基于稀疏表达的强反射表面高光抑制方法研究
本文关键词：基于稀疏表达的强反射表面高光抑制方法研究 出处：《哈尔滨理工大学》2017年硕士论文 论文类型：学位论文
【摘要】：近年来,结构光三维测量技术以其非接触、测量时间短、准确率高等优点被广泛用于机器视觉、工业自动检测、生物医学、三维动画等领域。但在实际作业中,对强反射表面物体进行结构光三维测量时,因其物体表面的强反射特性导致采集到的图像中部分有效信息丢失,这对后续的图像处理算法有很大的影响,例如图像识别、物体的匹配、重构,物体追踪等。本文围绕着强反射表面编码光测量这一主题,针对强反射表面编码光测量时,存在着高光难以去除、去高光时编码图像信息丢失的问题进行研究。本文首先对国内外的高光抑制研究理论进行了学习和归纳总结,分析了结构光三维测量原理,并在此基础上进行实验总体方案设计,该设计包含系统配置、编码光选取、平台搭建。通过前期的理论准备,以及对当前的研究热点稀疏表示理论相关知识的学习和分析,本文提出了空间自适应迭代奇异值阈值(SAIST)算法进行高光抑制研究,该算法具有提高相似信息精度,增强图像细节信息,简化迭代过程中空间、时间复杂度,自适应地去除高光像素等优点。在分析SAIST算法的基础上,本文选用强反射性质较强的陶瓷瓶与陶瓷盘进行三维重构实验,实验结果表明SAIST算法可以很好的恢复高光图像中丢失的有效信息,高光区域明显缩小,三维重构结果中高光像素点分别减少了54.88倍和39.67倍。此外,与传统的高光抑制方法均衡化修正法、一致性敏感哈希算法的陶瓷瓶和陶瓷盘对比实验结果显示,SAIST算法的处理结果中高光像素点分别减少了10.11、18.69倍和7.56、13.44倍。结果显示,不论从客观测量数据还是从主观视觉显示,此方法与传统高光抑制方法相比都具有很大的优势。
[Abstract]:In recent years , the three - dimensional measurement technique of structured light has been widely used in the fields of machine vision , industrial auto - detection , biomedicine , 3D animation , etc .
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O43;TP391.41
【相似文献】
相关期刊论文 前10条
1 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
2 陈才扣;喻以明;史俊;;一种快速的基于稀疏表示分类器[J];南京大学学报(自然科学版);2012年01期
3 耿耀君;张军英;;一种基于投影稀疏表示的基因选择方法[J];哈尔滨工程大学学报;2011年08期
4 熊承义;汪淑贤;高志荣;;基于字典优化的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2014年02期
5 戴平阳;洪景新;李翠华;詹小静;;一种基于稀疏表示的判别式目标跟踪算法[J];厦门大学学报(自然科学版);2014年04期
6 赵佳佳;唐峥远;杨杰;刘尔琦;周越;;基于图像稀疏表示的红外小目标检测算法[J];红外与毫米波学报;2011年02期
7 柯激情;祝磊;厉力华;韩斌;郑智国;孟旭莉;;基于稀疏表示算法的蛋白质质谱数据特征选择[J];生物物理学报;2012年08期
8 王立国;刘丹凤;赵亮;;基于高光谱图像稀疏表示的彩色可视化模型(英文)[J];Applied Geophysics;2013年02期
9 宋琳;程咏梅;赵永强;;基于稀疏表示模型和自回归模型的高光谱分类[J];光学学报;2012年03期
10 罗燕龙;刘伟盛;戴平阳;李翠华;;基于局部稀疏表示模型的海上红外目标跟踪方法[J];厦门大学学报(自然科学版);2013年03期
相关会议论文 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[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 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
相关博士学位论文 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年
5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年
6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年
7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年
8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年
9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年
10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年
相关硕士学位论文 前10条
1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年
，本文编号：1365659
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/1365659.html
