价函数的性能评价指标 |
3.4.2 几种聚焦评价函数的性能评估 |
3.5 本章小结 |
第4章 聚焦窗口的选择 |
4.1 引言 |
4.2 聚焦窗口选择的重要性 |
4.3 常用的聚焦窗口选择方法 |
4.3.1 中央取窗法 |
4.3.2 多区域取窗法 |
4.3.3 非均匀采样取窗法 |
4.4 变步长取窗法 |
4.5 本章小结 |
第5章 系统实现平台及实验结果分析 |
5.1 引言 |
5.2 自动对焦系统总体方案设计 |
5.3 自动对焦系统元件选择 |
5.3.1 光源 |
5.3.2 显微物镜 |
5.3.3 图像采集模块 |
5.3.4 运动控制模块 |
5.4 自动聚焦搜索算法 |
5.4.1 传统聚焦搜索算法 |
5.4.2 粗精结合的爬山搜索算法 |
5.5 实验结果分析 |
5.5.1 对焦效果测试实验 |
5.5.2 对焦精度与稳定性测试 |
5.6 本章小结 |
第6章 总结和展望 |
6.1 主要工作总结 |
6.2 本文创新点 |
6.3 未来工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(2)基于图像处理的自动聚焦技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 自动聚焦技术的国内外发展情况 |
1.2.1 国外自动聚焦技术发展情况 |
1.2.2 国内自动聚焦技术发展情况 |
1.3 本文的研究内容和架构 |
第二章 光学成像系统及自动聚焦原理 |
2.1 光学成像系统的基本构造及工作原理 |
2.2 光学成像系统的主要影响因素 |
2.2.1 像差 |
2.2.2 模糊圆 |
2.2.3 景深与焦深 |
2.3 自动聚焦技术原理 |
2.3.1 控距调节法 |
2.3.2 聚焦检测法 |
2.3.3 现代自动聚焦技术 |
2.4 本章小结 |
第三章 聚焦评价函数的研究与改进 |
3.1 传统聚焦评价函数 |
3.1.1 信息与统计类聚焦评价函数 |
3.1.2 空间域类聚焦评价函数 |
3.1.3 频域类聚焦评价函数 |
3.2 聚焦评价函数性能指标 |
3.2.1 定性性能评价指标 |
3.2.2 定量性能评价指标 |
3.3 基于动态分割及局部最大梯度的聚焦评价函数 |
3.3.1 图像动态分割 |
3.3.2 聚焦评价函数的原理及构建 |
3.4 聚焦函数仿真实验及分析 |
3.5 本章小结 |
第四章 聚焦窗口的选择与分析 |
4.1 聚焦窗口选择的影响因素分析 |
4.2 经典聚焦窗口选择方法 |
4.2.1 中心区域聚焦窗口选择法 |
4.2.2 多区分布聚焦窗口选择法 |
4.2.3 一阶矩聚焦窗口选择法 |
4.3 基于差分进化算法的聚焦窗口选择方法 |
4.3.1 差分进化算法原理及特征 |
4.3.2 差分进化算法基本框架 |
4.3.3 基于自适应优化的差分进化算法 |
4.3.4 自适应差分进化算法在聚焦窗口选择中的应用 |
4.4 窗口选择实验结果与分析 |
4.5 本章小结 |
第五章 一种新的自动聚焦方法 |
5.1 传统的聚焦搜索策略 |
5.1.1 传统聚焦搜索方法介绍 |
5.1.2 传统聚焦搜索方法优劣分析 |
5.2 改进的二阶混合搜索算法 |
5.3 一种新的自动聚焦方法 |
5.4 实验结果与分析 |
第六章 总结与展望 |
参考文献 |
致谢 |
攻读硕士学位期间的学术论文 |
学位论文评阅及答辩情况表 |
(3)基于数字全息显微成像技术的微小型浮游生物监测系统研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 微小型浮游生物监测的背景及研究意义 |
1.2 微小型浮游生物监测方法及发展现状 |
1.2.1 荧光检测法 |
1.2.2 光学显微镜法 |
1.2.3 图像分析法 |
1.2.4 流式细胞仪成像法 |
1.2.5 数字全息显微成像法 |
1.3 数字全息显微成像关键技术发展现状 |
1.3.1 全息图的拍摄和再现 |
1.3.2 再现景深延拓 |
1.3.3 自动聚焦和图像融合 |
1.3.4 三维重构 |
1.3.5 图像识别 |
1.4 论文研究内容与创新点 |
1.4.1 研究内容 |
1.4.2 创新点 |
第2章 数字全息显微成像基本理论及光路 |
2.1 数字全息显微成像理论 |
2.2 无透镜结构光路 |
2.3 基于马赫-曾德尔干涉仪结构光路 |
2.3.1 同轴光路 |
2.3.2 离轴光路 |
2.3.3 单臂光路 |
2.4 对比汇总 |
2.5 本章小结 |
第3章 数值重建及再现景深延拓 |
3.1 数值重建 |
3.1.1 菲涅耳变换重建算法 |
3.1.2 卷积重建算法 |
3.1.3 角谱重建算法 |
3.1.4 数值重建实验结果 |
3.2 再现景深延拓 |
3.2.1 再现景深与光学参数之间的关系 |
3.2.2 再现景深光学实验 |
3.2.3 再现景深延拓 |
3.3 数值重建遇到的其他问题 |
3.4 本章小结 |
第4章 大景深清晰成像 |
4.1 自动聚焦 |
4.1.1 常见的几种聚焦准则 |
4.1.2 基于面积准则的自动聚焦算法 |
4.1.3 各种自动聚焦算法的比较 |
4.2 图像融合 |
4.2.1 常见的图像融合方法 |
4.2.2 基于标记图的改进型小波变换融合方法 |
4.3 深度学习在自动聚焦和图像融合中的应用 |
4.3.1 深度学习在自动聚焦中的应用 |
4.3.2 深度学习在图像融合中的应用 |
4.4 本章小结 |
第5章 三维成像 |
5.1 扫描电子显微镜重构法 |
5.2 位相重构法 |
5.3 高度-灰度重构法 |
5.4 光学衍射层析重构法 |
5.5 灰度层析重构法 |
5.5.1 基于同轴光路的改进型灰度层析重构法 |
5.5.2 基于离轴光路的改进型灰度层析重构法 |
5.6 本章小结 |
第6章 微小型浮游生物的识别 |
6.1 再现图像库的建立 |
6.2 机器学习方法 |
6.2.1 目标特征 |
6.2.2 分类器 |
6.2.3 实验结果 |
6.3 深度学习方法 |
6.3.1 深度学习神经网络的构成 |
6.3.2 深度学习神经网络的训练 |
6.3.3 深度学习神经网络的分类 |
6.3.4 实验结果 |
6.4 本章小结 |
第7章 样机研制及试验 |
7.1 光学系统模块 |
7.1.1 关键光学参数的设计 |
7.1.2 光学元件的选型及其安装支架的设计 |
7.1.3 光学系统参数汇总 |
7.2 控制电路模块 |
7.3 应用分析软件模块 |
7.3.1 图像传感器的控制与通讯 |
7.3.2 数字全息图的计算与分析 |
7.3.3 结果显示 |
7.4 样机装调 |
7.4.1 激光的聚焦与准直 |
7.4.2 物光路与参考光路的干涉 |
7.4.3 微流控芯片的成像 |
7.4.4 样机装调结果 |
7.5 样机试验 |
7.5.1 全息图拍摄 |
7.5.2 全息图数值重建 |
7.6 本章小结 |
第8章 总结与展望 |
8.1 总结 |
8.2 问题与展望 |
参考文献 |
作者简介 |
攻读博士学位期间主要研究成果 |
(4)基于Jetson Nano的智能显微镜成像与图像识别的研究(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 模块化智能显微镜关键技术概述 |
1.2.1 Jetson Nano介绍 |
1.2.2 智能显微镜关键技术概述 |
1.3 国内外研究现状 |
1.3.1 智能化显微镜研究现状 |
1.3.2 显微镜自动聚焦技术国内外研究现状 |
1.3.3 目标识别技术国内外研究现状 |
1.4 本文主要研究内容和章节安排 |
第2章 智能显微镜关键结构设计 |
2.1 智能显微镜整体结构设计 |
2.2 精密微定位平台驱动器选择 |
2.3 微位移放大机构的研究 |
2.3.1 柔性铰链概述 |
2.3.2 基于柔性铰链的微位移放大机构 |
2.4 精密定位平台的整体结构设计 |
2.5 定位平台的静力学分析及有限元分析 |
2.5.1 静力学分析 |
2.5.2 行程分析 |
2.5.3 刚度分析 |
2.5.4 模态分析 |
2.6 本章小结 |
第3章 显微系统自动聚焦算法优化 |
3.1 显微镜系统成像原理和方法 |
3.1.1 光学成像的基本原理 |
3.1.2 自动聚焦的基本原理和方法 |
3.2 典型的图像清晰度评价函数 |
3.3 聚焦评价算法的仿真分析及改进 |
3.3.1 图像清晰度评价函数的选取准则 |
3.3.2 图像清晰度评价函数的仿真分析 |
3.3.3 改进的聚焦评价函数 |
3.4 聚焦搜索策略的研究与改进 |
3.4.1 典型的聚焦搜索策略 |
3.4.2 爬山搜索法的改进及仿真 |
3.5 本章小结 |
第4章 目标识别系统研究及实验分析 |
4.1 深度学习的基本原理及结构 |
4.2 基于卷积神经网络的目标识别方法 |
4.2.1 one-stage目标识别方法 |
4.2.2 two-stage目标识别方法 |
4.3 Jetson Nano平台搭建及测试 |
4.4 基于VOC数据集的YOLOv4-tiny的训练 |
4.4.1 YOLOv4-tiny的研究 |
4.4.2 训练YOLOv4-tiny |
4.4.3 摄像头调用 |
4.5 本文的目标识别模型DYOLOv4-tiny |
4.5.1 细胞图像数据集的标注与训练 |
4.5.2 DYOLOv4-tiny的设计及实验 |
4.6 本章小结 |
第5章 总结与期望 |
5.1 工作总结及本文创新点 |
5.2 期望 |
参考文献 |
致谢 |
在学期间的研究成果 |
(5)基于聚焦深度法的显微聚焦算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 课题研究背景、目的及意义 |
1.2 自动聚焦国内外研究现状 |
1.3 本文研究内容和章节安排 |
第2章 自动聚焦方法理论与基础 |
2.1 光学成像原理 |
2.1.1 光学成像模型 |
2.1.2 光学系统成像特性 |
2.2 显微镜景深 |
2.3 聚焦深度法 |
2.4 本章小结 |
第3章 聚焦评价函数研究 |
3.1 聚焦评价函数 |
3.1.1 聚焦评价原理 |
3.1.2 聚焦评价函数的选取准则 |
3.2 典型聚焦评价函数及分析 |
3.2.1 基于空域的评价函数 |
3.2.2 基于变换域的评价函数 |
3.2.3 基于统计学的评价函数 |
3.3 分数微分与整数微分结合的评价函数 |
3.3.1 分数微分理论基础 |
3.3.2 构造新评价函数 |
3.4 聚焦评价函数仿真实验 |
3.5 本章小结 |
第4章 聚焦取窗方法研究 |
4.1 聚焦窗口选取的必要性 |
4.2 常用的窗口选取方法 |
4.2.1 中央取窗法 |
4.2.2 多区域取窗法 |
4.2.3 一阶矩取窗法 |
4.3 混沌人工鱼群取窗方法 |
4.3.1 人工鱼群算法原理 |
4.3.2 混沌搜索原理 |
4.3.3 混沌人工鱼群取窗算法建模及构建窗口 |
4.4 聚焦取窗仿真实验 |
4.4.1 鱼群取窗算法收敛性测试 |
4.4.2 多种取窗方法对比 |
4.5 本章小结 |
第5章 显微镜自动聚焦系统设计与实现 |
5.1 显微镜自动聚焦实验平台简介 |
5.2 聚焦硬件系统设计 |
5.3 协议设计及搜索流程 |
5.4 聚焦软件设计 |
5.5 自动聚焦实验 |
5.5.1 整体方案验证 |
5.5.2 算法有效性测试 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
致谢 |
附录 |
(6)高速高分辨平面流式细胞显微成像技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及研究目的和意义 |
1.2 尿液有形成分分析仪概述 |
1.2.1 尿液有形成分分析检测方法概述 |
1.2.2 尿液有形成分分析仪器国内外进展 |
1.3 景深扩展技术概述 |
1.4 论文主要研究内容及章节安排 |
1.4.1 论文主要研究内容 |
1.4.2 论文章节安排 |
第2章 高速高分辨平面流式细胞显微成像系统组成及光学系统设计 |
2.1 高速高分辨平面流式细胞显微成像系统组成及原理 |
2.2 显微成像光学系统设计 |
2.2.1 被测目标形态学特征 |
2.2.2 显微成像系统光路结构 |
2.2.3 显微物镜选型 |
2.2.4 管镜光学设计 |
2.3 照明光学系统设计 |
2.3.1 显微系统照明方式选择 |
2.3.2 科勒照明光学系统设计 |
2.4 平面层流技术简介与粒子成像室设计 |
2.4.1 平面层流技术简介 |
2.4.2 粒子成像室设计 |
2.5 本章小结 |
第3章 低成本高功率LED光源高速清晰成像技术研究 |
3.1 平面流式细胞显微成像系统动态传递函数 |
3.2 光源选择及驱动电源设计 |
3.2.1 光源选择 |
3.2.2 高功率LED驱动电源设计 |
3.3 短曝光技术研究 |
3.3.1 曝光控制系统 |
3.3.2 曝光时间控制方式 |
3.3.3 短曝光控制方法 |
3.3.4 不同曝光方式成像质量比较 |
3.4 本章小结 |
第4章 基于聚焦微粒的等效聚焦技术研究 |
4.1 显微成像系统自动聚焦方法 |
4.2 基于聚焦微粒的等效聚焦方法与流程 |
4.3 图像分割算法提取聚焦微粒图像 |
4.4 聚焦评价函数选择与优化 |
4.4.1 聚焦评价函数要求 |
4.4.2 聚焦评价函数实验分析与比较 |
4.4.3 聚焦评价函数优化 |
4.5 本章小结 |
第5章 参考图像法温度补偿技术研究 |
5.1 温度变化对光学系统影响 |
5.2 显微成像光学系统的热分析 |
5.3 高分辨平面流式细胞显微成像系统景深 |
5.3.1 高分辨平面流式细胞显微成像系统景深计算 |
5.3.2 高分辨平面流式细胞显微成像系统景深测量 |
5.4 机械被动式初步补偿物距变化 |
5.4.1 温度变化对物距影响分析 |
5.4.2 机械被动式初步温度补偿 |
5.5 参考图像法精确补偿物距变化 |
5.5.1 参考图像法补偿温度离焦技术原理 |
5.5.2 参考图像法补偿温度离焦的自动聚焦算法实现 |
5.6 本章小结 |
第6章 双传感器共光路景深扩展技术研究 |
6.1 双传感器共光路景深扩展技术原理 |
6.2 双传感器共光路实现方法 |
6.3 双景深图像融合 |
6.3.1 多聚焦图像融合技术 |
6.3.2 双景深图像融合算法流程 |
6.3.3 L0 Smoothing原理 |
6.3.4 图像多尺度分解 |
6.3.5 视觉显着性检测 |
6.3.6 权重图计算 |
6.3.7 双景深图像融合 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 论文的主要工作 |
7.2 论文的主要创新点 |
7.3 进一步研究展望 |
参考文献 |
附录 攻读博士学位期间取得的成果 |
致谢 |
(7)基于图像处理的镜头模组自动调焦算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
第一章 绪论 |
1.1 基于镜头模组自动调焦技术研究与应用的背景及意义 |
1.2 自动调焦的分类 |
1.2.1 被动式调焦 |
1.2.2 主动式调焦 |
1.3 基于图像处理的自动调焦国内外发展现状 |
1.3.1 传统自动调焦研究现状 |
1.3.2 基于图像处理的自动调焦国外研究现状 |
1.3.3 基于图像处理的自动调焦国内研究现状 |
1.4 课题主要研究内容及关键问题 |
第二章 镜头模组自动调焦理论基础 |
2.1 镜头模组的基本组成及成像原理 |
2.1.1 镜头模组的基本组成 |
2.1.2 镜头模组成像原理介绍 |
2.1.3 镜头模组成像 |
2.2 几何光学成像基础理论 |
2.2.1 光学成像系统理论模型 |
2.2.2 系统模型相关的光学概念 |
2.3 基于图像处理的自动调焦方法原理 |
2.3.1 离焦深度法 |
2.3.2 聚焦深度法 |
2.4 本章小结 |
第三章 图像清晰度评价算法研究 |
3.1 自动调焦清晰度评价算法指标 |
3.1.1 自动调焦清晰度评价算法的定性评价标准 |
3.1.2 自动调焦清晰度评价算法的定量分析 |
3.2 常用的自动调焦清晰度评价算法 |
3.2.1 基于空间域的评价函数 |
3.2.2 基于频率域的评价函数 |
3.2.3 基于信息熵的评价函数 |
3.2.4 基于统计学的评价函数 |
3.2.5 基于小波变换的评价函数 |
3.3 自动调焦清晰度评价函数对比研究 |
3.3.1 自动调焦清晰度评价函数对比实验 |
3.3.2 对比结论 |
3.4 本章小结 |
第四章 基于镜头模组的图像评价算法研究 |
4.1 镜头模组采集图像预处理 |
4.1.1 图像灰度变换 |
4.1.2 图像噪声处理 |
4.1.3 图像预处理效果对比 |
4.2 镜头模组自动化调焦窗口的选取 |
4.3 镜头模组改进评价函数 |
4.4 镜头模组调焦算法分析 |
4.4.1 改进的调焦算法介绍 |
4.4.2 改进评价算法的性能分析 |
4.5 本章小结 |
第五章 镜头模组自动调焦系统搜索算法探讨 |
5.1 自动调焦常用搜索算法 |
5.1.1 全局遍历搜索算法 |
5.1.2 Fibonacci极点搜索算法 |
5.1.3 曲线拟合求极值算法 |
5.1.4 普通的爬山算法 |
5.1.5 搜索算法对比总结 |
5.2 基于光学镜头模组快速搜索算法 |
5.2.1 光学镜头模组搜索算法原理介绍 |
5.2.2 光学镜头模组搜索算法流程设计 |
5.3 调焦系统测试 |
5.3.1 清晰度静态曲线测试 |
5.3.2 清晰度调焦动态曲线测试 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
学位论文数据集 |
(8)快速波前传感自动聚焦技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 经典自动聚焦技术 |
1.1 引言 |
1.2 常用自动聚焦技术 |
1.3 基于数字图像处理的自动聚焦技术 |
1.4 基于数字图像处理的自动聚焦技术的核心问题 |
1.5 本章小结 |
第二章 新型自动聚焦技术 |
2.1 基于Brenner梯度曲线拟合的自动聚焦 |
2.2 基于针孔调制的实时相位检测自动聚焦 |
2.3 基于集成针孔装置的单帧快速自动聚焦 |
2.4 基于深度学习的单帧快速自动聚焦 |
2.5 本章小结 |
第三章 波前传感自动聚焦技术 |
3.1 波前传感的自动聚焦技术原理 |
3.2 波前传感的自动聚焦技术数值模拟 |
3.3 波前传感的自动聚焦技术实验验证 |
3.4 本章小结 |
第四章 基于GPU并行计算的快速波前传感自动聚焦技术 |
4.1 CPU和 GPU处理下的波前传感自动聚集技术原理对比 |
4.2 CPU和 GPU处理下的波前传感自动聚集技术实验分析 |
4.3 处理以随机相位板为例的未染色样品 |
4.4 本章小结 |
第五章 基于像素点数目压缩的快速波前传感自动聚焦技术 |
5.1 空域中和频域中进行像素点数目压缩的操作方式 |
5.2 基于像素点数目压缩的快速波前传感自动聚焦技术的数值模拟分析 |
5.3 基于像素点数目压缩的快速波前传感自动聚焦技术的实验验证 |
5.4 本章小结 |
主要结论与展望 |
主要结论 |
展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间发表的论文 |
(9)光电跟踪系统运动目标清晰成像技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题项目的研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 光电跟踪系统研究现状 |
1.2.2 清晰成像技术研究现状 |
1.3 研究内容及论文章节安排 |
1.4 本章小结 |
第2章 系统平台及成像理论基础 |
2.1 光电跟踪系统 |
2.1.1 系统简介 |
2.1.2 系统硬件选型 |
2.1.3 系统软件设计 |
2.2 光学系统的成像理论基础 |
2.2.1 透镜的光学特性 |
2.2.2 变焦镜头 |
2.2.3 点扩散函数与光学传递函数 |
2.2.4 焦深与景深 |
2.3 清晰成像技术的分类 |
2.4 本章小结 |
第3章 图像清晰度评价函数的研究 |
3.1 引言 |
3.2 图像预处理 |
3.2.1 直方图均衡化 |
3.2.2 图像锐化处理 |
3.3 典型的图像评价函数及原理介绍 |
3.3.1 空域图像评价函数 |
3.3.2 频域图像评价函数 |
3.3.3 灰度熵图像评价函数 |
3.3.4 统计学图像评价函数 |
3.4 图像评价函数的选取标准 |
3.4.1 清晰度比率 |
3.4.2 陡峭度 |
3.4.3 平缓区波动量 |
3.4.4 灵敏度 |
3.4.5 时间频度 |
3.5 基于Lo G算子的自适应双滤评价函数 |
3.5.1 自适应算子的提出 |
3.5.2 改进的中值滤波 |
3.5.3 评价函数的实现 |
3.6 本章小结 |
第4章 动态聚焦窗口的构建 |
4.1 引言 |
4.2 典型的聚焦窗口构建算法 |
4.2.1 中心取窗法 |
4.2.2 非均匀采样取窗法 |
4.2.3 多区域取窗法 |
4.2.4 一阶矩区域法 |
4.3 典型聚焦窗口存在的问题 |
4.4 基于形态学的多尺度聚焦窗口构建算法 |
4.5 本章小结 |
第5章 成像搜索策略设计及实验结果分析 |
5.1 清晰成像搜索策略设计 |
5.1.1 聚焦搜索算法 |
5.1.2 清晰成像技术搜索流程设计 |
5.2 改进型图像清晰度评价函数验证 |
5.2.1 评价精度测试分析 |
5.2.2 抗噪性测试分析 |
5.2.3 稳定性测试分析 |
5.3 改进型动态聚焦窗口构建算法验证 |
5.3.1 不同离焦程度的窗口构建测试 |
5.3.2 对运动目标的窗口构建测试 |
5.4 本章小结 |
第6章 展望与总结 |
6.1 全文总结 |
6.2 论文特色及创新点 |
6.3 工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(10)烟煤显微组分组图像自动识别技术研究及应用(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题意义 |
1.2 国内外研究现状 |
1.2.1 显微镜自动扫描台发展现状 |
1.2.2 显微镜自动聚焦技术发展现状 |
1.2.3 显微组分自动识别技术发展现状 |
1.3 存在的主要问题 |
1.4 论文研究内容及方法 |
1.4.1 研究目标 |
1.4.2 主要研究内容 |
1.4.3 关键技术 |
1.5 研究方法及技术路线 |
2 煤岩显微图像自动采集硬件平台集成研制 |
2.1 煤岩显微图像自动采集硬件平台总体设计 |
2.2 自动扫描与聚焦装置的机械结构设计 |
2.2.1 机械结构设计 |
2.2.2 关键结构运动机构设计 |
2.2.3 自动扫描台结构受力分析 |
2.3 自动扫描与聚焦装置的驱动控制系统设计 |
2.3.1 驱动控制系统总体设计 |
2.3.2 电机驱动系统组件主要参数计算分析 |
2.3.3 驱动控制系统的硬件组成及运行过程 |
2.3.4 控制系统电路设计 |
2.3.5 控制模式设计 |
2.4 基于图像处理的自动聚焦算法开发 |
2.4.1 煤岩粉煤光片灰度图像特征分析 |
2.4.2 基于灰度方差函数的煤岩图像清晰度评价算法 |
2.4.3 自动聚焦搜索算法开发 |
2.5 加工试制 |
2.6 煤岩显微图像自动采集硬件平台集成及软件开发 |
2.6.1 煤岩显微图像自动采集硬件平台集成 |
2.6.2 煤岩显微图像自动采集硬件平台的软件开发 |
2.7 图像自动采集硬件平台性能测试 |
2.7.1 试验方法步骤 |
2.7.2 硬件平台试验 |
本章小结 |
3 煤岩显微图像质量影响因素分析及关键采集参数优选 |
3.1 试验煤岩样品与图像采集 |
3.1.1 煤岩样品制备 |
3.1.2 样品图像采集 |
3.2 煤岩显微图像采集影响因素分析 |
3.2.1 显微镜不同光源强度下显微图像灰度特征 |
3.2.2 相机不同曝光时间下显微图像灰度特征 |
3.2.3 不同煤化程度煤的图像采集关键参数优选 |
3.2.4 图像尺寸对显微组分灰度分布的影响分析 |
本章小结 |
4 煤岩显微图像预处理与样品图像灰度曲线特征 |
4.1 煤岩显微图像中黏结剂特征及剔除技术 |
4.1.1 正常灰度黏结剂的图像特征 |
4.1.2 异常灰度-模糊亮斑状黏结剂的图像特征 |
4.1.3 黏结剂图像剔除预处理技术开发 |
4.1.4 效果验证 |
4.2 煤岩图像显微成分间灰度异常边界特征及其处理技术 |
4.2.1 煤岩显微图像灰度异常边界特征及成因分析 |
4.2.2 灰度异常边界的剔除技术开发 |
4.2.3 煤岩显微图像灰度异常边界剔除结果分析 |
4.2.4 灰度异常边界对显微组分组自动识别准确性影响 |
4.3 煤岩图像显微组分组合特征及其典型灰度曲线类型 |
本章小结 |
5 GKMC煤岩显微组分组图像自动识别算法开发 |
5.1 几类典型图像分割算法适用性测试分析 |
5.1.1 基于像素信息的分割算法测试分析 |
5.1.2 阈值分割类法测试分析 |
5.1.3 基于显微组分灰度直方图的分割方法测试分析 |
5.1.4 基于模式识别的分割方法测试分析 |
5.2 GKMC煤岩显微组分组图像分割算法开发 |
5.2.1 两种典型聚类分割算法特征分析 |
5.2.2 GKMC煤岩显微组分组图像分割算法开发 |
本章小结 |
6 煤岩显微组分组图像法自动化测定软件系统开发 |
6.1 煤岩显微组分组图像法自动化测定软件系统总体设计 |
6.2 煤岩显微组分组图像预处理模块 |
6.3 显微组分组图像自动识别模块 |
6.4 显微组分组体积含量统计模块 |
6.5 测定结果报告输出模块 |
本章小结 |
7 GKMC煤岩显微组分组图像法自动测定技术应用 |
7.1 煤岩分析测定样品选取 |
7.2 图像法显微组分组测定的有效测点确定 |
7.3 显微组分组含量自动识别测定系统的重复性分析 |
7.4 显微组分组含量自动识别测定结果的准确性分析 |
7.4.1 自动测定与人工鉴定结果的一致性分析比对 |
7.4.2 偏倚性分析 |
7.5 不同图像法测定结果对比分析 |
本章小结 |
8 结论及展望 |
8.1 结论 |
8.2 论文创新性 |
8.3 展望 |
参考文献 |
致谢 |
作者简历 |
学位论文数据集 |
四、一种基于小波变换的数字图像自动聚焦算法(论文参考文献)
- [1]基于数字图像处理的显微自动对焦技术研究[D]. 熊锐. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [2]基于图像处理的自动聚焦技术研究[D]. 包丞啸. 山东大学, 2021(12)
- [3]基于数字全息显微成像技术的微小型浮游生物监测系统研究[D]. 汤明. 浙江大学, 2021(01)
- [4]基于Jetson Nano的智能显微镜成像与图像识别的研究[D]. 王灿芳. 天津职业技术师范大学, 2021(06)
- [5]基于聚焦深度法的显微聚焦算法研究[D]. 李春桥. 湖北工业大学, 2020(03)
- [6]高速高分辨平面流式细胞显微成像技术研究[D]. 曲洪丰. 长春理工大学, 2020(01)
- [7]基于图像处理的镜头模组自动调焦算法研究[D]. 施筱筱. 浙江工业大学, 2020(02)
- [8]快速波前传感自动聚焦技术研究[D]. 徐静. 江南大学, 2020(01)
- [9]光电跟踪系统运动目标清晰成像技术研究[D]. 冯鸣. 天津大学, 2020(02)
- [10]烟煤显微组分组图像自动识别技术研究及应用[D]. 宋孝忠. 煤炭科学研究总院, 2020(03)