基于HDRI的高反光表面缺陷檢測方法研究
發(fā)布時間：2021-07-31 17:44
目前,現實視覺環(huán)境下的亮度對比遠超出成像傳感器和普通數字顯示設備動態(tài)范圍的極限,對于視覺成像系統中采集的可用于顯示的灰度圖像,無法呈現出較高動態(tài)范圍的亮度對比所要求的可視化效果;同時,受到現有硬件發(fā)展水平的制約,普通CCD/CMOS傳感器采集到的圖像無法真實的記錄人眼觀察到的自然場景信息,對于具有高反光特性的目標表面往往存在全局或局部過曝光現象。因此,如何利用普通數字顯示設備捕獲、合成、顯示具有高反光特性和較高亮度差異的目標表面視覺信息,成為當下數字圖像處理領域研究的熱點問題。為解決具有高反光特性的目標表面視覺檢測難題,本文以圖像處理和機器視覺檢測為基礎,系統深入地研究了用于提高成像過程中動態(tài)范圍的高動態(tài)范圍成像（High Dynamic Range Imaging,HDRI）技術和表面缺陷檢測算法。通過本文所提算法可以有效地合成較寬動態(tài)范圍的浮點型亮度圖像,在提高色彩飽和度和豐富圖像細節(jié)信息等方面均有良好的效果,解決了高反光表面的過曝光現象,帶來更為真實的感官體驗。本文主要研究工作如下:1.提出改進成像過程中相機響應函數（Camera Response Function,CRF）標定...
【文章來源】：湖北工業(yè)大學湖北省
【文章頁數】：55 頁
【學位級別】：碩士
【部分圖文】：
典型數字圖像成像及顯示流程圖
湖北工業(yè)大學碩士學位論文2圖1.2真實場景和數字圖像的動態(tài)范圍表示現實中，通過人的視覺系統自我調節(jié)，人眼所能看到的動態(tài)范圍在10-2cd/m2到105cd/m2之間。并且將圖像采集到的目標表面亮度值大于200cd/m2的區(qū)域定義為高亮部分(即高反光部分)，將表面亮度值小于25cd/m2的區(qū)域定義為低暗部分�？梢姮F有數字圖像的動態(tài)范圍遠無法滿足人類視覺的需要[6,7]。對自然場景進行拍攝時，由于相機動態(tài)范圍的限制，場景中的高亮和低暗部分則無法在同一圖像中顯示出來，這就造成了細節(jié)的丟失。如下圖1.3所示，對于具有高反光特性的目標表面，無法通過一張圖像顯示出目標所有的細節(jié)信息。如何在動態(tài)范圍有限的條件下更好地顯示出場景信息，這就需要應用高動態(tài)范圍成像(HighDynamicRangImaging,HDRI)技術，以及高動態(tài)范圍(HighDynamicRang,HDR)圖像在低動態(tài)范圍顯示器上的映射技術。如下圖1.4所示，經過合成并映射后顯示的圖像含有較多的細節(jié)信息，最大程度上接近于真實場景[8]。圖1.3同一場景不同曝光時間的圖像圖1.4高動態(tài)范圍成像技術合成的圖像
湖北工業(yè)大學碩士學位論文2圖1.2真實場景和數字圖像的動態(tài)范圍表示現實中，通過人的視覺系統自我調節(jié)，人眼所能看到的動態(tài)范圍在10-2cd/m2到105cd/m2之間。并且將圖像采集到的目標表面亮度值大于200cd/m2的區(qū)域定義為高亮部分(即高反光部分)，將表面亮度值小于25cd/m2的區(qū)域定義為低暗部分�？梢姮F有數字圖像的動態(tài)范圍遠無法滿足人類視覺的需要[6,7]。對自然場景進行拍攝時，由于相機動態(tài)范圍的限制，場景中的高亮和低暗部分則無法在同一圖像中顯示出來，這就造成了細節(jié)的丟失。如下圖1.3所示，對于具有高反光特性的目標表面，無法通過一張圖像顯示出目標所有的細節(jié)信息。如何在動態(tài)范圍有限的條件下更好地顯示出場景信息，這就需要應用高動態(tài)范圍成像(HighDynamicRangImaging,HDRI)技術，以及高動態(tài)范圍(HighDynamicRang,HDR)圖像在低動態(tài)范圍顯示器上的映射技術。如下圖1.4所示，經過合成并映射后顯示的圖像含有較多的細節(jié)信息，最大程度上接近于真實場景[8]。圖1.3同一場景不同曝光時間的圖像圖1.4高動態(tài)范圍成像技術合成的圖像
【參考文獻】：
期刊論文
[1]基于自適應條紋的高反光表面三維面形測量方法[J]. 馮維,湯少靖,趙曉冬,趙大興. 光學學報. 2020(05)
[2]一種亮度分區(qū)和導向濾波相結合的色調映射算法[J]. 王峰,嚴利民. 液晶與顯示. 2019(10)
[3]多通道CMOS圖像傳感器列固定模式噪聲校正的硬件實現[J]. 龍亞威. 電子世界. 2019(19)
[4]基于顏色校正模型的梯度域自適應色調映射算法[J]. 馮維,劉紅帝,吳貴銘,趙大興. 激光與光電子學進展. 2020(08)
[5]基于HDRI的高反光金屬表面缺陷檢測方法研究[J]. 馮維,劉紅帝,湯少靖,孫國棟,趙大興. 儀表技術與傳感器. 2019(08)
[6]面向異構計算平臺的SpMV劃分優(yōu)化算法研究[J]. 談兆年,計衛(wèi)星,Akrem Benatia,高建花,李安民,王一拙. 計算機工程與科學. 2019(04)
[7]基于L0梯度最小化濾波和對比度受限直方圖均衡的色調映射算法[J]. 段瑞,郭鋮. 中國傳媒大學學報(自然科學版). 2019(01)
[8]超分辨圖像質量評價綜述[J]. 張凱兵,朱丹妮,王珍,閆亞娣. 計算機工程與應用. 2019(04)
[9]基于稀疏矩陣的光學元件表面疵病檢測[J]. 陳晨,王紅軍,王大森,田愛玲,劉丙才,朱學亮,劉衛(wèi)國. 中國激光. 2019(04)
[10]基于卷積稀疏自編碼的圖像超分辨率重建[J]. 張秀,周巍,段哲民,魏恒璐. 紅外與激光工程. 2019(01)
博士論文
[1]自適應多光譜圖像稀疏逼近濾波算法研究[D]. 翟林.山東大學 2018
[2]基于數字微鏡的計算成像與三維掃描測量方法研究[D]. 馮維.天津大學 2017
[3]現場影像增強中的硬件加速機制研究[D]. 吳安.中國科學技術大學 2017
[4]多曝光圖像融合關鍵技術的研究[D]. 王春萌.山東大學 2015
碩士論文
[1]針對類鏡面物體的高光缺陷檢測技術的研究[D]. 陳芳.華南理工大學 2018
[2]基于機器視覺的加熱片表面缺陷檢測技術研究[D]. 嚴梁.哈爾濱工業(yè)大學 2017
[3]高動態(tài)范圍圖像的合成與色階映射的研究[D]. 劉宗玥.哈爾濱工程大學 2016
[4]基于雙邊濾波的高動態(tài)范圍圖像映射算法研究與實現[D]. 孫晨康.西安電子科技大學 2015
[5]基于多曝光融合及偽影去除的動態(tài)范圍擴展技術研究[D]. 江燊煜.浙江大學 2015
[6]基于動態(tài)場景的高動態(tài)圖像合成研究[D]. 梁晨.上海交通大學 2014
[7]基于色調映射和多曝光率融合的高動態(tài)范圍圖像成像技術[D]. 楊顏如.西安電子科技大學 2013
[8]高動態(tài)范圍圖像色調映射算法的研究與實現[D]. 余志俊.北京交通大學 2010
本文編號：3313907
【文章來源】：湖北工業(yè)大學湖北省
【文章頁數】：55 頁
【學位級別】：碩士
【部分圖文】：
典型數字圖像成像及顯示流程圖
湖北工業(yè)大學碩士學位論文2圖1.2真實場景和數字圖像的動態(tài)范圍表示現實中，通過人的視覺系統自我調節(jié)，人眼所能看到的動態(tài)范圍在10-2cd/m2到105cd/m2之間。并且將圖像采集到的目標表面亮度值大于200cd/m2的區(qū)域定義為高亮部分(即高反光部分)，將表面亮度值小于25cd/m2的區(qū)域定義為低暗部分�？梢姮F有數字圖像的動態(tài)范圍遠無法滿足人類視覺的需要[6,7]。對自然場景進行拍攝時，由于相機動態(tài)范圍的限制，場景中的高亮和低暗部分則無法在同一圖像中顯示出來，這就造成了細節(jié)的丟失。如下圖1.3所示，對于具有高反光特性的目標表面，無法通過一張圖像顯示出目標所有的細節(jié)信息。如何在動態(tài)范圍有限的條件下更好地顯示出場景信息，這就需要應用高動態(tài)范圍成像(HighDynamicRangImaging,HDRI)技術，以及高動態(tài)范圍(HighDynamicRang,HDR)圖像在低動態(tài)范圍顯示器上的映射技術。如下圖1.4所示，經過合成并映射后顯示的圖像含有較多的細節(jié)信息，最大程度上接近于真實場景[8]。圖1.3同一場景不同曝光時間的圖像圖1.4高動態(tài)范圍成像技術合成的圖像
湖北工業(yè)大學碩士學位論文2圖1.2真實場景和數字圖像的動態(tài)范圍表示現實中，通過人的視覺系統自我調節(jié)，人眼所能看到的動態(tài)范圍在10-2cd/m2到105cd/m2之間。并且將圖像采集到的目標表面亮度值大于200cd/m2的區(qū)域定義為高亮部分(即高反光部分)，將表面亮度值小于25cd/m2的區(qū)域定義為低暗部分�？梢姮F有數字圖像的動態(tài)范圍遠無法滿足人類視覺的需要[6,7]。對自然場景進行拍攝時，由于相機動態(tài)范圍的限制，場景中的高亮和低暗部分則無法在同一圖像中顯示出來，這就造成了細節(jié)的丟失。如下圖1.3所示，對于具有高反光特性的目標表面，無法通過一張圖像顯示出目標所有的細節(jié)信息。如何在動態(tài)范圍有限的條件下更好地顯示出場景信息，這就需要應用高動態(tài)范圍成像(HighDynamicRangImaging,HDRI)技術，以及高動態(tài)范圍(HighDynamicRang,HDR)圖像在低動態(tài)范圍顯示器上的映射技術。如下圖1.4所示，經過合成并映射后顯示的圖像含有較多的細節(jié)信息，最大程度上接近于真實場景[8]。圖1.3同一場景不同曝光時間的圖像圖1.4高動態(tài)范圍成像技術合成的圖像
【參考文獻】：
期刊論文
[1]基于自適應條紋的高反光表面三維面形測量方法[J]. 馮維,湯少靖,趙曉冬,趙大興. 光學學報. 2020(05)
[2]一種亮度分區(qū)和導向濾波相結合的色調映射算法[J]. 王峰,嚴利民. 液晶與顯示. 2019(10)
[3]多通道CMOS圖像傳感器列固定模式噪聲校正的硬件實現[J]. 龍亞威. 電子世界. 2019(19)
[4]基于顏色校正模型的梯度域自適應色調映射算法[J]. 馮維,劉紅帝,吳貴銘,趙大興. 激光與光電子學進展. 2020(08)
[5]基于HDRI的高反光金屬表面缺陷檢測方法研究[J]. 馮維,劉紅帝,湯少靖,孫國棟,趙大興. 儀表技術與傳感器. 2019(08)
[6]面向異構計算平臺的SpMV劃分優(yōu)化算法研究[J]. 談兆年,計衛(wèi)星,Akrem Benatia,高建花,李安民,王一拙. 計算機工程與科學. 2019(04)
[7]基于L0梯度最小化濾波和對比度受限直方圖均衡的色調映射算法[J]. 段瑞,郭鋮. 中國傳媒大學學報(自然科學版). 2019(01)
[8]超分辨圖像質量評價綜述[J]. 張凱兵,朱丹妮,王珍,閆亞娣. 計算機工程與應用. 2019(04)
[9]基于稀疏矩陣的光學元件表面疵病檢測[J]. 陳晨,王紅軍,王大森,田愛玲,劉丙才,朱學亮,劉衛(wèi)國. 中國激光. 2019(04)
[10]基于卷積稀疏自編碼的圖像超分辨率重建[J]. 張秀,周巍,段哲民,魏恒璐. 紅外與激光工程. 2019(01)
博士論文
[1]自適應多光譜圖像稀疏逼近濾波算法研究[D]. 翟林.山東大學 2018
[2]基于數字微鏡的計算成像與三維掃描測量方法研究[D]. 馮維.天津大學 2017
[3]現場影像增強中的硬件加速機制研究[D]. 吳安.中國科學技術大學 2017
[4]多曝光圖像融合關鍵技術的研究[D]. 王春萌.山東大學 2015
碩士論文
[1]針對類鏡面物體的高光缺陷檢測技術的研究[D]. 陳芳.華南理工大學 2018
[2]基于機器視覺的加熱片表面缺陷檢測技術研究[D]. 嚴梁.哈爾濱工業(yè)大學 2017
[3]高動態(tài)范圍圖像的合成與色階映射的研究[D]. 劉宗玥.哈爾濱工程大學 2016
[4]基于雙邊濾波的高動態(tài)范圍圖像映射算法研究與實現[D]. 孫晨康.西安電子科技大學 2015
[5]基于多曝光融合及偽影去除的動態(tài)范圍擴展技術研究[D]. 江燊煜.浙江大學 2015
[6]基于動態(tài)場景的高動態(tài)圖像合成研究[D]. 梁晨.上海交通大學 2014
[7]基于色調映射和多曝光率融合的高動態(tài)范圍圖像成像技術[D]. 楊顏如.西安電子科技大學 2013
[8]高動態(tài)范圍圖像色調映射算法的研究與實現[D]. 余志俊.北京交通大學 2010
本文編號：3313907
本文鏈接：http://sikaile.net/shoufeilunwen/xixikjs/3313907.html
