特殊环境下图像测量关键技术研究

论文摘要

管道静态参数测量是特种管道设计、研究和使用中必需且重要的技术环节。随着特种管道研制、生产水平和使用要求的不断提高,原来基于光学望远系统的人工测量、人工处理数据的测量方法已经不能满足需要,必须建立高精度、高效率和高度自动化的测量系统。在对特种管道静态参数的测量原理、测量方法和测量装备的性能及其局限性进行深入研究的基础上,我们设计并实现了一种以爬行器运动控制技术、照明技术、图像预处理方法和高精度图像测量技术为核心的管道静态参数测量系统方案。这些技术和方法是测量特种管道诸多静态参数所需的共性技术,因此论文仅以特种管道静态参数之一的弯曲度参数的测量为例,对系统涉及到的上述关键技术问题进行了深入地研究,主要包括以下五个方面的内容:1.提出了爬行器运动控制系统进深运动的动力学模型,以及均匀照明模型根据系统实际工作情况,提出了爬行器运动控制系统进深运动的动力学模型,并深入研究了负荷大小、载体转动惯量与电机扭矩的大小及其变化关系。同时还研究了爬行器运动控制系统进深定位精度的影响因素。根据照度均匀设计原则,提出了均匀照明模型,并针对管道内部空间狭小、测量系统结构尺寸小、成像光学系统物距短、视场角大等特点,研究了在这种特殊环境下实现清晰成像所必需的照度分布条件及实现技术途径。2.提出了根据局部梯度模值判别靶标图像中各像素的噪声类型,并使用复对数Gabor小波滤波器去除相应噪声的靶标图像噪声抑制方法通过在降噪之前引入局部梯度模作为阈值,判断图像中每一个像素所受噪声干扰的类型,根据不同的噪声类型使用不同的降噪方法。对受到椒盐噪声干扰的像素,使用中值滤波降噪。然后,对去除椒盐噪声的图像,利用复对数Gabor小波提取各像素的相位信息和幅度信息,确定最小尺度滤波器对的噪声幅度分布的估计值,从而自动地确定各个尺度上的噪声幅度分布的估计值和噪声萎缩阈值,去除靶标图像中的高斯噪声。3.针对亮度不均匀的靶标图像,提出了利用变分的自适应阈值曲面图像分割算法和基于最大模糊熵的图像阈值分割快速算法利用变分的自适应阈值曲面图像分割算法可以从非均匀亮度图像中将靶标图案有效地分割出来。但由于偏微分方程迭代运算耗时太大,使这种方法不能满足测量系统的实时性要求,因此我们又提出了基于最大模糊熵的图像阈值分割快速算法,使用了遗传算法和模拟退火算法来加快算法的收敛速度。4.提出了RBF网络校正法和基于直线特征的非线性畸变校正法,校正靶标图像的几何畸变基于RBF网络的靶标图像畸变校正方法能够克服多项式变形方法中的方程组奇异解的问题。但这种方法仍然需要准确获得控制点的畸变位置坐标和无畸变位置坐标,否则畸变校正的效果不理想。因此,我们又提出了一种基于直线特征的网格靶标图案的畸变校正方法。这种方法不再需要获取畸变图像与校正图像的控制点对,只要求成像视场中存在不通过视场中心的且具有一定长度的直线特征的空间对象,就可以求解畸变系数,完成畸变校正。5.提出了一种将LoG算子和Zernike矩算子相结合的两步高精度边缘检测方法先使用LoG算子将目标(靶标图案和激光光斑)边缘定位到像素级精度,然后对这些边缘像素的邻域使用Zernike矩算子进行处理,得到目标边缘的亚像素位置。对光斑边缘的亚像素位置坐标使用最小二乘法拟合,可以得到光斑拟合圆,并计算出光斑形心位置。同时,对影响管道静态参数测量系统测量精度的误差源也进行了深入地分析,并给出了相应的解决方法,而且对进一步的研究工作进行了展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 管道弯曲度测量技术
• 1.2.1 现有的管道弯曲度测量技术
• 1.2.2 管道静态参数测量系统技术方案
• 1.3 论文的主要研究内容和章节安排
• 1.3.1 论文的主要研究内容
• 1.3.2 论文的章节安排
• 本章参考文献
• 第二章 CCD摄像机的载体运动控制与照明技术
• 2.1 爬行器运动控制系统
• 2.1.1 爬行器运动控制系统的物理组成
• 2.1.2 爬行器运动单元的基本结构
• 2.1.3 爬行器进深运动的动力学模型
• 2.1.4 爬行器运动控制软件系统
• 2.1.5 爬行器进深定位误差分析
• 2.2 照明光源
• 2.2.1 照明光源的照度均匀设计原则
• 2.2.2 均匀照明模型
• 2.2.3 LED 环形照明光源的设计
• 2.3 本章小结
• 本章参考文献
• 第三章 靶标图像噪声抑制方法
• 3.1 噪声类型
• 3.2 现有的图像噪声抑制方法
• 3.2.1 空间域噪声抑制
• 3.2.2 频域噪声抑制
• 3.2.3 小波域噪声抑制
• 3.3 基于复对数Gabor 小波的噪声抑制方法
• 3.3.1 复小波噪声抑制方法的提出
• 3.3.2 相位信息的重要性
• 3.3.3 二维复对数Gabor 小波的分析模型
• 3.3.4 混合噪声抑制算法
• 3.3.5 实验及结果分析
• 3.4 本章小结
• 本章参考文献
• 第四章 靶标图像自适应分割方法
• 4.1 图像分割的理论基础
• 4.2 现有的图像分割方法
• 4.2.1 区域的生长和分裂合并法
• 4.2.2 阈值分割法
• 4.2.3 其他分割方法
• 4.3 利用变分的自适应阈值曲面图像分割算法
• 4.3.1 问题的提出
• 4.3.2 利用变分的自适应阈值曲面图像分割算法
• 4.3.3 实验及结果分析
• 4.4 基于最大模糊熵的图像阈值分割快速算法
• 4.4.1 问题的提出
• 4.4.2 基于最大模糊熵的单阈值图像分割快速算法
• 4.4.3 单阈值图像分割实验的结果及分析
• 4.4.4 基于最大模糊熵的双阈值图像分割快速算法
• 4.4.5 双阈值图像分割实验的结果及分析
• 4.5 本章小结
• 本章参考文献
• 第五章 靶标图像畸变校正方法
• 5.1 透视畸变校正
• 5.2 带有径向畸变的摄像机成像模型
• 5.3 空间坐标变换与像素灰度插值
• 5.3.1 空间坐标变换
• 5.3.2 像素灰度插值
• 5.4 控制点校正法
• 5.4.1 多项式变形方法
• 5.4.2 神经网络校正法
• 5.5 基于直线特征的非线性畸变校正
• 5.5.1 问题的提出
• 5.5.2 畸变校正算法
• 5.5.3 实验及结果分析
• 5.6 本章小结
• 本章参考文献
• 第六章 高精度图像测量技术
• 6.1 目标图像边缘
• 6.2 像素级精度的边缘检测算子
• 6.2.1 微分算子
• 6.2.2 Canny 算子
• 6.2.3 图像测量中边缘检测算子的选用准则
• 6.3 亚像素级精度边缘检测技术
• 6.3.1 亚像素级精度边缘检测基本原理
• 6.3.2 现有的亚像素级精度边缘检测技术
• 6.4 基于Zernike 矩的两步高精度边缘检测方法
• 6.4.1 问题的提出
• 6.4.2 LoG 算子像素级边缘检测
• 6.4.3 Zernike 矩边缘检测
• 6.4.4 光斑亚像素定位模拟实验及结果分析
• 6.5 管道静态参数测量系统的误差分析
• 6.6 本章小结
• 本章参考文献
• 第七章 总结及展望
• 7.1 本文工作的总结
• 7.2 研究工作的展望
• 致谢
• 攻读博士学位期间完成的论文和科研工作