变焦大景深显微与三维测量技术研究

发布时间：2020-03-25 05:03

【摘要】：随着精密加工、微器件的发展,微观表面形貌测量技术也取得了极大的进步,在诸多领域的应用日益广阔和深入,如材料科学、航空航天等。现有的非接触测量方法虽然各具优点,但是无法测量大倾角斜面,同时也不能适应不同材质表面测量,而近些年兴起的三维变焦技术则有望解决这一问题。本文主要围绕两个问题展开研究:(1)显微镜景深通常较小,超过景深范围成像模糊,需要解决超大景深显微成像问题。(2)实现复杂结构的三维测量。主要工作内容如下:根据光学小景深和三维变焦原理搭建实验系统,通过移动被测物获得变焦分层序列图像。针对图像拍摄过程中由于实验环境不稳定如载物台振动、光照变化等导致的图像失配,对序列图像进行配准使得其在几何位置上对齐,方便后续算法处理。主要对比分析了基于特征和灰度信息的配准方法,提出利用结构相似性(SSIM)定量评价配准质量,并将参考图像和配准后图像叠加对比显示,更加全面地衡量配准效果,从配准质量和时间效率上确定了基于SURF特征配准的优越性。针对显微成像中的景深限制问题,进行多聚焦图像融合研究获取大景深显微图像。从空域、金字塔变换域和小波域三个方面进行融合实验,从客观评价值和融合图像的效果对比分析了不同方法的优劣,得出了基于变换域的融合方法要比空域好,而小波域的融合图像虽然部分细节丢失但是整体效果比金字塔的融合方法偏好的结论。为了选择合适的聚焦评估函数,对比分析了不同聚焦评估算子和窗口大小对测量结果的影响,并在聚焦峰值附近根据三点高斯插值获得初步深度图。同时对深度图中值滤波后,进行可靠性分析去除一些误差点,改善整体表面结构。将大景深融合图像作为纹理与深度图结合,重构被测物的三维表面形貌,并通过标准量块进行误差分析验证算法的可行性。
【图文】：

Fig 2.1 Optical imaging system model焦测量原理维变焦测量方法结合了光学系统的有限景深和精密垂直扫描技术，表面各点的聚焦位置得到深度图，从而实现区域表面形貌测量，其测.2 所示。 将被测物置于载物台上，白光光源发出光线经过起偏器后并反射透过物镜照射到被测物表面，由于表面具有一定的高低变化反射，反射光再经物镜分光镜后被传感器接收成像。改变垂直扫描方感器的距离，图像会经历一个从模糊到清晰再到模糊的过程，得到不序列图像。根据上述小景深原理分析，物体成像聚焦清晰时必须位于范围内，否则会产生模糊，离焦程度越大图像越模糊。因此为了更精需要有限景深的光学系统，也就是说使用长焦距或者大孔径的镜头更好的照明条件，加入环形光源。直扫描中，，可通过移动相机或者被测物的方法来改变图像的聚焦程图 2.1 光学系统成像模型

第二章 三维变焦测量原理与序列图像获取经历离焦到聚焦再到离焦的过程。通过聚焦评估函数对序列图像中每个行聚焦评估来判断其聚焦程度，聚焦程度越好，灰度变化越大，高频信息个像素点处的聚焦评价曲线类似高斯分布，找到每点聚焦评价值最大的定了最佳聚焦位置，形成初步的深度估计图[11]。同时由于图像各像素点之较强，某个区域的细节信息都是由该像素点和周边领域点来表示的，必须点领域信息的影响，因此在聚焦评价中都会选用局部窗口进行分析评价直扫描时像素点不一定正好位于最佳聚焦位置处，此时就需要对初始深进行插值拟合，提高测量精度。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH742;TP391.41

【相似文献】

相关期刊论文 前10条

1 毛义坪;余磊;官泽瑾;;基于分数阶微分的多聚焦图像融合[J];计算机科学;2019年S2期

2 李笋;汪渤;周志强;踪华;王海罗;;基于区域分割和引导滤波的多聚焦图像融合[J];北京理工大学学报;2015年06期

3 王容;;通过简单的标准偏差对多聚焦图像进行图像融合[J];电脑知识与技术;2015年03期

4 赵慧;;基于小波变换的多聚焦图像融合算法研究[J];产业与科技论坛;2015年22期

5 马文娟;许峰;;基于差异演化的多聚焦图像融合算法[J];合肥学院学报(自然科学版);2013年01期

6 张攀;;多聚焦图像融合算法[J];微型电脑应用;2012年09期

7 江卓斌;胡斌杰;;彩色多聚焦图像融合演示平台[J];计算机工程与设计;2011年11期

8 位耀光;王剑秦;李道亮;涂序彦;;基于视觉感知特性的多聚焦图像融合技术[J];农业机械学报;2009年S1期

9 王珂;欧阳宁;;小波分析在多聚焦图像融合中的应用[J];电光与控制;2008年03期

10 申晓华;艾宝;王婷;;多聚焦图像融合中小波基函数选取的研究[J];弹箭与制导学报;2007年03期

相关会议论文 前6条

1 罗少鹏;卢洵;史建军;;一种基于清晰度指标的多聚焦图像融合评价方法[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 杨勇;郑文娟;黄淑英;魏文明;刘心韵;;一种基于遗传算法的自适应多聚焦图像融合新方法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 魏利胜;张平改;;基于分层模型与局部复原的多聚焦图像融合方法[A];2015全国嵌入式仪表及系统技术会议程序册[C];2015年

4 殷明;吴江敏;褚标;王志成;孔冉冉;;基于四元数小波变换的多聚焦图像融合[A];第六届全国几何设计与计算学术会议论文集[C];2013年

5 徐胜男;杨承磊;李振华;;基于离散小波框架变换的灰度多聚焦图像融合[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

6 黄强;廖斌;;基于复合区域分割的多聚焦图像融合[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

相关博士学位论文 前10条

1 延翔;多源图像融合算法研究[D];西安电子科技大学;2018年

2 孙巍;像素级多聚焦图像融合算法研究[D];吉林大学;2008年

3 张永新;多聚焦图像像素级融合算法研究[D];西北大学;2014年

4 徐月美;多尺度变换的多聚焦图像融合算法研究[D];中国矿业大学;2012年

5 李华锋;多聚焦图像像素级融合方法研究[D];重庆大学;2012年

6 费春;基于智能优化和视觉显著性的图像融合研究[D];电子科技大学;2015年

7 孙岩;基于多分辨率分析的多传感器图像融合算法研究[D];哈尔滨工程大学;2012年

8 封子军;像素级图像融合算法研究[D];电子科技大学;2014年

9 赵恒军;图像多尺度邻域距离分解及其应用[D];重庆大学;2013年

10 高国荣;基于Shearlet变换的图像融合与去噪方法研究[D];西安电子科技大学;2015年

相关硕士学位论文 前10条

1 黎磊;变焦大景深显微与三维测量技术研究[D];合肥工业大学;2019年

2 王镖堡;基于深度学习的多聚焦图像算法研究[D];云南大学;2018年

3 余美晨;多聚焦图像融合方法研究[D];长江大学;2019年

4 唐翰;基于深度卷积神经网络的多聚焦图像融合[D];重庆邮电大学;2018年

5 毛义坪;基于活跃度度量的多聚焦图像融合研究[D];重庆师范大学;2019年

6 戴柳云;基于聚焦区域检测的多聚焦图像融合研究[D];重庆师范大学;2019年

7 董小瑜;基于焦点度量的多聚焦图像融合算法[D];吉林大学;2019年

8 郭凌鑫;基于多尺度的多聚焦图像融合算法研究[D];哈尔滨理工大学;2018年

9 张贺峰;基于显著性区域的多聚焦图像融合算法[D];吉林大学;2018年

10 王U

本文编号：2599442