基于正则化滤波和奇异值分解的条纹模式方向估计和滤波方法研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:a13315157220
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于光学干涉测量技术具有非接触、高灵敏度和全场测量的特点,已经被广泛应用于科学研究和工程实践中。在光学干涉成像过程中形成的条纹模式包含了被测物体形变前后的相位差,通过提取条纹模式的相位信息可以得到被测物体的测量信息。由于成像原理和外界环境等因素的影响,条纹模式受到严重的噪声影响,给条纹模式相位信息的提取带来了困难。虽然人们根据条纹模式的特殊性提出了许多用来消除噪声的方法,但是仍然不能满足工程实际对准确性的较高要求。条纹模式的滤波和相位提取一直都是国际光学测量领域中研究的热点与关键问题。  定向扩散方程滤波技术通过构造沿着条纹切线和法线方向的不同扩散达到对于条纹模式的方向性滤波.本文利用定向扩散方程滤波技术的思想,在不同的条纹模式噪声背景下,提出了更准确的条纹方向估计、更鲁棒的导数计算和更合理的法线方向扩散方法,得到了更好的条纹模式滤波和方向估计结果。具体地说,本文在以下四个方面进行了创新性的研究工作。  1.正则化奇异值分解技术。基于梯度的方法是一种经典的条纹方向估计技术;基于特征向量的方法是相干增强扩散滤波技术中构造扩散张量的关键步骤;迭代控制核回归方法是一种利用自适应核函数进行图像去噪的技术。本文综合了这些先进技术,提出了一种估计条纹方向的正则化奇异值分解技术,得到了较好的方向估计结果。  2.基于正则化滤波的选择性二阶单向扩散方程滤波技术。选择性二阶单向扩散方程滤波技术通过直接对有噪条纹模式求导和估计条纹方向进行滤波。对于有噪的条纹模式,本文利用正则化滤波减少噪声对条纹模式的影响,构造了更鲁棒的一阶和二阶偏导数估计,得到了较好的滤波效果。  3.基于正则化奇异值分解的定向扩散滤波技术。本文利用所提出的正则化奇异值分解技术得到条纹方向估计,构造沿着更准确的条纹方向的定向扩散,得到了较好的滤波效果。  4.基于正则化奇异值分解和法向扩散的选择性二阶双向扩散滤波技术。本文利用选择性二阶单向扩散滤波技术构造沿着正则化奇异值分解技术估计的条纹方向的主要扩散,同时利用相干增强扩散滤波构造沿着条纹法线方向的辅助扩散,提出了双向扩散滤波技术,在不同条纹密度区域都得到了较好的滤波效果。  利用本文所提出的先进方法对于电子散斑干涉技术获得的条纹模式进行了大量的实验,得到了鲁棒的条纹方向估计,并在保持条纹重要信息的同时较好地滤除了噪声,为之后的相位提取和精确测量奠定了基础,具有重要的科学价值和实践意义。  本论文的研究进一步加强了计算数学和信息科学的协同创新,深化并丰富了方向估计和图像去噪技术的研究,可望进一步推广到其它图像处理的应用领域中。
其他文献
本文主要分为如下两个部分:其一,借助于Lenard递推序列,推导出分别与一个4×4、两个3×3矩阵谱问题相联系的孤子方程族,对于某些方程族或者方程,我们给出了它们的广义Hamilton结
根据在不同领域中应用的需要,Orlicz空间被推广为多种形式,使得对Orlicz的研究更具有理论意义和应用前景。从2008年以来,VakeelAKhan等人引入了很多形式的广义Orlicz空间,并研究
本文主要利用简单同余、二次剩余、k次剩余、四次剩余特征理论及因式分解法,对关于不定方程ax+by=cz的Je(s)manowicz猜想的一类特殊情形进行了证明.得到结论如下:  定理.对
学位
随着各实际工程领域中建模方法的不断进步,用来描述实际问题的动态系统模型变得更加复杂化,如时滞、不确定性、外部扰动、饱和非线性及随机变量等都已被引入到有关系统模型中,对
鱼类集群行为是鱼类的重要行为之一。探索鱼群动态行为是鱼类行为学的基本内容,对于理解群体运动机制及合理利用和保护渔业资源具有重要意义。本文利用计算机视觉、机器学习、
供应链是一个典型的动态系统,如何协调系统中各成员间的利益关系,寻找供应链网络的最终均衡状态,是供应链管理中的一个重要问题.本文先是构建了两个供应链网络均衡模型:考虑承诺交货期供应链网络均衡模型和多期网购供应链网络均衡模型.然后给出了其求解算法,并通过数值算例证实了算法的计算效率和可操作性,同时也研究了个别因素的变化对供应链的影响.本文主要研究成果如下:1.本文考虑到随着市场竞争的日益激烈,现代企业
Finland著名的数学家R.Nevanlinna在亚纯函数值分布理论的建立过程中有着极大的贡献。二十世纪二十年代,他注意到可以很形象、自然地刻画亚纯函数增长性的特征函数,以及非常重
图像融合是图像处理中的一项关键技术,而多分辨率分析方法则是处理图像融合时的常用方法,在图像融合当中发挥着重要的作用。本文重点研究的内容是基于多分辨率分析(MRA, Multi-R