一、校正扫描图像色彩的有效方法（论文文献综述）
谈季[1]（2021）在《面向高分辨光学相位三维测量的条纹分析理论与方法研究》文中研究指明光学相位三维测量技术具有高精度,高分辨,非接触等优势,因此被广泛应用于工业,娱乐,医疗等众多领域的表面三维形貌测量以及内部层析检测。在相位测量研究中,正弦条纹信号是建立光强和相位联系的重要桥梁,因此条纹分析理论与方法成为目前光学测量领域的研究重点。以应用场景划分,条纹分析方法可以分为单频条纹分析和混叠条纹分析。其中单频条纹分析用于以数字编码条纹技术（Fringe Projection Profilometry,FPP）为代表的表面相位测量,其能够实现复杂物体的三维轮廓高精度重构;而混叠条纹分析用于以波数扫描技术（Wavenumber Scanning Interferometry,WSI）为代表的层析相位测量,它可以对复合材料的内部相位场进行层析切片检测。尽管上述两种基于条纹分析的相位测量技术分别在表面测量和层析测量中展现出优越的性能和巨大的发展前景,但结合实际应用中仍然存在一些需要解决的问题:1)工业流水线在线三维检测中,传统FPP系统往往忽略由参考面偏移导致的相位测量误差。2)在工业测量中常常会出现表面不连续且反射率不一的物体,这类物体将会使条纹图像同时出现阴影干扰和光强饱和现象,严重影响相位恢复质量。3)散斑噪声是波数扫描测量中不可避免的干扰因素,不仅影响相位提取的准确性,还会导致相位解包裹误差。4)在层析测量中,虽然扫描带宽增大能够提高深度分辨率,但同时也会引起波数非线性效应增强,导致混叠条纹信号相位提取误差增大。针对上述问题,本文分别对单频条纹和混叠条纹分析方法的原理进行分析和研究,并搭建了两套基于条纹分析的相位测量系统。在此基础上,本文提出了以下解决方法:1)提出一种基于参考相位重建的鲁棒FPP系统。该系统与传统测量系统相比,可以实现参考相位的实时更新与校正。同时,提出一种基于全变分最小化理论（Total Variation Minimization,TVM）的相位重建算法用于对参考相位进行高精度重建和平滑降噪,实现了参考相位与被测物相位的同步获取,因此该系统在参考平面发生移动或者偏移时,测量结果不会受到影响。实验结果表明该方法能够达到经典相移法同等的精度水平,并且在工业环境下比经典相移法更具鲁棒性。2)提出一种结合背光照明和多次曝光的高动态范围FPP系统。该系统利用背光照明的特性实现了表面不连续物体的阴影补偿。经过阴影补偿后,在传统的单频条纹分析中可以不再使用相对耗时的时域相位解包裹算法,为简单高效的空域相位解包裹算法的应用提供了机会。另一方面,多次曝光的高动态范围成像可以降低多色彩物体反射率变化的干扰,实现快速鲁棒的三维测量。3)根据傅里叶变换（Fourier Transform,FT）和最小二乘优化（Least Squares Algorithm,LSA）在混叠条纹相位提取中的散斑噪声点判定的不同机制,建立了一种相位合成算法（Syncretic Fourier transform and Least squares Algorithm,SFLA）。该算法利用FT和LSA分别对散斑相位中的噪声点定位,将两种噪声结果融合为一个噪声点最少的相位。随后建立一种路线判定方法对该散斑相位进行解包裹。实验验证了该算法对散斑相位的降噪性能。4)将混叠条纹分析中的相位估计问题归结为多频信号盲源分离问题,提出一种基于盲分离的混叠条纹参数估计算法以实现深度超分辨性能。该算法以盲源信号分离为理论基础,利用波数序列中相邻三帧信号的关系建立方程,结合拉格朗日乘数法（Lagrange multiplier）进行迭代估计混叠条纹中的幅值,频率与相位。最终成功在极窄的波数扫描范围下实现突破理论深度分辨率的测量性能。实验结果证明,该方法与传统FT方法相比能够准确地分离出FT无法分辨的多表面相位分布。
潘安[2]（2020）在《高分辨率大视场快速傅里叶叠层显微成像方法研究》文中研究指明傅里叶叠层显微成像术（Fourier ptychographic microscopy,FPM）是新一代计算成像技术和定量相位成像技术。兼具了相位恢复和相干合成孔径的思想,它可以解决传统显微成像中分辨率与视场相互制约的问题,无需机械扫描能获得十亿像素级图像,近年来已被成功应用于数字病理学等领域。本论文系统地介绍了FPM显微成像技术在光学显微成像技术发展历程上的重要地位,介绍了FPM的基本理论和发展方向,针对目前尚存的系统误差、分辨率极限不明确、图像采集效率低等若干关键问题提出解决方案,提高了测量精度、成像分辨率和成像效率,实现了毫米级成像视场、亚波长量级成像分辨率和单次曝光的时间反演成像。论文主要工作和创新点如下:1.搭建了一套基于平板R/G/B LED阵列照明的FPM成像系统,验证了FPM技术的诸多功能如高分辨率、大视场、像差恢复、景深延拓、定量相位成像等。解决了LED强度不均匀问题,提出了一系列的数据预处理方法,能够有效地抑制噪声并消除杂散光的影响。针对实际中多种误差的混合,提出了无需先验信息的混合系统误差矫正算法（SC-FPM）,显着提升了原始FPM重建算法对系统误差的鲁棒性,研究了渐晕效应的影响并提出了对应的两个解决策略。最终总结出了一套完整的无伪影的FPM成像方法。2.在高分辨率FPM成像方面,搭建了基于半球形数字聚光镜实现亚波长分辨率的FPM成像系统（SRFPM）。该技术最终实现了基于4×/0.1NA物镜合成至1.05NA,视场14.6 mm2,使用465 nm光波实现分辨率达到244 nm,景深0.3 mm,对应空间带宽积（Space-bandwidth product,SBP）为24500万像素。该平台具有亚波长分辨率、大视场、高能量利用率等诸多优势,相比于传统基于4×/0.1NA物镜的明场成像,SRFPM扩宽了65倍的SBP。与基于平板LED照明的传统FPM相比,SBP也从原先9700万像素提升至2亿4500万像素,提升到约2.5倍。与基于40×/0.6NA物镜科勒照明下的非相干成像相比,SRFPM同时恢复出了强度和相位图像,SBP提升了245倍。3.在快速FPM成像方面,提出了基于离焦图像快速FPM成像方法（s FPM）,可以实现动态的时间反演成像。针对稀疏样品只需采集单幅环形光照明的离焦图像,针对稠密样品也只需要采集两幅非对称的环形光照明图像,通过双相机共光路的方式仍可以实现两倍分辨率的单次曝光实时成像。尽管该工作牺牲了暗场图像的采集,分辨率只提升两倍,但是由于采用20×/0.4NA物镜,有效NA仍然有0.8,可以满足大多数生物应用需求。4.在具体应用方面,参与搭建了基于并行FPM的96通道高通量生物细胞培养成像系统（96Eyes）。该系统主要存在三个方面的工程和技术难点:如何实现低成本的物镜设计、不同培养板的离焦程度和同一培养板不同通道的离焦问题以及由半月形培养液引起的失真、场曲和波矢失配问题。详细分析和阐述了失真、场曲和波矢失配问题及解决方法,提出了自适应波矢校正算法（AWC-FPM算法）,该算法能够自适应地校正波矢失配问题,解决了低冗余信息下剧烈像差的稳定恢复和栅格噪声问题,配合数字重聚焦校正场曲实现了无伪影的高成像质量,未来该系统具有广阔的市场前景。
潘俊杰[3]（2020）在《玻璃喷墨打印的图像处理及软件设计》文中提出玻璃喷墨打印是一种以玻璃为介质的喷墨打印技术,其生产制品具有抗酸碱、色泽稳定、艺术感强等优点,广泛应用于玻璃幕墙、车窗玻璃、办公室隔断等场合。目前,玻璃喷墨打印的厂商主要以国外的以色列Dip-Tech公司为代表,其制作精美但生产造价过高,在国内没有得到广泛普及。为了降低玻璃喷墨打印的生产成本,使该技术进一步得到推广和运用,本文依托实验室项目对其中的图像处理关键技术展开了相关研究。总的来说,本文的研究工作和主要贡献如下:一、本文提出了一种位矢结合的图像编辑方法,旨在增强玻璃喷墨打印的图像质量。该方法结合了两种图像类型的优势,通过对原有图像进行位图编辑、位矢转换、矢量图编辑、矢量渲染处理,使得最终编辑图像的效果既有位图丰富的色彩表现能力,又兼有矢量图缩放不失真、图像清晰、存储空间小的优点。二、针对计算机处理图像和玻璃喷墨打印图像普遍存在的色差问题,本文基于传统的ICC色彩管理研究,提出了一套应用于玻璃喷墨打印的色彩管理方案。该方案的主要内容有:显示器设备校准、打印机ICC Profile制作、正向以及反向ICC处理。通过对ICC Profile中特征化信息的处理,可以使设备间的图像色彩具有较高的一致性,使打印色彩得到充分表现,提高玻璃制品出品的工作效率。三、针对现有玻璃喷墨打印分色算法中色差大、层次感单调等问题,本文提出了一种玻璃喷墨打印的多级灰度分色算法。该算法主要有四个关键步骤:准备基础色、确定打印灰度等级、像素点映射以及误差的传递。通过该算法,可以驱动喷嘴产生多种油墨量状态的墨滴。仿真结果表明,对比常用的二值分色算法,该算法的打印图像整体输出色差小,图像色彩表现力、层次感得到提升。四、本文设计开发了一款Windows平台下玻璃喷墨打印的图像处理软件,旨在整合玻璃喷墨打印的图像处理功能。整合的功能主要包括位矢编辑、色彩管理以及分色处理等图像处理模块。同时,软件基于MFC和Open CV类库,采用C++语言进行编写,具有图像处理速度快、界面设计友好、易于维护和拓展等优点。
孙福盛[4]（2019）在《基于MLA光场相机的三维表面重建研究》文中进行了进一步梳理人类生活在丰富多彩的三维世界中,为了适应人类对三维事物的感知方式,最有效、最直接的方法便是对所观察到的场景进行三维重建。随着计算机视觉的发展与进步,三维物体的表面重建技术早已融入智能制造、文物保护、航空航天、医疗卫生等诸多领域。由于光场相机能同时记录空间中光线的位置信息和方向信息,并能够捕获场景中完整的光场数据,将传统相机的二维信息扩展到四维,使得光场图像具有更大的信息量及更强的可塑性,相比于传统二维图像数据具有更大的优势。因此,如何利用光场相机的优势,对所观察到的目标物体进行三维重建,成为了当前机器视觉领域中的研究热点之一。本文以微透镜阵列（MLA,microlens array）光场相机——Lytro相机作为研究载体,以采集到的光场图像作为主要研究对象,以点扩散函数、色彩恢复、超分辨率重建、深度估计、多目标测距、三维表面重建等内容作为研究核心,对获取到的场景图像进行三维表面重建研究,主要内容包括:（1）为了获取三维场景中目标物体准确的颜色信息,提出了一种精确色彩恢复算法。首先,通过计算相机的精准点扩散函数位置,与六边形坐标系相结合,对每个像素的颜色信息进行一对一的指向性赋值,完成对目标图像的色彩恢复处理。然后,提出一种六边形金字塔算法对该算法进行优化,减少了重复计算的次数,提升了色彩恢复算法的时间效率。实验结果表明:本文提出的色彩恢复方法,能够恢复出场景图像的原始色彩信息,与传统的色彩恢复方法相比,时效性更高,色彩信息更为贴近现实。由于大多数MLA光场相机的微透镜阵列都是按照六边形排列的,因此该方法适用于大多数MLA光场相机的颜色恢复。（2）为了解决相机原始图像分辨率不足的问题,提出了一种精确颜色矢量约束下的超分辨率方法。首先,通过获取相机的子孔径图像,得到了具有视差的图像序列。然后,将高精度点扩散函数作为先验知识,将精准颜色矢量信息作为约束条件,对经典的凸集投影算法改进优化,完成了对场景图像的超分辨率重建。实验结果表明:通过本文算法得到的超分辨图像重建效果良好,与未经优化前的凸集投影算法相比,实验中三组图像的超分辨重建误差均略有降低,清晰度则分别提高了57%、63%及69%;与“基于修正点扩散函数的超分辨率复原算法”及“基于改进POCS的图像超分辨率重建算法”相比,本文算法亦有非常明显的提升。（3）为了获取三维场景目标物的深度图像,提出了一种亚像素精度的深度估计算法。首先,在频率域内对处理得到的相机子孔径图像进行多标签亚像素偏移,以子孔径图像序列中的中心视角图像为参考,完成图像序列的匹配代价过程,得到初始的视差图像。然后,使用引导滤波的方法,在抑制噪声的同时保证图像边缘信息的完整性,得到滤波后的视差图像。最后,利用图形分割优化法（GCO）对视差图像进行处理,完成对三维场景目标物体的深度估计。实验结果表明:本文算法与“散焦深度估计法”及“恒定时间加权滤波立体匹配法”相比,深度估计的精度有了较大提高。但是在深度估计处理过程中,由于有噪声与错误深度值等误差因素的存在,在目标物边缘处理方面,仍然需要进一步加强。（4）提出了一种多目标快速测距方法。首先,对原始图像进行处理,得到目标场景的重聚焦图像,通过标记贴片的方法,实现对目标场景中物体的直接测距。然后,利用边缘提取算子,获取目标物体的边缘信息,再利用本文提出的超分辨率算法对文献中提出的相对测距法进行优化处理。最后,将两种算法融合,得到一种多目标快速测距算法。实验结果表明:本文提出的多目标测距方法精度较高,对于具有规则表面的目标物体,当测试距离小于50cm时,测量误差值小于2%;测试距离小于100cm时,测量误差小于4.85%。将本算法与文中提出的深度估计算法进行融合,能够解决深度图像中存在的噪声及误差等问题,得到的深度图像边缘信息更为精准。（5）为了获取三维场景中目标物体的重建模型,提出了一种三维表面重建方法。首先,利用相机所获取的精确颜色信息作为目标模型的纹理信息来源。其次,利用基于深度图的三维重建方法,将深度估计算法与快速测距算法融合,得到高精度的深度图像。然后,经表面渲染、纹理映射等操作,完成对目标模型的三维表面重建。最后,通过三组不同的对比方式,对算法进行验证分析。实验结果表明:本文算法对多种不同材质的重建目标具有良好的三维表面重建效果,重建纹理真实、精细化程度较高。对比3D Max人工建模方法及“扫描仪建模+纹理映射”的重建方法,本文算法具有较高的时效性及更为广泛的适用性。同时,本文算法在不同光照条件下的重建结果也有着较为良好的表现。
陈海龙[5]（2019）在《基于结构照明的计算三维彩色成像与测量》文中研究指明基于结构照明的计算三维彩色成像与测量技术具有非接触式、高分辨率、高精度、高保真度、高速等优点,是光学三维成像及测量领域最具代表性的技术之一,在工业制造、文化遗产、医疗美容、娱乐消费等领域有着广泛应用。本文围绕基于结构照明的计算三维彩色成像与测量技术中的非线性响应、复合编码、彩色纹理重建和自动化整体三维成像的关键技术开展相关研究,探索非线性相位误差的通用模型及补偿方法、基于相移条纹与随机条纹复合编码的快速三维重建方法、彩色纹理重建中的高精度纹理映射和高质量纹理融合方法,以及机器人辅助自动化三维重建方法,解决三维成像及测量中的精度、速度、色彩和自动化问题。在基于结构照明的三维测量中,数字投影仪和相机之间的非线性响应会引起相位误差,从而影响三维重建精度,是三维测量的主要误差源之一。通过特定的辅助条件,例如,构建相位基准、标定系统gamma值、以及拟合响应曲线等,能够有效补偿非线性相位误差,然而,这会影响测量方法的灵活性和稳健性。在条纹分析中引入希尔伯特变换能够实现自适应的非线性相位误差补偿,无需借助辅助条件。但是,当被测表面存在反射率跳变或相位截断时,希尔伯特变换将出现频率混叠或频谱泄露。本文从理论上分析了引起上述问题的原因,并提出一种新的基于希尔伯特变换的非线性相位误差抑制方法。本文对该方法给出了严格的数学推导过程,并通过实验验证了本文算法可以有效地解决非平稳非连续条纹信号导致希尔伯特变换的频率混叠和频谱泄露问题,实验结果证实了在三步相移法中相位误差减少到原始相位误差的7.3%,无需借助额外的辅助条件,从而提高了该方法的普适性和可靠性。基于结构照明的三维成像及测量过程通常包含相位提取和折叠相位展开两个解码环节。增加额外的编码图案有利于提高相位展开的准确性和鲁棒性,其代价是增加了投影采集的时间成本,因而降低三维成像与测量的速度。本文提出一种正弦条纹与随机条纹复合编码的快速三维重建方法,该方法不需要相位展开,仅需一幅随机条纹图案即可完成相位级次匹配,实现同名点定位。通过对局部弱相关的随机条纹的图像生成,灰度校正以及折叠相位的级次匹配等算法的改进,进一步提升复合编码三维重建的准确性、鲁棒性和普适性。在三维重建精度以及不同材质表面的三维成像效果等方面,本文提出的方法与典型的格雷码相位展开算法一致。不同的是,格雷码算法通常需要7幅编码图案进行相位展开,而本文算法仅需1幅随机条纹图案。具有真实感的彩色纹理重建涉及纹理映射和纹理融合两大关键技术。纹理图参数的求解决定了纹理映射的精度,同时直接影响纹理融合的质量。本文提出一种基于标志点的高精度纹理映射算法,该算法通过摄影测量技术同时获得编码标志点的空间坐标和纹理相机参数,然后通过最近点迭代算法优化相机姿态参数,提升纹理映射精度。在纹理融合环节,结合复合权重与双向相似性函数进行全局目标图像的对齐操作,并通过两步法迭代优化能量函数,逐步减少纹理的错位,解决了纹理融合过程中色彩跳变和纹理模糊的问题。最后,利用重心坐标的仿射不变性完成任意纹理贴图的变换,实现任意网格参数化关系下彩色三维模型的纹理贴图快速自动变换。三维彩色成像及测量的自动化的核心是解决视点规划问题,其难点在于未知物体几何尺寸、拓扑结构,表面材质等信息情况下,要求满足三维传感器内在约束条件,自动生成全局最佳扫描视点,以最少的视点数量完成模型的完整扫描。本文提出一种基于未知模型的自动化三维扫描方法,通过红外深度相机快速获取物体的粗略三维模型,根据该模型的表面信息及三维传感器的内在约束条件生成视点能量场,由能量场分布自动生成全局扫描视点。本文对三维扫描系统进行数学建模,同时设计了一种两步标定方法进行系统整体标定,并基于粗略模型进行视点规划,由此实现了自动化三维彩色整体扫描。
戴爱霞[6]（2019）在《用于图像处理的自动白平衡算法的研究及实现》文中研究指明随着图像处理与网络技术的飞速发展,网络摄像机应运而生。网络摄像机是传统摄像机与网络视频技术的相互结合的智能化设备。图像信号处理器作为网络摄像机的核心模块,对其整体性能起着决定性作用。自动白平衡技术是图像处理流程中的关键环节,对图像进行准确的校正有重大影响。本文基于ARM Cortex M4平台对网络摄像机中自动白平衡技术进行了研究,提出了一种新的自动白平衡改进算法并实现。改进算法首先由白点检测算法根据阈值范围判断白色像素点,并求出各通道均值及白点个数;再采用灰度世界算法得出初始增益值;接着基于增益多边形将初始增益进行调整,得出最终的增益值;最后根据Von Kries假设计算得出新的像素值,进行颜色补偿。此外,本文采用FPGA开发板,并使用软硬件结合的方式实现算法。其中,判断并统计图像中白色像素点的数据信息由硬件设计实现,计算以及调整增益值由软件实现,最后对图像整体颜色进行校正由硬件完成。本文最后采用了 Imatest?测试工具对校正后的图像进行评估。另外对经典算法进行了 MATLAB仿真,并将经典算法和其他改进算法都分别进行了主观和客观的评估分析。仿真及测试结果显示:本算法中低色温和高色温的饱和度误差分别为0.001和0.039，比三种经典算法的饱和度误差都要小。同时与近两年的网络摄像机的算法结果相比,首先从饱和度误差指标来看,本算法在高色温下误差更小;再从白色块的RGB通道的均值来看,本算法的测试数据更接近255。测试结果均满足设计要求。目前,本算法已成功应用在一款网络摄像机产品中。
张德荣[7]（2019）在《植物表型性状参数快速检测研究》文中指出随着数字农业和农业物联网技术的快速发展,研究和开发植物表型信息的快速无损检测技术和传感仪器等软硬件平台已经成为现代农业研究的热点。在进行农业科学研究时,研究人员可以使用昂贵的精密设备,但是农业生产无法承担高昂的仪器设备价格。所以本论文在开展植物表型信息检测研究工作时,把着眼点放在低成本和快速这两个因素上,研究和开发低成本的植物表型性状参数的快速检测装置,为农作物种植精细化和规模化管理,提高农作物产量和品质提供技术支撑,对数字农业建设工作的推进有着非常重要的意义。围绕植物表型性状参数快速检测技术的关键问题,本论文从两个不同的角度深入地研究植物表型性状参数快速检测技术。第一个角度,以植物的生长过程为线索,从研究籽粒表型信息检测开始,延伸到叶片表型信息的获取,从植株叶片单体到多个叶片,进而拓展到冠层叶片的测量研究;第二个角度,从室内离体检测开始研究,扩展到室外活体检测,室内离体检测能够在特定的检测环境下实现更高的测量精度,室外活体检测是在满足检测精度要求的前提下,快速、准确、方便地获取植物表型性状参数,提高检测的工作效率,有利于实现高通量的植物表型信息的获取,更适合于广大农业科技工作者和农业生产者进行实际的检测工作。在降低使用成本的前提条件下,本论文针对籽粒和叶片的表型信息获取开展了大量的研究工作,研究快速获取籽粒和叶片表型性状参数的方法和手段,从籽粒快速准确计数、形状参数的测量,到叶片的形状、面积及其养分含量的测量。设计了多种植物表型性状参数的快速检测技术,研究和开发低成本的植物籽粒和叶片表型信息的快速检测装置。在研究方法上,当前很多研究把RGB彩色图像转换成灰度图像,然后针对灰度图像进行处理,这样的研究方法丢失了很多有用的彩色信息,对检测结果有很大的不良影响,特别是在农业应用领域,植物的叶片、花朵、果实等往往都有鲜明的色彩,这些彩色信息反应出许多有研究价值的植物表型信息,本论文提出了一种高效率的基于HSV色彩模型的图像特征值提取方法,并将此方法应用到植物表型性状参数提取的研究中。本论文的主要研究内容有以下6个方面:（1）研究了室内的籽粒表型性状参数的快速检测方法,提出了用于粘连图像分割的CM-Watershed算法,对单排粘连轮廓的识别精度达到99%以上。（2）研究了室内高精度的叶片表型性状参数的快速检测方法,提出了识别图像轮廓的最小标号（Minlabel）算法,开发了高精度植物叶片面积测量仪,检测结果的最大标准偏差小于0.05,相对误差小于0.7%。（3）研究了室外便携式的叶片表型性状参数的快速检测方法,采用HSV色彩模型进行参照物的识别和背景分离,通过叶片和参照物的像素比例关系,求出叶片的面积。具有携带方便、测量速度快、支持多片叶片同时测量等特点。（4）研究了室外高通量的叶片表型性状参数的快速检测方法,从提高易用性和高通量角度开展研究,利用双目视觉技术来实现非接触的、无参照物的快速检测。（5）研究了室外植物叶片氮含量的快速检测方法,提出了 HSVCAM检测方法,与SPAD叶绿素仪测量的氮含量值高度相关,R2为0.901,具有检测幅面大、速度快等特点。（6）在植物表型性状参数快速检测装置的实施方面,提出了两种嵌入式系统开发模式:一种是采用单片机控制板和Android智能相机的组合方式,适合于有外部控制操作和外部信息采集的图像处理类型;另一种是采用嵌入式Linux+QT的开发模式,适合于对图像采集和处理要求较高的应用类型。这两种开发模式全部实现,形成了两种开发模版,对后期其他农用仪器的开发,起到很好的参考作用。
刘秀[8]（2019）在《基于USB的高速馈纸式光学扫描仪上位机软件研究》文中指出越来越多的行业需要将纸质资料转换为数字信息,所以采集录入和打印输出需求量日益增长。扫描仪是将纸质信息转换为数字信息的重要媒介,巨大的工作量会导致普通扫描仪的时间成本过高,因此高速扫描仪的重要性日益明显。国外品牌在高端的高速扫描仪市场中处于垄断地位,所以开发出拥有独立自主知识产权的高速扫描系统具有重要的意义。本文主要阐述了高速扫描仪上位机的软件系统部分的设计与实现。论文主体主要包含四部分内容。第一部分主要介绍高速扫描仪基于接触式图像传感器（Contact Image Sensor,CIS）成像的原理,并且对软件系统框架进行阐述。第二部分关于软件系统的设计与实现。对TWAIN（Toolkit Without An Interesting Name）协议进行介绍,并设计与实现了基于TWAIN的图像采集系统。第三部分主要介绍图像处理的算法。针对海量数据设计了一种基于多线程的双通道数据处理模式,大大提高软件运行效率。设计了空白页识别算法、校正算法、纠偏算法、去黑边算法、色彩识别算法,这些算法都经过反复测试具有良好处理效果。基于轮廓识别的空白页识别算法判断正确率达到90%,运行耗时最短测试结果为2ms,最长耗时也低于60ms。校正还原算法针对每一个传感器生成独立的查值表,对图像进行查值校正。校正效果十分良好,空白扫描图像可以完全实现全部空白。设计的基于HSV模式的识别算法正确率较高,A4幅面图像耗时约50ms,A3幅面图像耗时约100ms。最后一部分对软件系统的主要功能进行测试验证。
王永鑫[9]（2019）在《水下光学图像清晰化方法及关键技术研究》文中研究指明随着陆地资源的逐渐减少,海洋资源开发利用和海洋环境保护已经越来越令人关注,水下探测技术成为其中重要的支撑技术和研究领域。相比之下,水下光学图像因具有快速成像、高分辨率、丰富的纹理和细节信息以及颜色信息而成为水下近距离探测最为有效的手段。然而,水下环境与陆地环境的差异造成水下光学图像在成像过程中极易受到如下因素的影响:一是成像过程中电子元器件以及光子的不规则运动引起的随机噪声;二是水体对照射光线的吸收和散射引起的画面模糊和雾化效果;三是水体对光的不同光谱区域具有不同的吸收性,导致水下图像颜色失真。这些因素通常使水下光学图像存在模糊不清、对比度低、噪声明显、颜色失真等问题。因此,有必要对水下光学图像进行清晰化处理,提高水下图像的成像质量。水下光学图像清晰化的目的是增强图像的细节信息、提升对比度和可视化效果。水下光学图像清晰化需要重点解决以下三个问题:如何有效地抑制由水中悬浮粒子及光子的不规则运动所引起的信号噪声;如何有效复原不同光波长造成的光信号衰减及保持图像颜色不失真;如何进一步增强水下光学图像的视觉对比度,提高水下光学图像的图像质量。以上三个问题是迄今为止水下光学图像清晰化面临的重点与难点问题。为此,本文围绕水下光学图像去噪、复原和增强三个关键环节,对水下光学图像清晰化方法进行了理论与实验研究,主要工作包括以下几个方面:1.针对水下光学图像因噪声引起的视觉模糊和对比度低的问题,提出了一种基于同态子块的最小二乘估计水下图像去噪方法。该方法根据水下图像特点采用比尔-朗伯定律构建一个水下图像退化模型;将退化图像转换为其亮度图像和饱和度,根据亮度图像及其同态子块噪声方差通过最小二乘估计得到原始亮度图像,再依据饱和度恒定模型可得到消除了噪声的水下彩色图像。2.针对水体中不同波长光信号衰减不一致而导致水下光学图像清晰度低和色彩失真的问题,提出了一种基于同态滤波的水下图像亮度复原与色彩校正方法。采用标准剩余能量比替换透射比构建一个去噪后的水下退化图像模型,再通过一阶麦克劳林级数展开建立一个色彩恒定模型;将退化图像转换为亮度图像及其背景光亮度图像,然后根据退化图像模型通过同态滤波得到复原亮度图像,再根据色彩恒定模型得到复原的水下彩色图像。3.针对水下光衰减和散射导致的水下图像对比度低和细节模糊的问题,提出了一种基于迭代直方图的水下图像增强方法。在HSV空间采用Retinex模型从复原图像V通道提取出光照层图像和细节层图像,通过S函数变换增强细节层图像、通过迭代直方图增强光照层图像,将细节层和光照层的增强图像合并后再转换到RGB空间得到增强后的水下彩色图像。针对本文水下图像清晰化方法,通过理论分析给出数学表达式,构建出算法结构,设计并实现算法,完成验证实验。水下退化图像去噪、复原、增强以及综合清晰化的模拟仿真实验结果,验证了本文方法的可行性和有效性。
许山[10]（2018）在《车牌视频识别算法及系统应用》文中认为车牌是车辆重要特征,车牌识别是稽查黑车、打击逃费等交通管控的重要手段。尽管车牌视频识别早有许多算法,然而实际应用场景中,光线干扰、车辆运动、拍摄角度、目标较小等条件时,车牌识别的准确率、实时性,目前并不满足实际要求,如收费车道的车牌识别场景。为此,论文依托“基于深度学习的收费车道车辆特征识别系统及应用研究”等省级科技项目,展开了对车牌视频识别算法的研究,仍然具有重要的理论意义和实际应用价值。论文以车牌识别的国内外现状为背景,以机器学习、后续的深度学习机理解析为基础,以收费站等实际应用为导向,分别以机器学习和深度学习车牌识别的算法两条线,开展了一系列的研究工作。机器学习识别的算法研究中,论文解析了他人算法结构原理,分析了车牌区域定位、车牌照字符分割和车牌字符识别等过程中影响准确度的问题;给出了总体设计方案;为了提升车牌识别的识别率和适用性,增添了车牌照区域校正模块。论文还对于机器学习车牌识别存在的不足,给出了相应的解决方法,具体有:车牌照区域检测存在漏检的问题,论文给出了车牌照多特性结合以避免漏检的发生;定位出的车牌照存在倾斜和不完整的现象,因此论文给机器学习车牌识别增加了车牌照区域校正模块,并给出了详细的车牌照区域校正算法;垂直投影法无法分割非连通域字符的问题,论文给出了一种自适应垂直投影法,其能很好的分割出汉字。在深度学习识别的算法研究中,对于数据集准备模块,提出了一种能自动生成增广数据标定信息的数据增广方法,在解决了数据集的同时,也解决了数据标定;对于车牌识别模块,分析了 RCNN系列的目标检测算法;对于小目标车牌字符的识别,提出了深度网络模型SSD的优化算法。论文还针对于深度学习车牌识别存在的问题,也给出了相应的解决办法,具体有:采集到的数据集往往存在数据不足和数据类别分布不均衡的问题,论文提出了一种数据增广的方法,该方法同时能生成相应增补数据的标定信息,从而无需进行繁重的增补图像标定工作;针对于SSD算法检测小目标差的问题,论文对SSD算法网络结构进行了改进,从而使得其能够检测识别小目标车牌字符,并且其检测精度达到了 97.21%。经两种算法的实际场景的视频识别检测:深度学习车牌识别算法除了需要GPU加速的附加条件外,在检测速度和识别率方面均优于机器学习车牌识别算法。论文的主要创新点和特点在于:●针对于机器学习车牌识别率不高的问题,给出了车牌照区域校正和车牌照去边框算法,从而提高了车牌识别准确率;●针对于深度学习数据集不足和数据类别分布不均衡的问题,提出了一种数据增广方法,解决了图像数据集不足和增补图像标定的问题;●针对于深度学习SSD算法检测小目标差的问题,改进了 SSD算法,解决了其检测识别小目标差的问题。
二、校正扫描图像色彩的有效方法（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、校正扫描图像色彩的有效方法（论文提纲范文）
（1）面向高分辨光学相位三维测量的条纹分析理论与方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外现状与现存问题 |
| 1.2.1 单频条纹分析方法 |
| 1.2.2 混叠条纹分析方法 |
| 1.3 本文主要研究内容 |
| 1.4 论文结构 |
| 第二章 基于条纹分析的相位测量系统 |
| 2.1 基于单频条纹分析的相位测量技术 |
| 2.1.1 数字编码条纹相位测量理论 |
| 2.1.2 数字编码条纹相位测量系统搭建 |
| 2.2 基于混叠条纹分析的相位测量技术 |
| 2.2.1 波数扫描相位测量理论 |
| 2.2.2 波数扫描相位测量系统搭建 |
| 2.3 本章小结 |
| 第三章 基于参考相位重建的条纹测量方法 |
| 3.1 引言 |
| 3.2 相位误差问题研究 |
| 3.2.1 光强噪声 |
| 3.2.2 投影仪及相机非线性 |
| 3.2.3 色彩串扰 |
| 3.2.4 运动误差 |
| 3.3 参考平面相位误差研究 |
| 3.4 基于TV最小化的参考相位重构方法 |
| 3.4.1 传统FPP |
| 3.4.2 基于参考相位重建的FPP |
| 3.4.3 基于TV最小化的相位恢复方法 |
| 3.5 实验验证与结果分析 |
| 3.6 本章小结 |
| 第四章 基于背光照明的高动态鲁棒条纹测量方法 |
| 4.1 引言 |
| 4.2 表面不连续物体的相位解包裹 |
| 4.2.1 空域相位解包裹 |
| 4.2.2 时域相位解包裹 |
| 4.3 大范围反射率变化的HDR成像 |
| 4.3.1 基于外加设备的HDR成像 |
| 4.3.2 基于多次曝光的HDR成像 |
| 4.3.3 基于自适应投影的HDR成像 |
| 4.4 基于背光照明的HDR-FPP系统 |
| 4.5 实验验证与结果分析 |
| 4.5.1 轮毂测量实验分析 |
| 4.5.2 彩色面具测量实验分析 |
| 4.6 本章小结 |
| 第五章 基于相位融合的高分辨混叠条纹测量方法 |
| 5.1 引言 |
| 5.2 散斑噪声下的相位提取 |
| 5.2.1 散斑噪声模型 |
| 5.2.2 散斑相位提取问题 |
| 5.3 基于相位合成的散斑降噪算法 |
| 5.3.1 使用FT估计包裹相位 |
| 5.3.2 使用LSA估计包裹相位 |
| 5.3.3 相位噪声点定位 |
| 5.3.4 包裹相位合成 |
| 5.4 实验与结果分析 |
| 5.5 本章小结 |
| 第六章 基于盲分离的超分辨混叠条纹测量方法 |
| 6.1 引言 |
| 6.2 深度分辨率极限与波数非线性问题 |
| 6.3 基于特征值分解的混叠条纹参数估计方法 |
| 6.4 基于盲信号分离的混叠条纹参数估计方法 |
| 6.5 实验与结果分析 |
| 6.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间发表或完成的论文和专利 |
| 攻读博士学位期间获得的奖励和参与的项目 |
| 致谢 |
（2）高分辨率大视场快速傅里叶叠层显微成像方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 专业词语英文缩写对照表 |
| 主要符号对照表 |
| 第1章 绪论 |
| 1.1 光学显微镜发展简史 |
| 1.2 现代远场光学显微成像技术的局限 |
| 1.2.1 分辨率受限制于物镜数值孔径 |
| 1.2.2 视场与分辨率的权衡关系 |
| 1.2.3 像差 |
| 1.2.4 景深狭小 |
| 1.2.5 相位丢失 |
| 1.3 现代远场光学显微成像技术发展路线图 |
| 1.4 傅里叶叠层显微成像术与叠层衍射成像术的联系与区别 |
| 1.5 傅里叶叠层显微成像术的国内外研究现状和进展 |
| 1.5.1 三维成像 |
| 1.5.2 混合态解耦合 |
| 1.5.3 成像系统设计 |
| 1.6 本论文研究目的、意义和主要创新点 |
| 1.7 主要工作和章节安排 |
| 第2章 傅里叶叠层显微成像术的理论和实现 |
| 2.1 傅里叶叠层显微成像术的基本原理 |
| 2.1.1 傅里叶叠层显微成像术的采集过程 |
| 2.1.2 傅里叶叠层显微成像术的重建过程 |
| 2.2 傅里叶叠层显微成像术的重构细节 |
| 2.2.1 分块处理缘由及方法 |
| 2.2.2 更新顺序 |
| 2.2.3 频域提取补偿 |
| 2.2.4 空域采样率和频域交叠率 |
| 2.2.5 初始猜测 |
| 2.2.6 分辨率板或生物切片玻璃衬底补偿 |
| 2.2.7 光电数字探测器的选择 |
| 2.3 傅里叶叠层显微成像术的成像性能分析和实验验证 |
| 2.3.1 开源数据算法交叉验证 |
| 2.3.2 基于发光二极管平板照明的傅里叶叠层显微成像实验系统搭建和标定 |
| 2.3.3 成像分辨率和空间带宽积提升验证 |
| 2.3.4 像差恢复正确性间接验证 |
| 2.3.5 数字病理切片高分辨率全彩色成像验证 |
| 2.3.6 景深延拓性能验证 |
| 2.4 傅里叶叠层显微成像术与结构光照明显微术的联系与区别 |
| 2.5 傅里叶叠层显微成像术与相干合成孔径成像的联系与区别 |
| 2.6 本章小结 |
| 第3章 傅里叶叠层显微成像系统误差校正方法 |
| 3.1 引言 |
| 3.2 光源亮度不均匀校正方法 |
| 3.3 噪声抑制方法 |
| 3.3.1 噪声抑制求解算法总结与分类 |
| 3.3.2 数据预处理算法 |
| 3.4 混合系统误差校正方法 |
| 3.4.1 算法参数对噪声抑制的鲁棒性影响 |
| 3.4.2 像差恢复与亮度不均匀校正算法的矛盾及解决办法 |
| 3.4.3 照明阵列位置误差与噪声抑制算法的矛盾及解决办法 |
| 3.4.4 无先验的多样混合误差及解决办法 |
| 3.5 渐晕效应校正方法 |
| 3.5.1 渐晕效应对成像质量的影响 |
| 3.5.2 基于严格波动理论的线性空变的渐晕模型 |
| 3.5.3 两个应对策略及实验结果 |
| 3.6 光源相干性影响 |
| 3.7 大视场下的光源位置误差 |
| 3.8 本章小结 |
| 第4章 基于半球形聚光镜的傅里叶叠层显微成像系统 |
| 4.1 引言 |
| 4.2 系统搭建 |
| 4.3 实验结果与讨论 |
| 4.4 多种成像方式通量对比与评价 |
| 4.5 本章小结 |
| 第5章 基于离焦图像快速傅里叶叠层显微成像方法 |
| 5.1 引言 |
| 5.2 系统搭建及其原理 |
| 5.3 基于单幅离焦图像的单次曝光成像方法 |
| 5.4 基于双幅离焦图像的快速成像方法 |
| 5.5 本章小结 |
| 第6章 高通量细胞培养成像系统半月形液面影响的原位矫正 |
| 6.1 引言 |
| 6.2 系统介绍 |
| 6.3 半月形培养液造成的失真、场曲和波矢失配 |
| 6.4 自适应波矢失配校正算法和场曲校正方法 |
| 6.5 实验结果与讨论 |
| 6.6 本章小结 |
| 第7章 论文总结和展望 |
| 7.1 本文主要工作总结 |
| 7.2 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 |
（3）玻璃喷墨打印的图像处理及软件设计（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 玻璃喷墨打印技术 |
| 1.2.1 彩釉玻璃 |
| 1.2.2 喷墨打印技术 |
| 1.2.3 玻璃印刷技术 |
| 1.2.4 玻璃喷墨打印的国内外现状 |
| 1.3 玻璃喷墨打印控制系统 |
| 1.3.1 总体框架 |
| 1.3.2 硬件系统 |
| 1.3.3 软件系统 |
| 1.4 玻璃喷墨打印图像处理的关键技术 |
| 1.4.1 图像编辑处理 |
| 1.4.2 色彩管理技术 |
| 1.4.3 彩色图像分色技术 |
| 1.5 研究内容 |
| 1.5.1 本文的组织结构 |
| 1.5.2 具体内容 |
| 第2章 玻璃喷墨打印的图像编辑处理 |
| 2.1 引言 |
| 2.2 位图和矢量图 |
| 2.2.1 位图简介 |
| 2.2.2 矢量图简介 |
| 2.2.3 图像格式 |
| 2.2.4 编辑处理软件 |
| 2.3 位矢编辑 |
| 2.3.1 位图矢量化 |
| 2.3.2 矢量编辑 |
| 2.3.3 矢量图渲染 |
| 2.4 图层管理技术 |
| 2.4.1 图层技术 |
| 2.4.2 图层的分类 |
| 2.4.3 图层管理 |
| 2.5 本章小结 |
| 第3章 玻璃喷墨打印的色彩一致性管理 |
| 3.1 引言 |
| 3.2 常见的色彩模型和颜色空间 |
| 3.2.1 RGB和 CMYK色彩模型 |
| 3.2.2 HSV颜色空间 |
| 3.2.3 XYZ颜色空间 |
| 3.2.4 Lab颜色空间 |
| 3.3 色彩管理技术 |
| 3.3.1 色彩管理简介 |
| 3.3.2 ICC Profile |
| 3.3.3 渲染意图 |
| 3.4 玻璃喷墨打印的色彩管理 |
| 3.4.1 玻璃喷墨打印的图像转换 |
| 3.4.2 显示器校准 |
| 3.4.3 打印机ICC Profile制备 |
| 3.4.4 正向和反向ICC处理 |
| 3.5 本章小结 |
| 第4章 玻璃喷墨打印的多级灰度分色算法 |
| 4.1 引言 |
| 4.2 星光1024/M-C喷头及其驱动控制 |
| 4.2.1 喷头简介 |
| 4.2.2 喷头电子接口面板 |
| 4.2.3 喷头的驱动控制 |
| 4.3 数字加网技术 |
| 4.3.1 加网技术 |
| 4.3.2 调幅加网 |
| 4.3.3 调频加网 |
| 4.4 多级灰度分色算法设计 |
| 4.4.1 准备基础色 |
| 4.4.2 确定打印灰度等级 |
| 4.4.3 像素点映射 |
| 4.4.4 误差传递 |
| 4.4.5 多级灰度分色算法流程图 |
| 4.5 本章小结 |
| 第5章 软件的设计和应用 |
| 5.1 引言 |
| 5.2 玻璃喷墨打印图像处理软件简介 |
| 5.3 图像处理软件主页 |
| 5.4 分色处理模块 |
| 5.5 色彩管理模块 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
（4）基于MLA光场相机的三维表面重建研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题来源、研究背景及研究意义 |
| 1.1.1 选题来源 |
| 1.1.2 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光场相机研究现状 |
| 1.2.2 光场相机图像色彩恢复研究现状 |
| 1.2.3 光场相机图像超分辨技术研究现状 |
| 1.2.4 光场相机图像深度估计方法研究现状 |
| 1.2.5 光场相机图像测距方法研究现状 |
| 1.2.6 光场相机图像三维重建方法研究现状 |
| 1.3 本文研究思路、内容及结构安排 |
| 1.3.1 主要研究思路 |
| 1.3.2 主要研究内容 |
| 1.3.3 论文结构安排 |
| 2 光场理论 |
| 2.1 引言 |
| 2.2 光场理论的发展 |
| 2.3 光场的表示方法 |
| 2.4 光场的获取方式 |
| 2.4.1 按数据的采集方式分类 |
| 2.4.2 按光线的捕获方式分类 |
| 2.5 MLA型光场相机 |
| 2.5.1 成像原理 |
| 2.5.2 双平面四维参数化 |
| 2.5.3 成像模型 |
| 2.5.4 计算成像原理 |
| 2.6 图像的获取及处理 |
| 2.6.1 原始图像获取 |
| 2.6.2 宏像素 |
| 2.6.3 图像校正与正交 |
| 2.6.4 子孔径图像 |
| 2.6.5 多视角图像 |
| 2.6.6 极平面图像 |
| 2.7 Lytro相机光场数据分析 |
| 2.7.1 **.raw文件 |
| 2.7.2 **.json文件 |
| 2.7.3 **stk.lfp文件 |
| 2.8 本章小结 |
| 3 精确色彩恢复方法研究 |
| 3.1 引言 |
| 3.2 颜色恢复方法分类及介绍 |
| 3.2.1 方法分类 |
| 3.2.2 算法介绍 |
| 3.3 相机的点扩散函数测定 |
| 3.3.1 点扩散函数测量原理 |
| 3.3.2 点扩散函数测量方法 |
| 3.3.3 点扩散函数测量结果 |
| 3.4 相机的精确色彩恢复 |
| 3.4.1 六边形坐标系的建立 |
| 3.4.2 扩散函数点位置计算 |
| 3.5 金字塔优化算法 |
| 3.5.1 六边形金字塔算法介绍 |
| 3.5.2 六边形金字塔算法流程 |
| 3.6 色彩恢复实验验证与结果分析 |
| 3.6.1 曝光归一化 |
| 3.6.2 解码与RGB运算 |
| 3.6.3 实验验证 |
| 3.6.4 结果分析 |
| 3.7 本章小结 |
| 4 精确颜色矢量约束下的超分辨方法研究 |
| 4.1 引言 |
| 4.2 超分辨率方法介绍 |
| 4.2.1 方法分类 |
| 4.2.2 算法介绍 |
| 4.3 图像分辨率 |
| 4.3.1 横向分辨率 |
| 4.3.2 纵向景深分辨率 |
| 4.4 精确颜色矢量约束下的超分辨率图像恢复 |
| 4.4.1 子孔径图像序列获取 |
| 4.4.2 精确颜色矢量约束下的超分辨算法 |
| 4.5 算法实验及结果分析 |
| 4.6 本章小结 |
| 5 深度估计及多目标快速测距方法研究 |
| 5.1 引言 |
| 5.2 深度估计方法介绍 |
| 5.2.1 方法分类 |
| 5.2.2 算法介绍 |
| 5.3 亚像素精度的深度估计方法 |
| 5.3.1 子孔径图像的亚像素偏移 |
| 5.3.2 匹配代价过程 |
| 5.3.3 引导滤波 |
| 5.3.4 图形分割优化 |
| 5.3.5 算法实验及结果分析 |
| 5.4 重聚焦序列图像获取 |
| 5.4.1 数字对焦技术 |
| 5.4.2 数字变焦技术 |
| 5.4.3 光场相机重聚焦图像 |
| 5.4.4 重聚焦图像序列 |
| 5.5 多目标快速测距方法 |
| 5.5.1 直接测距法 |
| 5.5.2 间接测距法优化算法 |
| 5.5.3 融合算法 |
| 5.5.4 算法实验及结果分析 |
| 5.6 深度获取融合算法 |
| 5.6.1 融合方法 |
| 5.6.2 算法实验及结果分析 |
| 5.7 本章小结 |
| 6 三维表面重建方法研究 |
| 6.1 引言 |
| 6.2 三维重建方法介绍 |
| 6.2.1 方法分类 |
| 6.2.2 算法介绍 |
| 6.3 三维模型获取方法 |
| 6.4 三维表面重建 |
| 6.4.1 重建步骤 |
| 6.4.2 重建过程 |
| 6.5 实验结果及对比分析 |
| 6.5.1 不同材质相同方法重建对比 |
| 6.5.2 相同材质不同方法重建对比 |
| 6.5.3 相同材质不同光照条件重建对比 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 主要创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 附录 Lytro相机原始文件信息 |
| 附录1 **.lfp主文件信息 |
| 附录2 **.raw文件信息 |
| 附录3 **.json文件信息 |
| 附录4 **.stk文件信息 |
| 附录5 **.stk文件信息 |
| 攻读博士期间的研究成果 |
| 一、发表的学术论文 |
| 二、参与项目 |
| 三、软件着作权及专利 |
| 致谢 |
（5）基于结构照明的计算三维彩色成像与测量（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 光学三维成像与测量简介 |
| 1.1.1 典型技术及成熟产品 |
| 1.1.2 应用领域 |
| 1.2 基于结构照明的计算三维彩色成像与测量 |
| 1.2.1 成像原理 |
| 1.2.2 国内外研究现状与发展趋势 |
| 1.2.3 存在的问题及思路 |
| 1.3 论文的主要研究内容和创新点 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容及结构安排 |
| 1.3.3 主要创新点 |
| 第2章 基于结构照明的计算三维彩色成像与测量的相关理论 |
| 2.1 三维传感器标定 |
| 2.1.1 相机模型 |
| 2.1.2 双目传感器标定 |
| 2.1.3 彩色纹理相机标定 |
| 2.1.4 三维传感器标定一般流程 |
| 2.2 相位辅助深度数据获取 |
| 2.2.1 相位重建 |
| 2.2.2 深度像重建 |
| 2.3 多视点数据匹配和融合 |
| 2.3.1 .深度数据匹配和融合 |
| 2.3.2 .彩色纹理映射和融合 |
| 2.4 三维传感器内在空间约束 |
| 2.5 本章小结 |
| 第3章 基于希尔伯特变换的相位误差抑制方法 |
| 3.1 非线性相位误差模型 |
| 3.1.1 数字条纹投影的相位误差模型 |
| 3.1.2 希尔伯特变换条纹的相位误差模型 |
| 3.2 非平稳非连续条纹的希尔伯特变换分析 |
| 3.2.1 振幅调制函数对希尔伯特变换的影响 |
| 3.2.2 离散信号希尔伯特变换的边界效应 |
| 3.3 基于希尔伯特变换的相位误差抑制 |
| 3.3.1 基于希尔伯特变换的相位误差抑制算法 |
| 3.3.2 基于相位辅助的条纹信号边界延拓 |
| 3.3.3 整体算法流程 |
| 3.4 实验和分析 |
| 3.4.1彩色平板实验 |
| 3.4.2彩色工艺品实验 |
| 3.5 本章小结 |
| 第4章 复合编码快速三维重建方法 |
| 4.1 相关理论 |
| 4.1.1 投影校正 |
| 4.1.2 数字散斑相关搜索 |
| 4.2 数字散斑图像相关问题分析 |
| 4.3 正弦条纹与随机条纹复合编码的计算三维重建 |
| 4.3.1 局部弱相关的随机条纹图像生成 |
| 4.3.2 随机条纹的灰度校正 |
| 4.3.3 基于随机条纹辅助的折叠相位级次匹配 |
| 4.4 实验和分析 |
| 4.4.1 精度分析 |
| 4.4.2 不同材质物体三维重建对比 |
| 4.5 本章小结 |
| 第5章 真实感三维彩色纹理重建方法 |
| 5.1 基于标志点的高精度纹理映射 |
| 5.1.1 基本原理 |
| 5.1.2 实现流程 |
| 5.2 基于BDS的彩色纹理融合 |
| 5.2.1 复合权重计算 |
| 5.2.2 构建能量函数 |
| 5.2.3 纹理对齐与融合 |
| 5.3 基于重心坐标的纹理贴图变换 |
| 5.4 实验和分析 |
| 5.4.1纹理映射实验 |
| 5.4.2纹理融合实验 |
| 5.5 本章小结 |
| 第6章 机器人辅助自动化三维彩色整体成像方法 |
| 6.1 机器人辅助的三维成像系统模型 |
| 6.2 基于粗略模型的视点规划算法 |
| 6.2.1 粗略模型获取 |
| 6.2.2 NBVs |
| 6.3 自动化三维彩色整体成像方法 |
| 6.3.1 自动化成像系统标定方法 |
| 6.3.2 自动化三维扫描 |
| 6.3.3 细节补充扫描 |
| 6.4 实验和分析 |
| 6.4.1 系统整体标定 |
| 6.4.2 工艺品自动化扫描 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
（6）用于图像处理的自动白平衡算法的研究及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 白平衡现有算法研究 |
| 2.1 自动白平衡理论基础 |
| 2.1.1 图像采集与处理模型 |
| 2.1.2 颜色恒常性 |
| 2.1.3 色温 |
| 2.1.4 Von Kries假设 |
| 2.1.5 颜色空间 |
| 2.2 自动白平衡经典算法 |
| 2.2.1 经典灰度世界算法 |
| 2.2.2 完美反射算法 |
| 2.2.3 动态阈值算法 |
| 2.3 本章小结 |
| 第三章 改进的自动白平衡算法 |
| 3.1 数据准备 |
| 3.1.1 图像传感器原理分析 |
| 3.1.2 分辨率设置及测试 |
| 3.1.3 帧率设置及测试 |
| 3.2 算法的提出及实现流程 |
| 3.2.1 本算法的提出背景 |
| 3.2.2 算法总体框架 |
| 3.2.3 算法流程 |
| 3.3 本章小结 |
| 第四章 自动白平衡算法软硬件划分及实现 |
| 4.1 软硬件划分 |
| 4.2 硬件模块设计及仿真 |
| 4.2.1 图像数据扫描模块 |
| 4.2.2 白点检测模块 |
| 4.2.3 白点求和及计算均值模块 |
| 4.3 软件模块设计 |
| 4.3.1 软件实现算法流程 |
| 4.3.2 读取硬件信息以及帧中断 |
| 4.3.3 生成增益多边形 |
| 4.4 算法验证 |
| 4.5 实验结果 |
| 4.6 本章小结 |
| 第五章 测试结果及性能分析 |
| 5.1 校正后图像测试及分析 |
| 5.1.1 自动白平衡评测标准 |
| 5.1.2 评估工具测试结果分析 |
| 5.2 算法校正效果对比分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（7）植物表型性状参数快速检测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 植物表型信息检测技术现状及存在的问题 |
| 1.3 光谱技术及图像处理技术的应用现状 |
| 1.4 基于HSV色彩模型的颜色特征值提取 |
| 1.5 本章小结 |
| 第二章 材料与方法 |
| 2.1 试验材料 |
| 2.2 数据采集仪器 |
| 2.2.1 手持式叶片面积测量仪CI-203 |
| 2.2.2 叶绿素测量仪SPAD |
| 2.2.3 JVL250影像测量仪 |
| 2.2.4 三星安卓相机Galaxy Camera EK-GC100 |
| 2.2.5 富士FinePix REAL 3D W3 |
| 2.3 数据预处理方法 |
| 2.4 预测模型建模方法 |
| 2.5 利用嵌入式系统实现植物表型信息检测 |
| 2.5.1 嵌入式系统硬件部分 |
| 2.5.2 嵌入式系统软件部分 |
| 2.5.3 嵌入式操作系统开发平台 |
| 2.6 图像处理算法研究工具和方法 |
| 2.7 本章小结 |
| 第三章 室内的籽粒表型性状参数快速检测方法的研究 |
| 3.1 引言 |
| 3.2 室内的籽粒表型性状参数快速检测方法研究内容 |
| 3.3 CM-Watershed籽粒信息快速提取算法设计 |
| 3.3.1 CM-Watershed背景分离算法 |
| 3.3.2 CM-Watershed籽粒中心标定算法 |
| 3.3.3 CM-Watershed轮廓分割算法 |
| 3.4 实验及结果 |
| 3.5 籽粒表型信息提取装置的设计 |
| 3.6 进一步的改进研究 |
| 3.7 本章小结 |
| 第四章 室内高精度的叶片表型性状参数快速检测方法的研究 |
| 4.1 前言 |
| 4.2 室内高精度的叶片表型性状参数快速检测方法 |
| 4.3 室内高精度的叶片表型性状参数测量系统软、硬件选型 |
| 4.4 室内高精度的叶片表型性状参数测量算法设计 |
| 4.4.1 中值滤波 |
| 4.4.2 Minlabel算法 |
| 4.5 测量仪器开发及精度检验 |
| 4.5.1 精确度检验 |
| 4.5.2 相关仪器比较 |
| 4.6 本章小结 |
| 第五章 室外便携式的叶片表型性状参数快速检测方法的研究 |
| 5.1 前言 |
| 5.2 研究室外便携式的叶片表型性状参数快速检测的技术路线 |
| 5.3 检测算法设计 |
| 5.3.1 查找参照物的轮廓 |
| 5.3.2 分离所有叶片的轮廓 |
| 5.4 检测软件开发及界面设计 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 第六章 室外高通量的叶片表型性状参数快速检测方法的研究 |
| 6.1 前言 |
| 6.2 室外高通量叶片表型性状参数快速检测方法研究内容 |
| 6.3 双目视觉相机标定 |
| 6.3.1 双目相机采集图像 |
| 6.3.2 标定的三种重要坐标系 |
| 6.3.3 重要坐标系之间的相互转换 |
| 6.3.4 相机标定的原理及实现 |
| 6.4 双目视觉图像立体校正 |
| 6.5 双目视觉图像立体匹配 |
| 6.5.1 立体匹配概述 |
| 6.5.2 立体匹配算法 |
| 6.5.3 立体匹配实现 |
| 6.6 双目视觉三维重建 |
| 6.7 双目视觉测量叶片表型参数的方法 |
| 6.8 双目视觉误差分析 |
| 6.9 软件实现 |
| 6.9.1 软件功能分析 |
| 6.9.2 软件界面设计 |
| 6.9.3 软件执行流程 |
| 6.10 本章小结 |
| 第七章 室外叶片氮含量快速检测方法的研究 |
| 7.1 前言 |
| 7.2 室外叶片氮含量快速检测的研究方案 |
| 7.3 检测的关键技术及实现 |
| 7.3.1 HSV_CAM采集图像方法 |
| 7.3.2 HSV_CAM目标定位方法 |
| 7.3.3 HSV_CAM图像色彩校正 |
| 7.3.4 HSV_CAM图像分割 |
| 7.3.5 HSV_CAM颜色特征值提取 |
| 7.4 建立植物叶片氮含量检测模型 |
| 7.4.1 建立数学模型 |
| 7.4.2 植物叶片SPAD值采集 |
| 7.4.3 误差分析 |
| 7.5 氮含量检测软件设计 |
| 7.6 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 作者简介 |
（8）基于USB的高速馈纸式光学扫描仪上位机软件研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 高速扫描仪的国内外研究历史与现状 |
| 1.2.1 扫描仪的研究历史 |
| 1.2.2 高速扫描仪的国内外现状 |
| 1.3 本论文的主要内容 |
| 第二章 扫描仪系统 |
| 2.1 扫描仪原理 |
| 2.1.1 CIS工作原理 |
| 2.1.2 光学扫描仪性能参数 |
| 2.2 软件系统 |
| 2.3 本章小结 |
| 第三章 软件设计与实现 |
| 3.1 软件模块设计 |
| 3.2 TWAIN协议标准 |
| 3.2.1 TWAIN元素 |
| 3.2.2 TWAIN会话状态 |
| 3.3 图像的获取 |
| 3.3.1 图像获取系统的设计 |
| 3.3.2 图像获取系统的实现 |
| 3.4 本章小结 |
| 第四章 图像处理 |
| 4.1 图像压缩 |
| 4.2 双通道流水线 |
| 4.3 空白页识别算法 |
| 4.3.1 区块划分的空白页识别算法 |
| 4.3.2 轮廓识别的空白页识别算法 |
| 4.4 校正算法 |
| 4.5 图像纠偏算法 |
| 4.5.1 基于线性回归的纠偏算法 |
| 4.5.2 基于轮廓识别的纠偏算法 |
| 4.6 图像去黑边算法 |
| 4.7 色彩识别算法 |
| 4.7.1 基于RGB模式的色彩识别算法 |
| 4.7.2 基于HSV模式的色彩识别算法 |
| 4.8 本章小结 |
| 第五章 软件系统测试 |
| 5.1 系统界面介绍 |
| 5.2 模块测试功能 |
| 5.2.1 USB通信测试 |
| 5.2.2 扫描速度测试 |
| 5.2.3 图像处理功能验证 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（9）水下光学图像清晰化方法及关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水下光学图像清晰化研究现状 |
| 1.2.1 水下光学图像去噪研究现状 |
| 1.2.2 水下光学图像复原研究现状 |
| 1.2.3 水下光学图像增强研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 1.3.1 论文的技术架构 |
| 1.3.2 研究内容及章节安排 |
| 第2章 水下成像分析建模与图像评价 |
| 2.1 引言 |
| 2.2 水下光学成像分析 |
| 2.2.1 水下光学成像过程分析 |
| 2.2.2 水下光学图像特征分析 |
| 2.2.3 水下成像照明分析 |
| 2.3 Jaffe-McGlamery水下成像模型 |
| 2.4 基于Beer-Lambert定律的水下模型建立 |
| 2.4.1 Beer-Lambert定律 |
| 2.4.2 基于Beer-Lambert定律的Jaffe-McGlamery成像模型 |
| 2.4.3 引入噪声的水下图像模型 |
| 2.4.3.1 水下图像噪声 |
| 2.4.3.2 引入噪声的水下图像模型 |
| 2.5 Retinex色彩模型 |
| 2.6 图像评价 |
| 2.6.1 信息熵 |
| 2.6.2 均方误差与峰值信噪比 |
| 2.6.3 图像结构相似度 |
| 2.6.4 色阶映射图像质量评价系数 |
| 2.6.5 图像平均梯度与清晰度归一化 |
| 2.7 本章小结 |
| 第3章 基于同态子块的最小二乘估计水下图像去噪方法 |
| 3.1 引言 |
| 3.2 同态子块噪声方差估计原理及算法 |
| 3.3 最小二乘估计去噪原理及算法 |
| 3.4 Gamma校正与色彩补偿的原理及算法 |
| 3.5 算法分析 |
| 3.6 实验结果及分析 |
| 3.7 本章小结 |
| 第4章 基于同态滤波的水下图像复原方法 |
| 4.1 引言 |
| 4.2 基于同态滤波的水下图像亮度估计方法 |
| 4.2.1 同态滤波原理 |
| 4.2.2 基于同态滤波的亮度估计原理及算法 |
| 4.3 基于色彩恒定模型的颜色校正原理及算法 |
| 4.4 算法计算复杂度分析 |
| 4.5 实验结果与数据分析 |
| 4.5.1 水下成像模型参数设置方法 |
| 4.5.1.1 参数的选取对于图像质量的影响 |
| 4.5.1.2 参数设置方法 |
| 4.5.2 实验结果对比 |
| 4.6 本章小结 |
| 第5章 基于迭代直方图的水下图像增强方法 |
| 5.1 引言 |
| 5.2 采用Retinex模型的水下图像分层原理 |
| 5.3 光照层图像增强原理 |
| 5.3.1 基于韦伯对比度保持的图像增强模型 |
| 5.3.2 两段式直方图 |
| 5.3.3 迭代式直方图 |
| 5.4 细节层图像增强原理 |
| 5.5 算法结构 |
| 5.6 算法分析 |
| 5.7 实验结果与数据分析 |
| 5.7.1 主观视觉对比 |
| 5.7.2 客观评价与实验数据 |
| 5.7.3 算法效率对比 |
| 5.8 水下图像清晰化实验 |
| 5.9 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 个人简历 |
| 致谢 |
（10）车牌视频识别算法及系统应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 背景意义 |
| 1.2 国内外研究现状 |
| 1.3 难点分析 |
| 1.4 论文研究内容与结构安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文所做的工作 |
| 1.4.3 论文的结构安排 |
| 第二章 车牌视频识别算法总体设计 |
| 2.1 概述 |
| 2.2 机器学习车牌识别算法设计 |
| 2.3 深度学习车牌识别算法设计 |
| 2.3.1 深度学习框架 |
| 2.3.2 深度学习车牌识别算法设计 |
| 第三章 图像预处理 |
| 3.1 图像滤波 |
| 3.2 图像形态学运算 |
| 3.3 图像色彩空间 |
| 3.3.1 图像色彩空间简介 |
| 3.3.2 图像色彩空间转换 |
| 第四章 车牌照区域定位与校正 |
| 4.1 常见的车牌定位方法 |
| 4.2 论文的车牌区域定位算法 |
| 4.2.1 候选车牌矩形区域定位 |
| 4.2.2 车牌照去伪 |
| 4.3 车牌区域校正 |
| 4.4 小结 |
| 第五章 机器学习车牌字符提取与识别 |
| 5.1 车牌字符提取 |
| 5.1.1 车牌照预处理 |
| 5.1.2 车牌字符提取 |
| 5.2 机器学习车牌字符识别 |
| 5.2.1 常见的机器学习字符识别方法 |
| 5.2.2 车牌字符识别 |
| 5.3 小结 |
| 第六章 数据集准备与数据增广 |
| 6.1 数据集准备 |
| 6.1.1 数据采集与清洗 |
| 6.1.2 车牌照标定 |
| 6.1.3 车牌照字符标定 |
| 6.2 数据增广 |
| 6.2.1 图像数据增广 |
| 6.2.2 增广数据的标定信息生成 |
| 6.3 小结 |
| 第七章 深度学习车牌视频识别 |
| 7.1 深度学习目标检测概述 |
| 7.2 基于SSD的车牌照定位 |
| 7.2.1 SSD目标检测 |
| 7.2.2 SSD车牌照定位实现 |
| 7.3 基于SSD改进的神经网络车牌字符识别 |
| 7.3.1 车牌字符识别神经网络的设计 |
| 7.3.2 车牌字符识别实现 |
| 第八章 车牌视频识别系统实现 |
| 8.1 机器学习车牌识别算法系统实现 |
| 8.2 深度学习车牌识别算法系统实现 |
| 8.3 车牌视频识别算法系统应用 |
| 第九章 总结与展望 |
| 9.1 工作总结 |
| 9.2 后续展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读硕士学位期间的学术成果和参与项目等 |
四、校正扫描图像色彩的有效方法（论文参考文献）
- [1]面向高分辨光学相位三维测量的条纹分析理论与方法研究[D]. 谈季. 广东工业大学, 2021(08)
- [2]高分辨率大视场快速傅里叶叠层显微成像方法研究[D]. 潘安. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020
- [3]玻璃喷墨打印的图像处理及软件设计[D]. 潘俊杰. 浙江大学, 2020(05)
- [4]基于MLA光场相机的三维表面重建研究[D]. 孙福盛. 中北大学, 2019
- [5]基于结构照明的计算三维彩色成像与测量[D]. 陈海龙. 深圳大学, 2019(11)
- [6]用于图像处理的自动白平衡算法的研究及实现[D]. 戴爱霞. 苏州大学, 2019(04)
- [7]植物表型性状参数快速检测研究[D]. 张德荣. 浙江大学, 2019
- [8]基于USB的高速馈纸式光学扫描仪上位机软件研究[D]. 刘秀. 电子科技大学, 2019(01)
- [9]水下光学图像清晰化方法及关键技术研究[D]. 王永鑫. 哈尔滨工程大学, 2019(04)
- [10]车牌视频识别算法及系统应用[D]. 许山. 南京大学, 2018(01)