基于微透镜阵列的光场图像深度估计

针对光场相机同时记录光线位置信息和角度信息,提出估计光场图像深度的新方法。根据光场摄像技术的数字重聚焦原理,产生场景不同焦深的图像序列;采用基于目标区域的可变窗口清晰度评价算子对目标在图像序列中的聚焦度进行测量,通过高斯插值获得最清晰的成像位置作为深度求取结果。以基于微透镜阵列的Lytro光场相机为例,实验结果表明,在降低现有算法时间复杂度的基础上,该方法提取的深度图可靠,证明了该方法的可行性与优越性。     

基于波导阵列的全光缓存器的设计

概述了现有主要的全光缓存器的种类、技术方法,并在此基础上,提出了一种基于波导阵列与光纤光栅的全光缓存器。该系统具有低成本、集成度高等优点。同时,给出了对于不同条件下信号处理的分析以及相应的控制策略。对不同波长的信号缓存与多个信号的缓存工作机理及逻辑关系给出了分析与讨论,佐证了系统构思的可行性。     

基于全光通信的信息处理

概述了全光网络中的全光再生技术、密集波分复用、掺铒光纤放大器EDFA、光随机存储RAM、光开关等关键技术,提出了今后进一步研究的方向和思路。     

基于工业相机的汽车倒车影像系统设计

汽车倒车影像系统以影像显示及语音提示告知驾驶员后方障碍物的情况,提高驾驶的方便性和安全性。为解决传统汽车倒车影像系统经常出现的黑屏、闪屏等情况,提出了一种使用工业相机搭配工控机和PLC的设计,减少了导线的使用,简化了信息的传输过程。通过实验测试验证了新型倒车影像系统的有效性,系统不仅成像稳定,而且维修检测较为简便。     

基于微透镜阵列的光场成像系统

传统成像系统在拍摄过程中需要对目标物体准确对焦,这在拍摄快速变化的物体时显得非常无力.为了克服这一缺陷,本文以Levoy的光场渲染理论为基础,利用光学设计软件ZEMAX在普通成像系统中加入一个微透镜阵列,设计出一个由成像主镜、微透镜阵列和像面CCD探测器三部分组成的光场成像系统,并仿真模拟了光场图像的采集.这样的设计能够同时记录光线的强度和方向信息,对光场图像的后处理以傅里叶切片理论为基础,通过Matlab编程,实现了光场图像的重新聚焦.本文使用普通相机镜头、微透镜阵列和CCD探测器搭建了光场成像实验系统,实验采集光场图像并进行重聚焦处理,实现了三维物体的光场成像,验证了理论及算法的正确性.     

基于双注意力引导特征级联的显微影像深度估计方法

深度估计在医学显微影像中具有重要应用价值,可以弥补外科医生在手术过程中由于观察目镜感官受限而难以获得精确深度信息的不足。针对手术场景动态多变、软组织和手术器械尺度微小等原因导致深度估计精度不高的问题,提出了一种改进稠密回归中跨层级特征级联的深度估计方法。通过利用多层次特征聚合模块,将编码器中的上下文信息传递到解码器中,同时基于通道选择和分支优化的双重注意力特征融合机制来优化解码的精度。为了获得密集的深度真值,提出了一种迭代式配准策略,结合自动化的机械臂扫描实现由粗到精优化多视角点云配准,并从模拟场景中重建高精度深度数据。实验结果表明,本文提出的深度估计方法实现了0.00151的均方误差值（root mean squared error, RMSE）和0.03039的尺度不变对数误差值（scale-invariant log, SILog）,超越了以往最先进的方法,并对细小手术器械的尖端产生了更精准的深度估计。     

基于反馈控制的全光时钟分频器

本文分析并演示了一种基于半导体光放大器(SOA)的全光时钟分频器结构.通过分析其结构功能并与D触发器比较,得出其工作原理可类比于D触发器的输出反馈控制输入端信号而实现的分频过程,并在时域上进行了说明.实验中从一路20 GHz的光时钟信号出发得到了10 GHz的光分频时钟信号,同时考察了其工作频率和SOA的载流子恢复时间的关系.经实验验证,该系统结构简单,使用方便,性能稳定,具有较好的实用价值.     

基于DCNN的高分辨率遥感影像场景分类

针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题,提出了一种基于卷积神经网络的高分辨率影像场景分类方法.此方法大致分为3步:第1步,依据不同卷积窗口做卷积运算提取颜色,纹理和形状等低阶特征;第2步,利用池化层将这些低阶特征进行过滤,得到重要特征;第3步,重组提取出来的特征以形成高阶语义特征进行场景分类.在具体实验中利用三个不同尺寸的卷积核对数据集进行分类探究,并且使用了数据增广、正则化和Dropout等手段,提升模型对新样本的适应能力,很好地解决了过拟合问题.该方法在所进行的实验中表现良好,在WHU-RS19数据集上取得了88.47%的准确率,和传统的场景分类方法相比,显著提升了分类精度.     

基于微透镜阵列的交互式多公差同步分析方法

微透镜阵列经常被用于改善激光辐照度分布均匀性,相对于单种公差对辐照度分布均匀性影响的研究,多种装配公差对辐照度分布均匀性影响的研究很少.通过构建自动化的误差分析平台,可以将多种装配公差同时输入,并将分析结果以可视化的方式进行同步呈现.利用这一平台分析了透镜阵列在三个空间轴上的距离误差、偏移误差、旋转误差以及多种公差的叠...     

基于众源影像的三维重建方法

目前,众源影像存在获取数据难以筛选,进而导致从影像中生成的点云数据产生几何缺失和含有大量噪声等问题。为了解决这个问题,实现了一种基于众源影像的三维重建方法。首先,采用基于网站API(application programming interface)和基于网页解析的方法获取众源影像数据,然后借助深度学习对获取得到的众源影像进行筛选,获取高质量的众源影像数据,最后运用运动恢复结构(structure from motion, SFM)算法完成三维重建。论文利用众源影像获取场景的三维结构,对生成的点云模型进行对比和分析,得到了经深度学习算法筛选的图片集更适用于三维重建的结论,以解决众源影像这一新兴数据源在三维建模应用时出现的弊端和不足。     

基于矩保持法的散焦图像深度估计

提出了一种基于散焦图像计算景物深度的新方法。该方法不需要获得光学镜头的点传播函数,利用Ｓｏｂｅｌ算子将同一场景的两幅散焦程度不同的灰度图像转换成梯度图像。利用矩保护法计算边缘区的大小与整个图像区域大小的比ｐｃ,根据两幅图像的Ｐｃ值计算出景物的深度。实验结果表明了该方法的有效性。     

图像序列中运动目标深度估计

通过对生物视觉深度运动知觉机理的研究，推导出基于深度运动知觉提取三维运动目标深度信息的数学模型和计算公式．研究结果表明，根据三维运动目标在二维成像平面上的运动可以判断是否存在深度方向变化以及大致区分目标运动的方向．同时如果假定已知运动目标的大小，根据它们在像平面上ｘ或ｙ方向的相对运动变化可以对于目标的深度运动进行估计．经过采用实际图像序列所进行的实验，获得了令人满意的结果．     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度估计效果,改善了轮廓细节。     

基于Boosting-Monodepth的管道病害深度估计与三维重建

城市地下管道是城市的血脉经络,但随着排水管道的大量投入运营和使用年限增加,引发了一系列的管道病害安全隐患,如管道整体结构变形、内表面破裂和管中异物插入等问题,传统的病害图像视频采集、检测和后期病害分类甄选都是从二维视角出发,欠缺对三维空间信息（深度）的考虑。针对上述3种病害从生成深度图、由二维深度图重建三维管道病害这两方面进行研究,提出了一种基于boosting-monodepth的双重深度估计方法以提升深度图效果,最终生成画面连续一致、轮廓清晰的深度图。性能评估方面采用Abs-Rel、RMSE、SqRel、ORD和D3R等通用指标,与传统算法对比,结果显示boosting-monodepth的RMSE值降低了30%,精确度指标δ<1.25时,模型深度信息预测精确度提高了18%,此后以得到的深度图为基础重建管道病害三维点云,并在CloudCompare软件上三维可视化,最后采用随机采样一致算法测算病害深度并和实测数据对比证明其有效性和准确性。     

基于半稠密COLMAP自监督单目内窥镜深度估计

在单目内窥镜场景下人体内组织表面纹理稀疏,视野受限给图像的深度估计带来了一定的困难。针对以上问题,提出了一种基于半稠密COLMAP(structure-from-motion and multi-view stereo generation pipeline)结合动态卷积注意力机制的自监督单目深度估计方法。通过改进的COLMAP进行图像序列预处理,产生加权半稠密深度图作为监督信号,该过程引入加权可靠度对半稠密深度图中的干扰点和不准确点进行丢弃或抑制操作,在训练网络中加入了具有动态卷积的注意力机制模型(Selective Kernel Networks, SKNet),这种注意力机制模型可以对输入的特征图进行动态卷积以获得更多感受野的信息,加强网络对特征的提取能力。在肝脏数据集上进行试验,结果表明,绝对相对差为0.135,阈值T<1.25³时,准确率为0.985,对监督数据、SKNet模型进行了消融实验,证明了半稠密重建、SKNet模型以及加权半稠密深度图的有效性。     

Semi-Global Depth Estimation Algorithm for Mobile 3-D Video Applications

Three-dimensional (3-D) video applications,such as 3-D cinema,3DTV,and Free Viewpoint Video (FVV) are attracting more attention both from the industry and in the literature.High accuracy of depth video is a fundamental prerequisite for most 3-D applications.However,accurate depth requires computationally intensive global optimization.This high computational complexity is one of the bottlenecks to applying depth generation to 3-D applications,especially for mobile networks since mobile terminals usually have limited computing ability.This paper presents a semi-global depth estimation algorithm based on temporal consistency,where the depth propagation is used to generate initial depth values for the computationally intensive global optimization.The accuracy of initial depth is improved by detecting and eliminating the depth propagation outliers before the global optimization.Integrating the initial values without outliers into the global optimization reduces the computational complexity while maintaining the depth accuracy.Tests demonstrate that the algorithm reduces the total computational time by 54%-65% while the quality of the virtual views is essentially equivalent to the benchmark.     

融合边缘语义信息的单目深度估计

单目深度估计研究是许多视觉任务的基础,从图像中得到边缘清晰,细节丰富的深度图对于后续任务具有重要的作用.针对当前单目深度估计模型中不能深度融合图像语义信息以及不能较好地利用图像对象的边缘信息问题,首先构建了超像素拓扑关系图,使用图神经网络提取局部边缘信息之间的相互关系,得到以超像素为节点的拓扑关系图,其次构建了基于编解...     

一种深度图失真引入的虚拟视失真估计方法

提出了一种深度图失真引入的虚拟视失真估计方法. 该方法依据能量一致性假设要求, 将深度图宏块划分为平坦宏块和非平坦宏块. 平坦宏块使用频域块级方法, 非平坦宏块使用时域像素级方法估计由深度图失真造成的绘制视失真. 虚拟视失真采用左右绘制视融合计算, 并计入虚拟视中空洞修复引入的失真. 该方法在宏块分类判据中综合了相机参数, 对于不同拍摄条件下的视频序列可以使用相同的判别阈值获得最佳区域划分, 通用性较强. 实验结果证明, 该方法兼顾了估计准确性和复杂度, 对于在有限码率预算条件下提高深度视频编码效率、优化三维视频码率分配具有重要的指导意义.     

基于相对模糊和边缘强化的散焦求深度方法

摘 要: 研究了由散焦图像恢复物体深度的问题,改进了Favaro等人提出的基于迭代求解热扩散方程的方法.将两幅散焦图像按照相对模糊程度的不同,划分为两个区域,证明了这两个区域的边界和图像的边缘有很高的一致性,通过强化图像的边缘,使这两个区域的边界在迭代求解热扩散方程的过程中更容易确定.模拟实验与真实实验都验证了算法的有效性.