基于HDRI的高反光表面缺陷检测方法研究
发布时间：2021-07-31 17:44
目前,现实视觉环境下的亮度对比远超出成像传感器和普通数字显示设备动态范围的极限,对于视觉成像系统中采集的可用于显示的灰度图像,无法呈现出较高动态范围的亮度对比所要求的可视化效果;同时,受到现有硬件发展水平的制约,普通CCD/CMOS传感器采集到的图像无法真实的记录人眼观察到的自然场景信息,对于具有高反光特性的目标表面往往存在全局或局部过曝光现象。因此,如何利用普通数字显示设备捕获、合成、显示具有高反光特性和较高亮度差异的目标表面视觉信息,成为当下数字图像处理领域研究的热点问题。为解决具有高反光特性的目标表面视觉检测难题,本文以图像处理和机器视觉检测为基础,系统深入地研究了用于提高成像过程中动态范围的高动态范围成像（High Dynamic Range Imaging,HDRI）技术和表面缺陷检测算法。通过本文所提算法可以有效地合成较宽动态范围的浮点型亮度图像,在提高色彩饱和度和丰富图像细节信息等方面均有良好的效果,解决了高反光表面的过曝光现象,带来更为真实的感官体验。本文主要研究工作如下:1.提出改进成像过程中相机响应函数（Camera Response Function,CRF）标定...
【文章来源】：湖北工业大学湖北省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
典型数字图像成像及显示流程图
湖北工业大学硕士学位论文2图1.2真实场景和数字图像的动态范围表示现实中，通过人的视觉系统自我调节，人眼所能看到的动态范围在10-2cd/m2到105cd/m2之间。并且将图像采集到的目标表面亮度值大于200cd/m2的区域定义为高亮部分(即高反光部分)，将表面亮度值小于25cd/m2的区域定义为低暗部分。可见现有数字图像的动态范围远无法满足人类视觉的需要[6,7]。对自然场景进行拍摄时，由于相机动态范围的限制，场景中的高亮和低暗部分则无法在同一图像中显示出来，这就造成了细节的丢失。如下图1.3所示，对于具有高反光特性的目标表面，无法通过一张图像显示出目标所有的细节信息。如何在动态范围有限的条件下更好地显示出场景信息，这就需要应用高动态范围成像(HighDynamicRangImaging,HDRI)技术，以及高动态范围(HighDynamicRang,HDR)图像在低动态范围显示器上的映射技术。如下图1.4所示，经过合成并映射后显示的图像含有较多的细节信息，最大程度上接近于真实场景[8]。图1.3同一场景不同曝光时间的图像图1.4高动态范围成像技术合成的图像
湖北工业大学硕士学位论文2图1.2真实场景和数字图像的动态范围表示现实中，通过人的视觉系统自我调节，人眼所能看到的动态范围在10-2cd/m2到105cd/m2之间。并且将图像采集到的目标表面亮度值大于200cd/m2的区域定义为高亮部分(即高反光部分)，将表面亮度值小于25cd/m2的区域定义为低暗部分。可见现有数字图像的动态范围远无法满足人类视觉的需要[6,7]。对自然场景进行拍摄时，由于相机动态范围的限制，场景中的高亮和低暗部分则无法在同一图像中显示出来，这就造成了细节的丢失。如下图1.3所示，对于具有高反光特性的目标表面，无法通过一张图像显示出目标所有的细节信息。如何在动态范围有限的条件下更好地显示出场景信息，这就需要应用高动态范围成像(HighDynamicRangImaging,HDRI)技术，以及高动态范围(HighDynamicRang,HDR)图像在低动态范围显示器上的映射技术。如下图1.4所示，经过合成并映射后显示的图像含有较多的细节信息，最大程度上接近于真实场景[8]。图1.3同一场景不同曝光时间的图像图1.4高动态范围成像技术合成的图像
【参考文献】：
期刊论文
[1]基于自适应条纹的高反光表面三维面形测量方法[J]. 冯维,汤少靖,赵晓冬,赵大兴. 光学学报. 2020(05)
[2]一种亮度分区和导向滤波相结合的色调映射算法[J]. 王峰,严利民. 液晶与显示. 2019(10)
[3]多通道CMOS图像传感器列固定模式噪声校正的硬件实现[J]. 龙亚威. 电子世界. 2019(19)
[4]基于颜色校正模型的梯度域自适应色调映射算法[J]. 冯维,刘红帝,吴贵铭,赵大兴. 激光与光电子学进展. 2020(08)
[5]基于HDRI的高反光金属表面缺陷检测方法研究[J]. 冯维,刘红帝,汤少靖,孙国栋,赵大兴. 仪表技术与传感器. 2019(08)
[6]面向异构计算平台的SpMV划分优化算法研究[J]. 谈兆年,计卫星,Akrem Benatia,高建花,李安民,王一拙. 计算机工程与科学. 2019(04)
[7]基于L0梯度最小化滤波和对比度受限直方图均衡的色调映射算法[J]. 段瑞,郭铖. 中国传媒大学学报(自然科学版). 2019(01)
[8]超分辨图像质量评价综述[J]. 张凯兵,朱丹妮,王珍,闫亚娣. 计算机工程与应用. 2019(04)
[9]基于稀疏矩阵的光学元件表面疵病检测[J]. 陈晨,王红军,王大森,田爱玲,刘丙才,朱学亮,刘卫国. 中国激光. 2019(04)
[10]基于卷积稀疏自编码的图像超分辨率重建[J]. 张秀,周巍,段哲民,魏恒璐. 红外与激光工程. 2019(01)
博士论文
[1]自适应多光谱图像稀疏逼近滤波算法研究[D]. 翟林.山东大学 2018
[2]基于数字微镜的计算成像与三维扫描测量方法研究[D]. 冯维.天津大学 2017
[3]现场影像增强中的硬件加速机制研究[D]. 吴安.中国科学技术大学 2017
[4]多曝光图像融合关键技术的研究[D]. 王春萌.山东大学 2015
硕士论文
[1]针对类镜面物体的高光缺陷检测技术的研究[D]. 陈芳.华南理工大学 2018
[2]基于机器视觉的加热片表面缺陷检测技术研究[D]. 严梁.哈尔滨工业大学 2017
[3]高动态范围图像的合成与色阶映射的研究[D]. 刘宗玥.哈尔滨工程大学 2016
[4]基于双边滤波的高动态范围图像映射算法研究与实现[D]. 孙晨康.西安电子科技大学 2015
[5]基于多曝光融合及伪影去除的动态范围扩展技术研究[D]. 江燊煜.浙江大学 2015
[6]基于动态场景的高动态图像合成研究[D]. 梁晨.上海交通大学 2014
[7]基于色调映射和多曝光率融合的高动态范围图像成像技术[D]. 杨颜如.西安电子科技大学 2013
[8]高动态范围图像色调映射算法的研究与实现[D]. 余志俊.北京交通大学 2010
本文编号：3313907
【文章来源】：湖北工业大学湖北省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
典型数字图像成像及显示流程图
湖北工业大学硕士学位论文2图1.2真实场景和数字图像的动态范围表示现实中，通过人的视觉系统自我调节，人眼所能看到的动态范围在10-2cd/m2到105cd/m2之间。并且将图像采集到的目标表面亮度值大于200cd/m2的区域定义为高亮部分(即高反光部分)，将表面亮度值小于25cd/m2的区域定义为低暗部分。可见现有数字图像的动态范围远无法满足人类视觉的需要[6,7]。对自然场景进行拍摄时，由于相机动态范围的限制，场景中的高亮和低暗部分则无法在同一图像中显示出来，这就造成了细节的丢失。如下图1.3所示，对于具有高反光特性的目标表面，无法通过一张图像显示出目标所有的细节信息。如何在动态范围有限的条件下更好地显示出场景信息，这就需要应用高动态范围成像(HighDynamicRangImaging,HDRI)技术，以及高动态范围(HighDynamicRang,HDR)图像在低动态范围显示器上的映射技术。如下图1.4所示，经过合成并映射后显示的图像含有较多的细节信息，最大程度上接近于真实场景[8]。图1.3同一场景不同曝光时间的图像图1.4高动态范围成像技术合成的图像
湖北工业大学硕士学位论文2图1.2真实场景和数字图像的动态范围表示现实中，通过人的视觉系统自我调节，人眼所能看到的动态范围在10-2cd/m2到105cd/m2之间。并且将图像采集到的目标表面亮度值大于200cd/m2的区域定义为高亮部分(即高反光部分)，将表面亮度值小于25cd/m2的区域定义为低暗部分。可见现有数字图像的动态范围远无法满足人类视觉的需要[6,7]。对自然场景进行拍摄时，由于相机动态范围的限制，场景中的高亮和低暗部分则无法在同一图像中显示出来，这就造成了细节的丢失。如下图1.3所示，对于具有高反光特性的目标表面，无法通过一张图像显示出目标所有的细节信息。如何在动态范围有限的条件下更好地显示出场景信息，这就需要应用高动态范围成像(HighDynamicRangImaging,HDRI)技术，以及高动态范围(HighDynamicRang,HDR)图像在低动态范围显示器上的映射技术。如下图1.4所示，经过合成并映射后显示的图像含有较多的细节信息，最大程度上接近于真实场景[8]。图1.3同一场景不同曝光时间的图像图1.4高动态范围成像技术合成的图像
【参考文献】：
期刊论文
[1]基于自适应条纹的高反光表面三维面形测量方法[J]. 冯维,汤少靖,赵晓冬,赵大兴. 光学学报. 2020(05)
[2]一种亮度分区和导向滤波相结合的色调映射算法[J]. 王峰,严利民. 液晶与显示. 2019(10)
[3]多通道CMOS图像传感器列固定模式噪声校正的硬件实现[J]. 龙亚威. 电子世界. 2019(19)
[4]基于颜色校正模型的梯度域自适应色调映射算法[J]. 冯维,刘红帝,吴贵铭,赵大兴. 激光与光电子学进展. 2020(08)
[5]基于HDRI的高反光金属表面缺陷检测方法研究[J]. 冯维,刘红帝,汤少靖,孙国栋,赵大兴. 仪表技术与传感器. 2019(08)
[6]面向异构计算平台的SpMV划分优化算法研究[J]. 谈兆年,计卫星,Akrem Benatia,高建花,李安民,王一拙. 计算机工程与科学. 2019(04)
[7]基于L0梯度最小化滤波和对比度受限直方图均衡的色调映射算法[J]. 段瑞,郭铖. 中国传媒大学学报(自然科学版). 2019(01)
[8]超分辨图像质量评价综述[J]. 张凯兵,朱丹妮,王珍,闫亚娣. 计算机工程与应用. 2019(04)
[9]基于稀疏矩阵的光学元件表面疵病检测[J]. 陈晨,王红军,王大森,田爱玲,刘丙才,朱学亮,刘卫国. 中国激光. 2019(04)
[10]基于卷积稀疏自编码的图像超分辨率重建[J]. 张秀,周巍,段哲民,魏恒璐. 红外与激光工程. 2019(01)
博士论文
[1]自适应多光谱图像稀疏逼近滤波算法研究[D]. 翟林.山东大学 2018
[2]基于数字微镜的计算成像与三维扫描测量方法研究[D]. 冯维.天津大学 2017
[3]现场影像增强中的硬件加速机制研究[D]. 吴安.中国科学技术大学 2017
[4]多曝光图像融合关键技术的研究[D]. 王春萌.山东大学 2015
硕士论文
[1]针对类镜面物体的高光缺陷检测技术的研究[D]. 陈芳.华南理工大学 2018
[2]基于机器视觉的加热片表面缺陷检测技术研究[D]. 严梁.哈尔滨工业大学 2017
[3]高动态范围图像的合成与色阶映射的研究[D]. 刘宗玥.哈尔滨工程大学 2016
[4]基于双边滤波的高动态范围图像映射算法研究与实现[D]. 孙晨康.西安电子科技大学 2015
[5]基于多曝光融合及伪影去除的动态范围扩展技术研究[D]. 江燊煜.浙江大学 2015
[6]基于动态场景的高动态图像合成研究[D]. 梁晨.上海交通大学 2014
[7]基于色调映射和多曝光率融合的高动态范围图像成像技术[D]. 杨颜如.西安电子科技大学 2013
[8]高动态范围图像色调映射算法的研究与实现[D]. 余志俊.北京交通大学 2010
本文编号：3313907
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3313907.html
