一、应用CCD拼接技术的高分辨率图像扫描仪设计（论文文献综述）
钟佩珂[1]（2021）在《基于点线特征结合的大视场机载摆扫红外影像配准研究》文中指出大视场红外多光谱扫描仪是由国家高分辨率对地观测系统重大专项研制的红外遥感仪器,该扫描仪基于长线阵探测器的整机摆扫式100度全景成像,共生成10个波段的影像数据,可以实现多光谱、大视场、高分辨率对地观测。为了快速获得空间对准的10个波段红外多光谱产品并且进一步提高拼接红外影像产品的地理位置精度,需要将影像进行精确配准。然而大视场红外多光谱扫描仪影像不同波段之间、拼接红外影像与正射影像之间存在不同的辐射响应特性、地物变化、高层建筑物偏倒等差异,传统的基于灰度信息或基于点特征的配准方法难以取得理想的结果,因此本文提出了适应该项目影像特点的配准算法。论文的主要研究内容如下:1、基于相位一致性的点特征匹配方法研究。针对大视角机载摆扫红外扫描仪不同波段影像之间的灰度值存在明显的非线性变换,从几何结构信息保持不变的角度出发,提出一种基于相位一致性的点特征匹配方法。从特征提取、特征筛选、构建特征描述符、特征匹配与误匹配剔除等方面提出改进,利用相位一致性模型对光照、对比度差异的不变性优势,采用多尺度、多方向的Log-Gabor滤波提取影像的轮廓信息,通过匹配带有几何结构信息的特征描述符实现点特征的匹配。2、基于点线特征结合的影像配准方法研究。针对拼接红外影像与正射影像之间更复杂的差异,本文提出点线特征结合的配准方法。首先基于相位一致性匹配点特征匹配得到影像的仿射变换参数;基于LSD算法提取稳定的直线特征,通过直线自身属性约束和几何约束实现同名直线匹配;最后利用广义摄影测量的思想,根据直线的角度对同名直线上的边缘点完成对应某个方向的转换,实现影像的高精度配准。3、将本文提出的基于相位一致性的点特征匹配方法应用于大视角机载摆扫红外波段影像的配准,实验结果显示该方法能实现波段间的正确配准,且在算法效率和配准精度上有较大优势;将本文提出的基于点线特征结合的影像配准方法应用于拼接红外影像与正射影像之间的配准,实验结果显示该方法能将红外拼接影像的空间精度提高至5个像素之内。
王照远[2]（2020）在《多传感器集成的隧道病害检测方法研究》文中研究表明我国隧道的数量和里程都位居世界第一,隧道安全与人民生活和社会经济发展息息相关。隧道运营过程中会出现各种影响安全的病害,现有人工检测效率低、安全风险高,难以满足大规模高速、高效、高精度隧道检测。研究一种自动化的快速、高精度隧道检测技术具有非常现实的应用价值。本文对隧道检测系统、隧道三维点云处理和隧道衬砌图像处理进行了系统研究,主要内容如下:（1）研究了多传感器集成的隧道病害快速检测方法。分析了动态条件下利用CCD相机和红外相机阵列采集隧道衬砌灰度和红外图像的数据特征,以及隧道病害评定中存在的问题与问题出现的原因;研究了激光雷达测量隧道三维的特点,分析了三维点云建模的影响因素。为了更好的采集隧道衬砌图像,设计了衬砌图像数据采集策略。（2）针对附属构造物影响隧道三维建模,以及导致阵列相机物距计算错误的问题,设计了一种新的附属构造物噪声去除方法,并使用了新的方式实现了隧道点云三维重建。将隧道点云分段,求出每个分段的标准横断面,利用标准横断面重新构建该分段,再拼接各个分段,有效的去除附属构造物噪声;将隧道三维点云展开成平面点云数据,利用三角剖分算法构建平面点云中点与点之间的三角关系网,再将三角关系网应用于实际三维点云,实现隧道高精度三维模型的获得。对点云数据的这些处理,解决了阵列相机动态物距计算的难题。（3）针对动态测量中传感器相对位移引起相邻图像错位问题,设计了一种基于几何关系与数据特征的隧道衬砌图像拼接方法。基于图像采集时的几何关系粗定位隧道衬砌灰度图像在全景图中的位置,对于质量较好的图像,利用SURF算法,对相邻图像进行高精度图像配准,以更新图像在全景图中的位置,提高拼接精度,实现了隧道衬砌图像的快速、高效拼接。研究成果原型装备已经在国内二、三车道隧道检测中应用,能够实现隧道裂损类病害、水害和冻害的检测,点云处理方法能够较好消除隧道附属构造物噪声影响和重建隧道三维模型;序列影像拼接方法能够实现衬砌断面图像拼接,满足隧道衬砌裂缝识别要求。
廖江海[3]（2020）在《隧道表观病害快速检测方法研究》文中提出隧道是公路和轨道交通的重要基础设施,其运营及维护关系到国计民生与人民的生命财产安全。隧道衬砌的裂缝、变形等表观病害是隧道运营的重大安全隐患,使得病害快速检测与处理成为隧道安全运营的重大技术需求。当前,隧道检测依然以人工现场作业为主,效率低、安全隐患大,难以满足我国大量隧道普查检测需求。因此,研究高效可靠的隧道病害快速自动化检测方法,具有重要的研究意义和应用价值。本文对隧道表观病害快速检测方法开展了系统深入的研究,提出了基于多传感器集成的隧道快速测量技术,以及表观病害高效自动化检测方法,原型装备应用于全国多个省市的公路隧道和地铁隧道检测,验证了数据处理方法的科学性和系统的可行性。主要研究内容与结论如下:（1）根据隧道裂缝、变形等表观病害的差异化可测量特征和检测要求,针对隧道断面尺度大、检测精度要求高、卫星定位信号被屏蔽等难点,提出了一种基于CCD阵列相机、激光扫描仪、惯导和里程计等多传感器集成的隧道快速测量方法,通过动态环境下多传感器协同,实现测量平台位姿基准、大断面隧道衬砌影像和激光点云的高精度测量,精细感知隧道表观病害的纹理与几何测量特征,为病害自动化识别提供了高质量数据基础。（2）针对隧道衬砌图像中细微裂缝的连续完整检测难题,提出了一种基于邻域连接空间约束的深度卷积神经网络LinkCrack,通过改进轻量级编码器来提高网络运行速度,同时也扩大了网络感受野,达到从全局角度感知裂缝的目的;另一方面,通过构造邻域连接损失函数,从裂缝中心像素8个方向的连接情况来增强网络训练,进一步提高网络对于裂缝连续性的表征能力。实验结果表明LinkCrack的裂缝识别性能优于现有的边缘检测网络和裂缝识别网络。（3）为了解决隧道变形尺度小,椭圆拟合方法难以精细拟合断面形状的问题,提出了一种基于构造细节点云模型的隧道变形检测方法。具体来说,利用隧道呈柱面的几何特征,把隧道点云构造为参考柱面和细节点云,再由细节点云的三维特征分割管片,并逐环提取检测断面。将检测断面与参考断面配准并拟合得到断面偏差曲线,计算断面水平直径变化,实现隧道变形检测。实验结果表明,基于细节点云的变形检测方法与椭圆拟合方法相比,具有更高的断面变形拟合精度,且变形指标拟合计算结果接近全站仪测量参考值。（4）利用原型装备在全国多个省市的公路隧道和地铁隧道进行了实际检测,验证了隧道快速测量方法的可行性和病害自动化识别方法的有效性。衬砌裂缝技术状况评定工程实例从公路隧道的衬砌影像中快速识别衬砌裂缝,精度符合裂缝检测要求,检测效率比人工检测大幅度提高。地铁隧道水平收敛监测工程实例从三期的地铁隧道全区间激光点云中计算每环水平直径变化,监测到隧道收敛变形较大的所有区间,效率优于传统全站仪测量方法,可满足隧道的结构变形快速全面检查。
朱合军[4]（2020）在《粗骨料棱角性、表面纹理测量方法及实验对比研究》文中指出粗骨料空隙率是影响沥青混凝土强度的核心指标,相关研究表明空隙率直接影响沥青混凝土的抗压强度。粗骨料形态的变化会使其空隙率发生波动,从而直接影响填充空隙所需的浆体,最终引起混凝土拌合物的和易性变化。目前在工程中主要根据JTG E42-2005标准测量粗骨料空隙率,但按标准测量空隙率费时费力,无法实现快速测量。根据标准ASTM C1252可知,空隙率主要受骨料形态的影响,因此研究并寻找最适合表征形态的方法,对快速预测空隙率具有重要的意义。本文通过洛杉矶磨耗实验和空隙率实验对粗骨料棱角性及表面纹理测量方法进行深入研究,并且提出一种新的拟合椭球法的三维棱角性指数。针对本文提出的三种三维棱角性表征方法和三种三维测量表面纹理表征方法分别进行实验对比研究,结果表明:拟合椭球法是其中最适合表征三维棱角性的方法;Z平面体积差法是其中最适合表征三维测量表面纹理的方法。虽然三维表征具有高精度,但是在工程中无法实现快速且批量检测。因此本文自主研发了一套粗骨料形态高效测量平台,并且通过数学公式推导出一种消除粗骨料宏观尺寸影响的拟合椭圆法的二维棱角性指数。针对本文提出的三种二维棱角性表征方法和三种二维测量表面纹理表征方法分别进行实验对比研究,结果表明:拟合椭圆法可以有效的消除粗骨料粒径和针片状对棱角性的影响,从而提高粗骨料二维棱角性指数的测量精度;使用线性轮廓扫描仪可以提高拟合椭圆法棱角性指数测量的精确性,并且拟合椭圆法是其中最适合表征二维棱角性的方法;凸度法是其中最适合表征二维测量表面纹理的方法。进一步将二维与三维形态的表征方法进行实验对比研究,结果表明:拟合椭圆法的棱角性指数可以有效的表征粗骨料的棱角性;凸度法的表面纹理指数可以有效的表征粗骨料的表面纹理。研究骨料的形态特征目的是研究骨料的空隙率。因此本文首先通过离散元仿真软件构建异形骨料颗粒,并且进行大量的自然堆积空隙率仿真实验,其次运用基于图像处理技术的形态表征方法测量填满后容器内的骨料形态参数,最后将形态参数的测量结果作为神经网络模型的输入。经样本训练后,建立了基于骨料形态的自然堆积空隙率的快速预测模型,并且预测误差在1%以内。本论文的工作有助于粗骨料棱角性及表面纹理表征方法和通过形态参数快速预测空隙率的进一步探究,具有较好的理论研究意义和实际应用价值。
李凯彦[5]（2020）在《内窥式光学相干断层成像及其在上消化道的应用》文中研究指明光学相干断层成像（OCT）是一种高分辨、非侵入、无需标记物的在体成像技术,利用光学相干门来提供生物体组织的层析结构。在大多数的高散射生物体中,OCT可以微米级的分辨率穿透1～3 mm厚的组织。经过将近30年的快速发展,OCT已经具备极高的成像速度,保证了实时二维成像和在体三维成像。常见的OCT图像的对比度来源于组织间折射系数的变化,折射系数变化小的样品的成像图对比度较差,即使系统分辨率再高也无法清楚地揭示结构的不同。此外,传统台式OCT系统样品臂上的成像探头一般比较笨重,只能对离体样本或眼睛和皮肤等浅表的器官和组织进行成像。基于光纤光学的导管型探头也因为不易操控和过短的工作距而不适用于人体上消化道的成像。针对以上两点不足,本课题以频域OCT系统为基础,从内窥探头和量化分析算法两方面对内窥式OCT技术进行了研究,取得的创新性成果有:1.提出了一种普适的具备层析能力的光学衰减系数计算方法。通过充分利用OCT的断层成像能力和组织结构间衰减系数的不同,从原始横断面强度图像中计算出同样保留断层信息的衰减系数图,作为对强度对比度的补充。在详细分析了OCT信号的衰减程度和本底噪声的基础上,新算法同时校正了:1)因为入射光在组织中不完全衰减引起的深层组织衰减系数的高估;2)因本底噪声的存在,真实的OCT数据违背了理想的指数衰减模型而导致的浅层组织衰减系数的低估。对于具有不同散射特性的实际生物样品,新算法可在整段成像深度范围内提供一致的高准确度。2.研制了工作在1300 nm中心波长的高速内窥式扫频OCT系统。针对口腔颌面部复杂的拓扑结构,开发了一种低成本、紧凑型手持式OCT内窥探头。该探头采用一个安装在近端的双轴微机电系统（MEMS）扫描光束,通过一组4f中继透镜将光束传播到探头远端从而实现双轴远心扫描。这种设计不仅允许使用稍大一些的MEMS扫描仪,从而获得更佳的光学和机械性能,还保证了需要高压驱动的MEMS远离被测组织,减少了受试者遭受电击的风险。细长的透镜组设计使得探头具有出色的操作性,可以方便地检查口腔深处的组织。3.研制了工作在800 nm中心波长的超高分辨率内窥式谱域OCT系统。针对食道的管状结构,开发了一款带有光纤系绳的超消色差OCT胶囊内窥镜。通过将一个定制的微衍射透镜结合到探头的光路中,成功矫正了由200 nm宽谱引入的严重色差,从而在生物组织中取得了高达1.8μm纵向分辨率。胶囊形的外观设计不仅让病人在无须镇静的情况下自主将OCT内窥镜送入食道,还保证内窥镜能较为稳妥地置于食道中,提高成像的稳定性。光纤系绳使得胶囊在成像结束后能被重复回收利用。实验结果表明,本文开发的两种内窥OCT系统及算法有能力实现上消化的高分辨、大范围的实时在体成像,在临床筛查和监测以及术后复检中具备极大的应用潜力。
王方建[6]（2019）在《基于地面激光点云数据的建筑物模型自动化重建研究》文中研究指明在数字城市建设中建筑物的精细化、自动化模型重建一直是一项重要的应用需求和研究课题。激光探测与测量技术（Light Detection and Ranging,Li DAR）经过近三十年的发展,已经成为一种重要的遥感测量手段,它通过对目标地物进行高分辨率的激光扫描,获取其外轮廓高精度、高密度的阵列式激光点云数据。依据激光扫描平台的不同,激光扫描测距技术发展了多种不同扫描尺度点云数据精度和对应应用目的的数据采集系统,如航天卫星载体、航空飞行器载体、地表移动载体、地面固定载体等。近年来,无人机激光扫描仪、手持式激光扫描仪也开始得到广泛的研究应用。其中,地面激光雷达扫描技术（Terrestrial Laser Scanning,TLS）,能够为城市建筑的数字化与精细化模型重建提供高效灵活的外业数据采集策略,采集目标地物高精度高密度的立面激光点云数据,为目标地物的精细化模型重建提供可靠的数字支持。本文研究基于TLS数据的建筑物模型自动化重建方案,结合国内外学者的相关研究成果、技术方案和相关算法的研究,对重建流程中的关键问题进行深入研究并提出一套完整的建筑物模型重建的技术方案,包括数据预处理、多测站点云数据配准、点云面片分割、模型重建等步骤。具体内容如下:（1）数据预处理。目的是对高密度的地面激光扫描原始点云数据进行八叉树组织管理,提出栅格去噪算法滤除原始点云数据中的孤立点集和孤立栅格点集。该算法针对TLS数据的特点,有效识别原始采集数据中孤立噪音和建筑物周边包括树木、行人、车辆等障碍物点云集,滤除这些噪音以实现后续精确建模。（2）多测站点云数据配准。研究基于点云数据几何特征的预配准和基于ICP算法的精确配准。针对地面激光扫描数据的特征,优化相关参数,得到精确配准的目标建筑物的整体点云数据模型。（3）点云面片分割。采用基于区域生长的分割算法对建筑物整体点云数据进行面片分割,针对TLS数据的特点,计算点云密度,通过优化邻域半径、平滑系数、曲率系数等参数达到点云面片分割目的。采用基于参数模型的分割算法对高密度复杂建筑物点云数据进行面片分割,针对TLS数据特点,调整优化包围盒距离阈值、包围盒宽位图分辨率、法向量偏移余弦阈值等分割参数达到点云面片分割目的。（4）点云面片规则化算法。提出基于最小二乘法和RANSAC的点云面片规则化算法。从分割出的点云面片数据,提取边界点云,应用拟合最佳平面、拟合直线段、连通性分析离散不连通线段、规则化离散线段流程,拟合高精度的规则多边形。（5）基于知识的重建方法。依据点云面片的语义特征,通过统计面片的面积、位置、法向量、拓扑关系等几何特征将面片分为地面、墙体、窗户、门洞、屋顶、台阶及其他等7类,制定后续模型重建策略。
朱红艳[7]（2019）在《基于无人机低空遥感的油菜表型信息获取方法研究》文中提出田间作物表型信息是农作物品质、生长信息的直观表现,是影响作物生产管理决策的重要因素。实时、高效、准确获取大尺度农田作物的表型信息可以为现代农业信息化精准管理、水肥药高效管理和精准施用提供依据,同时也对作物育种及生长信息快速准确识别提供支持。无人机低空遥感平台凭借高时空分辨率、低成本、机动灵活、适合复杂农田环境等优势,成为获取田间作物表型信息的新兴手段。因此,本研究围绕无人机低空遥感对作物表型信息获取的关键技术,以种植广泛、经济价值高的油菜为研究对象,通过设置不同氮肥梯度的油菜田间试验,结合图像和光谱预处理方法,提出了优选植被指数和优选特征波长等多种数据挖掘算法和机器学习算法,选出对油菜表型信息最敏感的植被指数和特征波长,建立了稳健的油菜花数目、油菜氮素（SPAD）、叶面积指数和产量的遥感定量模型,增加了预测模型的准确性和鲁棒性,为精细农业高通量作物表型信息获取提供了理论基础和技术支撑,对我国作物估产和育种信息的高通量检测具有重要的指导意义。主要研究内容和成果如下:（1）基于开发的RGB和多光谱成像融合的微小型无人机遥感系统,从图像分割、植被指数提取等多角度对数据进行挖掘,实现了多源信息融合,建立了稳健的油菜花数目预测模型。（1）提出了一套对无人机低空遥感多光谱图像进行拼接处理的流程:遗传算法拟合高斯曲面校正渐晕-尺度不变特征转换算法提取特征-随机抽样一致性算法剔除误匹配点-拉普拉斯金字塔图像融合。（2）采用机器学习（反向传播神经网络BPNN、支持向量机SVM、K均值聚类K-means）和RGB阈值等多种方法实现了油菜花的图像分割,其中最优方法是基于CIELAB颜色空间的K-means算法。（3）基于多种机器学习算法分别对RGB相机、多光谱相机、双传感器建立了线性（多元线性回归MLR、偏最小二乘回归PLSR）和非线性（BPNN、最小二乘支持向量机LS-SVM、极限学习机ELM）的油菜花数预测模型。基于双传感器融合的变量参数（窄波段植被指数,颜色植被指数和油菜花覆盖区域像素数）建立的回归分析模型优于只依赖多光谱相机或RGB相机建立的模型,且均取得了很好的预测效果,Rpre均大于0.89,BPNN效果最优(预测集相关系数Rpre=0.9359,预测集均方根误差RMSEP=17.25)。（4）采用遗传算法对变量重要性进行排序以改进和简化油菜花数的估测模型,简化后BPNN模型预测效果最好(Rpre=0.9383,RMSEP=14.81)。（2）利用微小型无人机多光谱遥感系统、UHD185高光谱遥感系统和多种机器学习算法,构建了油菜氮素（SPAD）和叶面积指数（LAI）定量预测模型。结果表明:25波段多光谱遥感系统,（1）基于全波段对SPAD和LAI分别建立了线性（MLR和PLSR）和非线性（LS-SVM、BPNN、ELM和径向基函数神经网络RBFNN）预测模型,SPAD和LAI的最优预测模型分别为ELM(Rpre=0.8593,RMSEP=0.7798)和BPNN(Rpre=0.8016,RMSEP=0.4579)。（2）通过相关系数等势图确定对SPAD和LAI预测敏感的最优植被指数组合,并利用不同机器学习算法和特征植被指数建立SPAD和LAI预测模型,其中SPAD和LAI的最优预测模型分别为ELM(Rpre=0.8296,RMSEP=0.8627)和BPNN(Rpre=0.7416,RMSEP=0.5134)。UHD185高光谱遥感系统,（3）通过连续投影算法（SPA）、遗传算法（GAPLS）、无信息变量消除算法（UVE）和SPA结合、竞争性自适应加权采样（CARS）和随机蛙跳（RF）筛选特征波长减少冗余变量,提高模型的预测能力。基于特征波长的多变量建模优于基于全谱建模结果,SPAD最优的预测模型为CARS-BPNN(Rpre=0.9146,RMSEP=0.5973);LAI最优的预测模型为RF-BPNN(Rpre=0.9152,RMSEP=0.1970)。（4）用相关性分析和单因素方差分析探索适用于油菜SPAD和LAI预测的最佳植被指数,并基于组合植被指数和不同机器学习算法建立SPAD和LAI预测模型,其中SPAD最优模型为ELM(Rpre=0.8974,RMSEP=0.5596),LAI的最优预测模型为BPNN(Rpre=0.8699,RMSEP=0.2265)。综上,UHD185高光谱遥感系统建立的最优模型(SPAD:Rpre=0.9146;LAI:Rpre=0.9152)均优于25波段多光谱遥感系统(SPAD:Rpre=0.8593;LAI:Rpre=0.8016),证明无人机搭载UHD185高光谱成像仪可以获取大量窄波段且连续的油菜高光谱影像,因而能够更加全面的呈现出油菜特有的光谱特性,在农业定量遥感中具有广泛的应用潜力。（3）应用RGB和多光谱成像融合的微小型无人机遥感系统,通过多源信息融合,实现了对油菜产量的定量预测。结果表明:（1）基于多光谱全波段建立的回归分析模型（PLSR、MLR、LS-SVM、BPNN、ELM和RBFNN）效果均较好,Rcal和Rpre均大于0.78。最优预测模型为BPNN(Rpre=0.8232,RMSEP=166.9 kg/hm2);（2）用相关性分析和单因素方差分析探究适用于油菜估产的最佳植被指数组合,并结合不同机器学习算法建立油菜产量预测模型。基于多光谱相机和RGB相机融合的植被指数建立的回归分析模型(RBFNN:Rpre=0.8143,RMSEP=171.9 kg/hm2)优于只依赖多光谱相机的窄波段植被指数建立的估产模型(BPNN:Rpre=0.7655,RMSEP=188.3 kg/hm2)。（3）采用遗传算法来选择最优波长组合或最优植被指数组合。基于最优波长组合建立的油菜估产模型BPNN效果最好(Rpre=0.8114,RMSEP=172.6 kg/hm2);基于最优植被指数组合建立的ELM效果最好(Rpre=0.8118,RMSEP=170.9 kg/hm2)。因此,以上研究证明利用基于RGB和25波段多光谱成像融合的微小型无人机遥感系统对油菜产量预测的可行性,及这套系统在精细农业高通量植物表型和先进育种项目的巨大潜力。（4）基于无人机平台搭载的UHD185高光谱成像系统、Gaia Sky-mini高光谱成像系统获得油菜角果期遥感影像,利用波长选择算法,植被指数优选和机器学习算法,得到了最优的油菜估产模型。结果表明:（1）比较多种预处理方法对光谱特征的影响,小波变换为最优的光谱预处理方法;（2）用SPA、GAPLS、UVE、UVE-SPA、加权回归系数法BW、二阶导数2-Der、CARS和RF八种特征波长选择方法对全谱数据进行降维,相对于全谱,利用包含关键信息的特征波长进行预测具有更好的鲁棒性,优于全谱预测结果。其中GAPLS、CARS、RF及UVE-SPA四种特征波段选择方法较好,ELM回归分析模型预测效果较优。UHD185最优估产模型为CARS-ELM(Rpre=0.8122,RMSEP=170.4 kg/hm2);而基于Gaia Sky-mini最优估产模型为RF-ELM(Rpre=0.8227,RMSEP=166.4 kg/hm2)。（3）用相关性分析和单因素方差分析探索对油菜产量估测敏感的植被指数,建立单一植被指数和组合植被指数的估产模型,后者建立的模型更稳定,效果更好。从总体来看,Gaia Sky-mini基于组合植被指数建立的估产模型(LS-SVM:Rpre=0.8170,RMSEP=172.5 kg/hm2)优于UHD185系统(ELM:Rpre=0.7674,RMSEP=187.6 kg/hm2)。综上,UHD185和Gaia Sky-mini两种无人机高光谱遥感系统利用油菜角果期图像数据均取得了很好的预测结果(UHD185:Rpre=0.8122;Gaia Sky-mini:Rpre=0.8227),其中Gaia Sky-mini的定量估产模型稍优于UHD185。以上研究成果探明了RGB相机和多光谱相机融合的微小型无人机遥感系统及无人机高光谱遥感系统在农田地块（植株、群体）尺度对油菜表型信息获取的巨大优势。本研究提出了无人机遥感图像采集-图像拼接处理-特征植被指数或特征波长提取-机器学习算法建模预测的技术路径,为精细农业提供了一套一体化的无人机作物遥感信息获取解决方案。
王国杰[8]（2019）在《基于摄像头的超长纸带图像扫描系统设计》文中研究表明随着社会发展的需求,扫描仪成为了人们在学习场所、办公场所不可或缺的辅助工具,扫描仪的种类也越来越多样化。但是现存扫描仪的设计都是针对特定扫描幅面完成的,无法实现持续扫描和多幅面化扫描,扫描系统的设计组成也比较复杂,价格也比较昂贵,所以设计一款针对多幅面、持续扫描的扫描系统具有很重要的意义。因此本文提出了一种基于摄像头的超长纸带图像扫描系统。随着摄像头的发展,摄像头的分辨率越来越高,价格也比较低廉。图片拼接技术越来越成熟,单片机的控制越来越成熟。以上技术的发展为本文的设计提供了必要的条件。根据本次设计要实现的功能,在查阅大量文献材料的基础上,提出了本次设计的方案和主要研究内容,并对本文中要使用的关键技术做了详细的介绍。按照设计方案,首先选取合适的摄像头作为图像扫描工具,利用摄像头的拍照功能进行间隔行拍照。接着根据方案需求设计一种送纸机械装置,实现对纸带图像的持续传输。按照设计要求,设计的传纸平台宽度能够满足多种幅宽纸带图像的传动。然后选取Arduino控制器作为硬件系统端的控制核心,编写相应的控制程序,控制送纸装置的直流电机的工作状态,以及装置内部的光源LED灯,最后利用Visual Studio2015开发软件编写了上位机程序,通过串口控制摄像头对传动纸带间隔性拍照并保存,通过串口向Arduino控制器发送指令,控制直流电机和LED灯工作,最后通过上位机端程序对摄像头拍摄的图像图片进行处理,完成拼接。本文设计的扫描仪可以实现对超长不同幅宽纸带图像的扫描,在一定程度上可以弥补现存扫描仪的弊端,但是还存在一些缺陷。
沈阳[9]（2019）在《基于同心球镜的超大视场光学系统研究》文中研究说明随着光电成像技术的发展,为了获取更大空间范围以及更多目标特性信息,光学遥感系统逐步向超大视场、多谱段探测的方向发展。有效解决超大视场成像的像差优化问题并实现多谱段探测是光学遥感系统的研究重点。本文以超大视场光学系统的典型应用场景—海洋水色遥感作为研究背景,针对海洋水色遥感对超大视场的需求,结合海洋水色遥感的发展趋势以及当前海洋水色遥感超大视场光学系统面临的全视场地元分辨率差距过大的问题,对同心多尺度系统进行了研究,提出基于同心球镜的新型超大视场分布式多焦距多尺度光学系统。根据海洋水色遥感的应用谱段,论文选择了可见光近红外波段和长波红外两个波段,在可见光近红外波段提出了基于同心球透镜的分布式多焦距多尺度系统,在长波红外波段提出了基于球面反射镜/同心双球面反射镜的分布式多焦距多尺度系统。新系统具有110°的超大视场、全视场残余像差小、成像质量一致、全视场畸变优于2%、不存在运动部件的特点,且全视场分辨率差距缩小到传统系统的50%以内;并对基于同心球透镜的超大视场分布式多焦距多尺度系统进行了成像试验验证,结果表明光学系统成像质量良好。论文以基于同心球镜的分布式多焦距同心多尺度光学系统为研究对象,主要工作及创新点如下:（1）提出了基于同心球镜的超大视场分布式多焦距多尺度光学系统,系统具有的110°超大视场、优于2%的畸变、子系统呈视场分布式排列、无运动部件、不需要扫描机构等特点适用于海洋水色遥感光学探测。详细论述了传统多尺度系统应用于海洋水色遥感面临的问题、新型多尺度系统的选型依据,以及视场分布式多焦距系统缩小全视场分辨率差距的策略。（2）提出了超大视场分布式多焦距多尺度系统的像差补偿方法,解决了在入瞳直径与视场同时变化时像差补偿问题;提出了针对该系统的参数优化方法,解决了不同子系统之间成像视场与焦距差距过大的问题。在像差方法中提出,每一个子系统的中心视场与其入瞳面垂直,不同子系统的偏心倾斜同时补偿视场与入瞳位置偏离中心位置引起的低阶像差,不同子系统的光学结构同时补偿视场与入瞳直径本身引起的高阶像差;在参数优化方法中,论述了采用6个通道覆盖全视场并采用像元合并的策略,将通道之间的焦距差缩小至1.5倍以内,视场差距缩小到6.2°以内,最终全系统分辨率差距缩小到传统方案的50%以内。（3）构建了适用于可见光、近红外波段的基于同心球透镜的伽利略型视场分布式多焦距多尺度系统;基于新型多尺度系统的研究,完成了基于同心球透镜的分布式成像原理样机及成像试验;针对基于同心球透镜的多尺度系统定心装配的难题,提出了一种高精度定心装调方法。系统设计中详细论述了球透镜的像差补偿与参数求解原理,指出了系统设计过程中与传统多尺度系统的不同之处;原理样机设计中详细论述了原理样机系统的参数设计、成像质量评估、系统公差分析、原理样机制造以及成像试验;定心装调方法中详细论述了定心装调方法的工作原理,构建了一种高精度对心仪,并提出了基于该定心仪的对心装调方法。（4）提出了基于球面反射镜的折反式分布式多焦距多尺度光学系统,构建了一种新的多尺度系统型式,并将多尺度系统推广到长波红外波段。系统采用球面反射镜/同心双球面反射镜作为共用元件,并针对不同的系统型式构建了三种系统构型:基于单球面反射镜的同轴偏视场系统、基于单球面反射镜的偏心离轴系统和基于同心双球面反射镜的离轴偏心系统。详细论述了三种系统的像差补偿与参数求解原理,总结了系统的设计思路,并从系统的总体尺寸、成像性能、工程实现以及多谱段扩展前景等方面进行了详细的比较,认为基于同心双球面反射镜的离轴偏心系统更有优势。
孙佳嵩[10]（2019）在《基于傅立叶叠层成像的大视场高分辨率定量相位显微成像方法研究》文中研究表明大视场高分辨率成像与定量相位成像是光学显微成像和生命科学领域的两项重要研究课题。以传统光学显微成像方法为基础,近年来发展出的“计算光学显微成像”技术为同时实现大视场高分辨率成像和定量相位成像提供了新的思路和理论,其中最具代表性的就是傅立叶叠层成像方法。本文系统的研究了傅立叶叠层成像方法的相关理论,针对目前尚存的几个关键问题提出了解决方案,进一步提高了测量精度、成像效率以及成像通量,实现了毫米级成像视场、亚微米级空间分辨率和毫秒级时间分辨率的动态定量相位显微成像。本文主要工作和创新点:（1）提出了一种基于自适应更新步长的迭代重构算法,解决了重构算法在有噪声情况下的准确求解问题。对凸问题的最优化迭代求解的收敛性进行了数学证明,对已有的傅立叶叠层成像最优化求解算法进行了分类和总结,并分析了全局梯度法和增量梯度法在有噪声情况下的收敛特性和收敛的充要条件,最后以此为基础提出了更新步长自适应缩小的增量梯度求解算法,在保证最快的收敛速度和计算效率的前提下,显着提升了在有噪声情况下系统的成像质量和重构精度。（2）提出了一种基于模拟退火法和非线性回归的LED（Light-Emitting Diode,发光二极管）定位误差校正方法。在分析了常见的系统误差对重构结果影响的基础上,针对其中影响最大、也最为关键的LED定位误差进行了数学建模,然后以重构误差代价函数最小化为目标,利用模拟退火法和非线性回归算法求解出整个LED阵列的四项全局定位参数。相比传统的全局模拟退火法,本方法由于使用了局部明场的初始搜索校正和非线性回归,所以能够将LED定位误差的校正速度提升3倍以上。（3）提出了一种针对傅立叶叠层成像方法的空频域最优采样率标准。针对传统傅立叶叠层成像技术需要采集大量冗余信息而导致的测量效率低的问题,分析了傅立叶叠层成像方法对采样率和冗余度的最低要求,提出了空频域最优采样率标准,并以此为基础提出了一种基于照明角度降采样的傅立叶叠层成像方法,该方法能够从冗余度最低的原始低分辨率图像中恢复出最多的高分辨率信息,从而将成像速度提升2倍以上,同时也为设计傅立叶叠层成像系统和选择最佳的系统参数提供了指导。（4）设计并构建了一种基于LED可编程聚光镜的高通量傅立叶叠层成像系统。使用低倍物镜,在保证成像视场大小的前提下,利用基于LED阵列的油浸聚光镜可以使照明数值孔径提升到1.2。另外,为了保证高通量重构时的重构精度,将高密度LED阵列安装于聚光镜的前焦面以满足最佳频域采样率和数据冗余度。该系统首次实现了使用10倍显微物镜达到1.6的合成数值孔径和最高154nm的半宽分辨率,即在相同成像分辨率条件下将空间带宽积提升了近50倍。（5）提出了两种基于傅立叶叠层成像的高速动态定量相位显微成像方法。首次对傅立叶叠层成像的光学传递函数进行了精确建模,然后利用照明角度内切于物镜数值孔径时相位传递函数能够覆盖所有低频信息成分的特性,提出了基于环形照明的高速傅立叶叠层成像技术,只使用4到12幅明场图像就能获得物体高精度的相位分布,最高帧率可达25帧/秒。此外还提出了基于颜色复用的单帧傅立叶叠层成像技术,使用三个不同颜色、照明角度内切于物镜数值孔径的LED同时照明物体,然后从单帧彩色明场图中恢复物体高精度的相位分布,动态相位成像帧率达到50帧/秒。
二、应用CCD拼接技术的高分辨率图像扫描仪设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、应用CCD拼接技术的高分辨率图像扫描仪设计（论文提纲范文）
（1）基于点线特征结合的大视场机载摆扫红外影像配准研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景与意义 |
| 1.2 影像配准的研究现状及分析 |
| 1.2.1 基于区域(灰度)的配准方法 |
| 1.2.2 基于特征的配准方法 |
| 1.3 本文的研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文组织结构 |
| 2.大视场机载摆扫红外扫描仪介绍与影像配准算法思路 |
| 2.1 大视场机载摆扫红外扫描仪介绍 |
| 2.1.1 大视场机载摆扫红外扫描仪构造 |
| 2.1.2 大视场机载摆扫红外扫描仪成像特点 |
| 2.1.3 多波段影像数据 |
| 2.2 配准算法思路与流程 |
| 2.2.1 波段影像配准 |
| 2.2.2 拼接红外影像与正射影像配准 |
| 2.3 本章小结 |
| 3.基于相位一致性的点特征匹配方法研究 |
| 3.1 相位一致性原理 |
| 3.1.1 相位一致性与局部能量 |
| 3.1.2 基于Log-Gabor小波的相位一致性计算 |
| 3.2 基于相位一致性的点特征提取与筛选 |
| 3.2.1 相位最小矩提取角点特征 |
| 3.2.2 相位最大矩提取边缘图 |
| 3.2.3 基于结构属性的角点筛选 |
| 3.3 基于相位一致性的点特征描述与匹配 |
| 3.3.1 特征描述符的构建 |
| 3.3.2 特征匹配与粗差剔除 |
| 3.4 本章小结 |
| 4.基于点线特征结合的影像配准方法研究 |
| 4.1 基于LSD算法的直线提取 |
| 4.1.1 影像下采样处理 |
| 4.1.2 梯度计算 |
| 4.1.3 区域增长与外接矩估计 |
| 4.1.4 生成直线 |
| 4.2 基于几何约束确定同名直线 |
| 4.2.1 点特征匹配建立几何约束 |
| 4.2.2 同名直线匹配 |
| 4.3 同名直线配准 |
| 4.4 本章小结 |
| 5.实验与分析 |
| 5.1 影像配准评价标准 |
| 5.2 不同波段大视场红外扫描仪影像配准 |
| 5.2.1 实验影像介绍 |
| 5.2.2 实验结果与分析 |
| 5.3 拼接红外影像与正射影像DOM配准 |
| 5.3.1 实验影像介绍 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小结 |
| 6.总结和展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻硕期间发表的与学位论文相关的科研成果目录 |
| 致谢 |
（2）多传感器集成的隧道病害检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 隧道检测技术的研究现状 |
| 1.2.1 国外隧道检测技术的研究现状 |
| 1.2.2 国内隧道检测技术的研究现状 |
| 1.3 研究方法 |
| 1.4 研究内容 |
| 1.5 章节安排 |
| 第二章 多传感器集成测量方法 |
| 2.1 隧道结构及隧道病害特征分析 |
| 2.1.1 隧道结构的介绍 |
| 2.1.2 隧道结构的分类 |
| 2.1.3 隧道病害的分类 |
| 2.2 多传感器测量的原理 |
| 2.3 隧道测量传感器 |
| 2.3.1 CCD光学传感器 |
| 2.3.2 激光雷达传感器 |
| 2.3.3 红外相机 |
| 2.3.4 定位定姿系统 |
| 2.4 多传感器测量方案设计 |
| 2.5 多传感器的标定方案设计 |
| 2.5.1 多传感器标定原理 |
| 2.5.2 单传感器标定方法 |
| 2.5.3 多传感器联合标定方法 |
| 2.6 多传感器测量的实现 |
| 2.7 本章小结 |
| 第三章 隧道点云数据重建方法 |
| 3.1 点云数据处理基本原理 |
| 3.1.1 点云数据介绍 |
| 3.1.2 点云数据配准及常用算法 |
| 3.1.3 点云三维重建以及Delaunay算法 |
| 3.2 隧道三维模型建模前的分析 |
| 3.2.1 隧道点云数据的构成 |
| 3.2.2 隧道点云数据分析 |
| 3.3 隧道点云数据的预处理 |
| 3.4 隧道单断面数据的处理 |
| 3.5 隧道多断面数据的处理 |
| 3.6 隧道三维重建 |
| 3.7 本章小结 |
| 第四章 隧道衬砌序列图像拼接方法 |
| 4.1 隧道衬砌序列图像拼接前的分析 |
| 4.2 隧道序列图像数据的预处理 |
| 4.3 图像配准的基本概念 |
| 4.3.1 图像配准概述 |
| 4.3.2 图像配准的定义 |
| 4.3.3 图像配准空间变换模型 |
| 4.4 隧道图像拼接的方法 |
| 4.4.1 图像配准的基本方法 |
| 4.4.2 基于几何原理的全局配准 |
| 4.4.3 基于图像特征的局部配准 |
| 4.4.4 序列图像拼接 |
| 4.5 病害检测应用 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（3）隧道表观病害快速检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 隧道快速检测的意义 |
| 1.2 隧道快速检测技术研究现状 |
| 1.2.1 隧道表观病害测量技术 |
| 1.2.2 隧道衬砌裂缝识别方法 |
| 1.2.3 隧道变形检测方法 |
| 1.2.4 目前存在的问题 |
| 1.3 主要研究内容和组织结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文组织结构 |
| 第2章 隧道快速测量技术框架与关键技术 |
| 2.1 隧道快速测量技术框架 |
| 2.1.1 面临的技术难题 |
| 2.1.2 技术路线 |
| 2.1.3 技术指标要求 |
| 2.1.4 坐标参考系统 |
| 2.2 多源数据融合定位定姿方法 |
| 2.2.1 方法概述 |
| 2.2.2 基于扩展卡尔曼滤波的融合框架 |
| 2.2.3 Li DAR/DMI辅助惯性定位定姿 |
| 2.3 大断面衬砌影像测量方法 |
| 2.3.1 测量原理 |
| 2.3.2 数据质量评估 |
| 2.3.3 序列影像拼接 |
| 2.4 移动三维激光测量方法 |
| 2.4.1 激光雷达三维测量原理 |
| 2.4.2 移动三维激光测量 |
| 2.4.3 误差分析 |
| 2.5 本章小结 |
| 第3章 基于Link Crack的隧道衬砌裂缝识别 |
| 3.1 隧道衬砌裂缝识别难点 |
| 3.1.1 衬砌裂缝图像复杂特征 |
| 3.1.2 衬砌裂缝完整识别的挑战 |
| 3.2 卷积神经网络与语义分割 |
| 3.2.1 卷积神经网络 |
| 3.2.2 语义分割与裂缝识别 |
| 3.2.3 多尺度语义融合策略 |
| 3.3 Link Crack网络设计 |
| 3.3.1 方法概述 |
| 3.3.2 网络结构设计 |
| 3.3.3 空间约束 |
| 3.3.4 损失函数 |
| 3.4 实验与分析 |
| 3.4.1 数据集 |
| 3.4.2 评价指标 |
| 3.4.3 实验设置 |
| 3.4.4 平衡参数λ的影响 |
| 3.4.5 Link Crack的整体性能 |
| 3.5 本章小结 |
| 第4章 基于细节点云模型的隧道变形检测 |
| 4.1 方法概述 |
| 4.1.1 地铁盾构隧道点云 |
| 4.1.2 技术路线 |
| 4.1.3 相关坐标系 |
| 4.2 隧道断面点云提取 |
| 4.2.1 点云预处理 |
| 4.2.2 中轴线提取 |
| 4.2.3 细节点云建模 |
| 4.2.4 断面提取 |
| 4.3 隧道断面变形检测 |
| 4.3.1 模型配准 |
| 4.3.2 偏差值计算 |
| 4.3.3 变形指标计算 |
| 4.4 实验结果与分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 隧道快速检测技术应用 |
| 5.1 隧道快速检测装备 |
| 5.1.1 公路隧道快速检测装备 |
| 5.1.2 地铁隧道综合检测装备 |
| 5.2 公路隧道检测应用 |
| 5.2.1 公路隧道技术状况评定 |
| 5.2.2 工程实例 |
| 5.3 地铁隧道检测应用 |
| 5.3.1 地铁隧道变形监测 |
| 5.3.2 工程实例 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 指导教师对研究生学位论文的学术评语 |
| 答辩委员会决议书 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
（4）粗骨料棱角性、表面纹理测量方法及实验对比研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文研究内容 |
| 第2章 粗骨料形态高效测量平台的软硬件设计及对比 |
| 2.1 粗骨料形态高效测量平台的硬件设计 |
| 2.1.1 测量平台的硬件结构 |
| 2.1.2 关键器件的选型 |
| 2.2 粗骨料形态高效测量平台的软件设计 |
| 2.2.1 步进电机及螺旋杆的运动控制过程 |
| 2.2.2 测量平台的软件控制过程及界面显示 |
| 2.3 粗骨料形态高效测量平台的对比 |
| 2.4 本章小结 |
| 第3章 粗骨料棱角性及表面纹理表征方法的研究 |
| 3.1 粗骨料三维棱角性表征方法的研究 |
| 3.1.1 粗糙度法 |
| 3.1.2 球面度法 |
| 3.1.3 拟合椭球法 |
| 3.2 粗骨料二维棱角性表征方法的研究 |
| 3.2.1 拟合椭圆法 |
| 3.2.2 外接圆法 |
| 3.2.3 凸多边形法 |
| 3.3 粗骨料三维测量表面纹理表征方法的研究 |
| 3.3.1 Z平面体积差法 |
| 3.3.2 三维分形维数法 |
| 3.3.3 面算术平均高度法 |
| 3.4 粗骨料二维测量表面纹理表征方法的研究 |
| 3.4.1 凸度法 |
| 3.4.2 二维分形维数法 |
| 3.4.3 线算术平均高度法 |
| 3.5 本章小结 |
| 第4章 粗骨料棱角性及表面纹理表征方法的实验研究 |
| 4.1 粗骨料实验方案设计 |
| 4.1.1 粗骨料洛杉矶磨耗实验 |
| 4.1.2 粗骨料空隙率实验 |
| 4.2 粗骨料三维棱角性表征方法的实验研究 |
| 4.2.1 三维棱角性与磨耗时间的相关性分析 |
| 4.2.2 三维棱角性与空隙率的相关性分析 |
| 4.2.3 三维棱角性与球形度的相关性分析 |
| 4.3 粗骨料二维棱角性表征方法的实验研究 |
| 4.3.1 拟合椭圆法的实验验证 |
| 4.3.2 二维棱角性表征方法的对比实验研究 |
| 4.3.3 不同仪器测量二维棱角性的对比实验研究 |
| 4.3.4 二维与三维棱角性表征方法的对比实验研究 |
| 4.4 粗骨料三维测量表面纹理表征方法的实验研究 |
| 4.5 粗骨料二维测量表面纹理表征方法的实验研究 |
| 4.6 本章小结 |
| 第5章 基于骨料形态的自然堆积空隙率预测模型的构建 |
| 5.1 形态参数选取 |
| 5.2 仿真参数设置及异形颗粒构建 |
| 5.3 神经网络预测模型的构建 |
| 5.4 空隙率预测结果分析 |
| 5.4.1 BP神经网络与Elman神经网络预测结果分析 |
| 5.4.2 预测空隙率的修正 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（5）内窥式光学相干断层成像及其在上消化道的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 生物光子学简介 |
| 1.2 生物医学(光学)成像简介 |
| 1.3 光学相干断层成像及其应用简介 |
| 1.3.1 光学相干断层成像简介 |
| 1.3.2 OCT发展历史 |
| 1.3.3 内窥式(Endoscopic)OCT研究现状 |
| 1.4 选题背景和研究内容与贡献 |
| 1.5 论文总体结构 |
| 参考文献 |
| 第二章 光学相干断层成像理论和系统构成 |
| 2.1 OCT简介 |
| 2.2 时域OCT原理 |
| 2.3 频域OCT原理 |
| 2.3.1 SD-OCT |
| 2.3.2 SS-OCT |
| 2.4 OCT重要参数 |
| 2.4.1 分辨率 |
| 2.4.2 色散 |
| 2.4.3 成像深度 |
| 2.4.4 信噪比和灵敏度 |
| 2.4.5 深度相关的sensitivity(roll-off) |
| 2.5 频域OCT系统构成 |
| 2.5.1 频域OCT的光源 |
| 2.5.2 频域OCT的干涉仪 |
| 2.5.3 频域OCT的探测器 |
| 2.6 本章小结 |
| 参考文献 |
| 第三章 频域OCT信号建模和数值仿真 |
| 3.1 引言 |
| 3.2 离散化信号采样对FD-OCT的影响 |
| 3.3 FD-OCT信号的IDFT实现 |
| 3.3.1 FD-OCT信号的IDFT仿真 |
| 3.3.2 FD-OCT频域信号的k线性对分辨率的影响 |
| 3.3.3 FD-OCT信号roll-off的仿真 |
| 3.3.4 光在介质中的色散对OCT纵向分辨率的影响 |
| 3.4 本章小结 |
| 参考文献 |
| 第四章 基于FD-OCT的层析衰减系数计算方法 |
| 4.1 引言 |
| 4.2 衰减系数估算方法模型 |
| 4.2.1 现有方法的估算误差分析 |
| 4.2.2 无高估误差的层析衰减系数计算方法 |
| 4.3 成像系统及实验方法 |
| 4.3.1 SS-OCT成像系统 |
| 4.3.2 纵向点扩散函数(PSF)矫正方法 |
| 4.3.3 仿体制备方法和体外成像步骤 |
| 4.4 实验结果及讨论分析 |
| 4.4.1 数值仿真结果 |
| 4.4.2 仿体实验结果 |
| 4.4.3 人体舌腹白斑实验结果 |
| 4.5 本文算法的鲁棒性推导 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 超紧凑型手持式前向扫描OCT探头 |
| 5.1 引言 |
| 5.2 低价、超紧凑手持式前向扫描探头设计 |
| 5.2.1 光学设计 |
| 5.2.2 机械设计 |
| 5.3 成像装置及实验方法 |
| 5.3.1 1300 nm快速扫频SS-OCT系统 |
| 5.3.2 人体试验方法和数据采集 |
| 5.4 人体实验结果及讨论分析 |
| 5.4.1 在体牙龈和口腔粘膜成像实验 |
| 5.4.2 舌腹白斑的成像实验 |
| 5.4.3 在体口腔溃疡成像实验 |
| 5.4.4 在体牙齿成像实验 |
| 5.4.5 在体面部皮肤成像实验 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 超高分辨率侧向扫描OCT胶囊 |
| 6.1 引言 |
| 6.2 侧向扫描胶囊内窥探头设计 |
| 6.2.1 光学和机械设计以及装配 |
| 6.2.2 色差矫正评估 |
| 6.2.3 散光评估 |
| 6.3 成像装置及实验方法 |
| 6.3.1 800 nm超高分辨率OCT系统 |
| 6.3.2 离体动物实验方法 |
| 6.3.3 在体动物实验方法 |
| 6.3.4 内窥镜OCT激光消融标记设置 |
| 6.4 实验结果及讨论分析 |
| 6.4.1 离体猪食道的成像 |
| 6.4.2 活体羊食道成像和激光标记 |
| 6.5 本章小结 |
| 参考文献 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 展望 |
| 致谢 |
| 作者简介 |
| 作者简历 |
| 学习经历 |
| 成果清单 |
（6）基于地面激光点云数据的建筑物模型自动化重建研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 缩略词注释 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状及问题 |
| 1.2.1 数据预处理研究现状及问题 |
| 1.2.2 多测站点云数据配准现状及问题 |
| 1.2.3 点云面片分割研究现状及问题 |
| 1.2.4 模型重建研究现状及问题 |
| 1.3 主要研究内容和技术路线 |
| 1.4 论文组织结构安排 |
| 第2章 地面激光雷达扫描原理和点云数据特征 |
| 2.1 地面激光雷达扫描系统 |
| 2.1.1 扫描测距原理及系统构成 |
| 2.1.2 TLS数据采集作业流程 |
| 2.2 激光点云数据特征 |
| 2.2.1 点云几何特征 |
| 2.2.2 点云光谱特征 |
| 2.3 激光点云数据的组织管理和去噪算法 |
| 2.3.1 激光点云数据的邻域和查找算法 |
| 2.3.2 基于八叉树组织的栅格去噪算法 |
| 2.4 本章小结 |
| 第3章 多测站点云数据配准 |
| 3.1 点云数据配准技术综述 |
| 3.1.1 点云配准基本数学模型 |
| 3.1.2 点云配准转换参数求解算法 |
| 3.1.3 目标函数与分析 |
| 3.2 基于点云数据几何特征的预配准 |
| 3.2.1 预配准中的点云几何特征与求解 |
| 3.2.2 常用的几何特征描述算子 |
| 3.3 基于ICP及其改进算法的点云数据精确配准 |
| 3.3.1 ICP配准算法概述及其流程 |
| 3.3.2 经典ICP配准算法的不足及改进策略 |
| 3.3.3 点云数据配准实验与分析 |
| 3.4 本章小结 |
| 第4章 点云数据面片分割 |
| 4.1 点云数据分割概述 |
| 4.2 点云数据分割算法 |
| 4.2.1 基于点云光谱信息的分割算法 |
| 4.2.2 基于点云几何特征的分割算法 |
| 4.3 点云数据分割实验与分析 |
| 4.4 本章小结 |
| 第5章 边界规则化与模型自动化重建 |
| 5.1 建筑物模型重建方案 |
| 5.1.1 基于三维软件的建筑物重建 |
| 5.1.2 基于影像的建筑物重建 |
| 5.1.3 基于激光点云的建筑物重建 |
| 5.2 基于面片点云数据的边界规则化与面片语义分类重建策略 |
| 5.2.1 建筑物立面重建中的先验知识 |
| 5.2.2 点云面片边界规则化 |
| 5.2.3 点云面片语义分类 |
| 5.2.4 基于面片语义特征的模型重建策略 |
| 5.3 模型自动化重建实验与分析 |
| 5.3.1 点云面片数据规则化实验与分析 |
| 5.3.2 建筑物整体模型重建实验与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要工作和结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（7）基于无人机低空遥感的油菜表型信息获取方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 无人机遥感系统概述 |
| 1.2.1 无人机平台 |
| 1.2.2 机载传感器 |
| 1.3 无人机遥感作物表型信息获取研究现状 |
| 1.3.1 无人机搭载RGB相机在作物表型信息获取中的应用 |
| 1.3.2 无人机搭载多光谱或高光谱相机在作物表型信息获取中的应用 |
| 1.4 无人机遥感作物表型信息获取存在的问题 |
| 1.5 研究内容和技术路线 |
| 1.6 本章小结 |
| 第二章 材料与方法 |
| 2.1 试验材料 |
| 2.1.1 试验品种 |
| 2.1.2 田间试验设计 |
| 2.2 实验仪器 |
| 2.2.1 基于RGB和多光谱成像融合的微小型无人机遥感系统 |
| 2.2.2 Cubert UHD185无人机高光谱遥感系统 |
| 2.2.3 Gaia Sky-mini无人机高光谱遥感系统 |
| 2.2.4 SPAD-502型叶绿素仪 |
| 2.2.5 LAI-2200C植物冠层分析仪 |
| 2.3 遥感图像的获取和处理 |
| 2.3.1 无人机飞行参数设置 |
| 2.3.2 低空多光谱遥感图像拼接 |
| 2.4 光谱预处理方法 |
| 2.4.1 平滑算法 |
| 2.4.2 变量标准化 |
| 2.4.3 多元散射校正 |
| 2.4.4 去趋势算法 |
| 2.4.5 导数处理 |
| 2.4.6 小波变换 |
| 2.5 特征变量选择算法 |
| 2.5.1 连续投影算法 |
| 2.5.2 加权回归系数 |
| 2.5.3 遗传算法 |
| 2.5.4 无信息变量消除算法 |
| 2.5.5 导数光谱 |
| 2.5.6 竞争性自适应加权采样法 |
| 2.5.7 随机蛙跳 |
| 2.6 机器学习算法 |
| 2.6.1 多元线性回归 |
| 2.6.2 偏最小二乘 |
| 2.6.3 径向基函数神经网络 |
| 2.6.4 极限学习机 |
| 2.6.5 最小二乘支持向量机 |
| 2.6.6 反向传播神经网络 |
| 2.6.7 支持向量机 |
| 2.6.8 K均值聚类 |
| 2.7 模型评价指标 |
| 2.8 数据处理软件 |
| 2.9 本章小结 |
| 第三章 基于RGB和多光谱成像融合的无人机遥感系统对油菜花数目估算 |
| 3.1 引言 |
| 3.2 遥感图像采集与处理 |
| 3.2.1 试验设计 |
| 3.2.2 RGB相机和多光谱相机融合的无人机低空遥感系统 |
| 3.2.3 数据采集 |
| 3.2.4 无人机低空遥感RGB图像拼接 |
| 3.2.5 无人机低空遥感多光谱图像拼接 |
| 3.2.6 辐射定标 |
| 3.2.7 基于CIELAB颜色空间的K-means算法分割RGB图像 |
| 3.2.8 植被指数的选取 |
| 3.3 结果和分析 |
| 3.3.1 基于RGB图像分割计算油菜花覆盖度 |
| 3.3.2 基于K-means算法三个时期油菜花分割结果 |
| 3.3.3 多光谱窄波段植被指数的选取 |
| 3.3.4 RGB植被指数相关性分析和方差分析 |
| 3.3.5 基于RGB和多光谱融合的油菜花数目预测 |
| 3.3.6 基于遗传算法的变量选择和模型简化 |
| 3.4 本章小结 |
| 第四章 基于无人机多光谱和高光谱遥感系统的油菜氮素诊断和叶面积指数预测 |
| 4.1 引言 |
| 4.2 遥感图像采集与处理 |
| 4.2.1 油菜田间试验设计 |
| 4.2.2 无人机低空遥感作业 |
| 4.2.3 无人机低空遥感多光谱图像处理 |
| 4.2.4 无人机低空遥感高光谱图像处理 |
| 4.2.5 辐射定标 |
| 4.2.6 地面数据的采集 |
| 4.2.7 多光谱窄波段植被指数 |
| 4.2.8 高光谱成像系统植被指数选取 |
| 4.3 油菜理化值统计分析及光谱特征 |
| 4.3.1 大田油菜的SPAD和LAI统计分析 |
| 4.3.2 不同氮梯度下油菜花期的光谱特征 |
| 4.4 基于无人机多光谱成像的油菜SPAD和LAI预测模型研究 |
| 4.4.1 基于全波段光谱的油菜SPAD和LAI预测 |
| 4.4.2 多光谱窄波段植被指数的选取 |
| 4.4.3 基于窄波段植被指数对油菜SPAD和LAI预测 |
| 4.5 基于UHD185无人机高光谱系统的油菜SPAD和LAI预测模型研究 |
| 4.5.1 特征波长的选择和比较 |
| 4.5.2 基于特征波长的回归分析模型 |
| 4.5.3 窄波段植被指数最优化 |
| 4.5.4 植被指数与油菜SPAD及LAI的相关性分析和方差分析 |
| 4.5.5 基于植被指数对油菜SPAD和LAI预测 |
| 4.6 本章小结 |
| 第五章 基于RGB和多光谱成像融合的无人机遥感系统对油菜田间产量预测 |
| 5.1 引言 |
| 5.2 遥感图像采集与处理 |
| 5.2.1 试验设计 |
| 5.2.2 无人机飞行作业 |
| 5.2.3 大田油菜产量测定 |
| 5.2.4 无人机低空遥感图像拼接 |
| 5.2.5 辐射定标 |
| 5.2.6 植被指数的选取 |
| 5.3 结果和分析 |
| 5.3.1 大田油菜实测产量统计分析 |
| 5.3.2 不同氮梯度下油菜角果期的光谱特征 |
| 5.3.3 基于全波段光谱的油菜产量预测 |
| 5.3.4 窄波段植被指数的选取 |
| 5.3.5 RGB植被指数相关性分析和方差分析 |
| 5.3.6 基于植被指数的油菜产量预测 |
| 5.3.7 基于遗传算法的变量选择和模型简化 |
| 5.4 本章小结 |
| 第六章 基于无人机高光谱遥感系统的油菜田间产量预测 |
| 6.1 引言 |
| 6.2 试验设计及地面数据采集 |
| 6.2.1 试验设计 |
| 6.2.2 大田油菜产量测定 |
| 6.3 无人机低空高光谱遥感图像获取 |
| 6.3.1 无人机高光谱遥感系统 |
| 6.3.2 试验参数选择 |
| 6.4 无人机低空高光谱遥感图像处理 |
| 6.4.1 图像拼接 |
| 6.4.2 辐射定标 |
| 6.4.3 植被指数选取 |
| 6.5 结果和分析 |
| 6.5.1 大田油菜实测产量统计分析 |
| 6.5.2 不同预处理方法对油菜产量预测的影响 |
| 6.5.3 光谱特征分析 |
| 6.5.4 特征波长选择和比较 |
| 6.5.5 基于特征波长对油菜产量预测 |
| 6.5.6 窄波段植被指数最优化 |
| 6.5.7 植被指数与油菜产量的相关性分析和方差分析 |
| 6.5.8 基于植被指数对油菜产量预测 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简介 |
（8）基于摄像头的超长纸带图像扫描系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 系统总体设计及技术支持介绍 |
| 2.1 系统总体需求分析及设计要求 |
| 2.2 系统总体方案设计 |
| 2.3 相关技术支持 |
| 2.4 本章小结 |
| 第三章 送纸系统设计 |
| 3.1 系统送纸装置方案设计 |
| 3.2 送纸机械装置整体结构设计 |
| 3.3 电机的选型及关键部位计算 |
| 3.4 本章小结 |
| 第四章 控制系统设计 |
| 4.1 控制器选型 |
| 4.2 控制系统电路设计 |
| 4.3 直流电机模块控制系统设计 |
| 4.4 LED灯模块控制系统设计 |
| 4.5 本章小结 |
| 第五章 上位机系统设计 |
| 5.1 上位机开发环境简介及应用界面设计 |
| 5.2 上位机程序设计 |
| 5.3 系统测验过程 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（9）基于同心球镜的超大视场光学系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 鱼眼超广角凝视成像系统 |
| 1.2.2 小视场相机扫描成像系统 |
| 1.2.3 多相机阵列系统 |
| 1.2.4 多尺度成像系统 |
| 1.3 超大视场成像发展趋势以及面临的问题 |
| 1.4 本文研究内容与结构安排 |
| 第二章 新型多尺度光学系统研究 |
| 2.1 传统技术所面临的困境 |
| 2.2 同心多尺度系统发展 |
| 2.3 新型同心多尺度系统改进 |
| 2.3.1 同心多尺度系统结构选型 |
| 2.3.2 分布式多焦距系统 |
| 2.4 同心多尺度系统的像差补偿原理 |
| 2.4.1 传统同心多尺度系统像差补偿原理 |
| 2.4.2 分布式多焦距同心多尺度系统像差补偿原理 |
| 2.5 本章小结 |
| 第三章 新型超大视场光学系统参数优化设计 |
| 3.1 全系统总体参数选择 |
| 3.2 全系统参数优化 |
| 3.2.1 系统参数分析 |
| 3.2.2 可见近红外系统参数 |
| 3.2.3 长波红外系统参数 |
| 3.3 系统探测器选择及信噪比分析 |
| 3.3.1 系统探测器选择 |
| 3.3.2 可见光近红外信噪比分析计算 |
| 3.3.3 红外相机信噪比分析计算 |
| 3.4 系统分辨率分析 |
| 3.5 全系统图像拼接方法 |
| 3.6 本章小结 |
| 第四章 基于同心球透镜的多尺度系统研究 |
| 4.1 传统多尺度系统 |
| 4.1.1 同心球透镜像差研究 |
| 4.1.2 补偿透镜组设计 |
| 4.1.3 全系统组合 |
| 4.2 新型多尺度系统 |
| 4.2.1 非对称同心球透镜像差研究 |
| 4.2.2 补偿透镜组设计 |
| 4.2.3 全系统拼接组合 |
| 4.2.4 新型多尺度系统设计方法 |
| 4.2.5 新型多尺度设计特点 |
| 4.3 新型多尺度系统设计 |
| 4.4 多尺度系统优势 |
| 4.5 本章小结 |
| 第五章 基于同心球镜的折反式多尺度系统研究 |
| 5.1 基于球透镜的长波红外波段多尺度系统 |
| 5.2 基于球面反射镜的多尺度系统 |
| 5.2.1 基于球面反射镜的多尺度系统原理 |
| 5.2.2 基于球面反射镜的多尺度系统像差研究 |
| 5.2.3 基于球面反射镜的分布式多焦距多尺度系统设计 |
| 5.3 同轴偏视场系统 |
| 5.4 偏心离轴系统 |
| 5.5 基于同心双球面反射镜的多尺度系统 |
| 5.5.1 基于同心双球面反射镜的多尺度原理 |
| 5.5.2 基于同心双球面反射镜的多尺度系统像差研究 |
| 5.5.3 基于同心双球面反射镜的分布式多焦距多尺度设计 |
| 5.6 基于同心双球面反射镜的分布式多焦距多尺度系统 |
| 5.7 本章小结 |
| 第六章 系统装配技术研究及成像试验验证 |
| 6.1 新型多尺度光学系统装调方法研究 |
| 6.2 原理样机 |
| 6.3 系统公差分析 |
| 6.4 原理样机系统装调及成像试验 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文主要工作总结 |
| 7.2 论文主要创新点 |
| 7.3 进一步研究展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（10）基于傅立叶叠层成像的大视场高分辨率定量相位显微成像方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 传统光学显微成像技术发展概况 |
| 1.1.2 传统光学显微成像技术的不足与核心问题 |
| 1.1.3 计算光学显微成像技术的原理与优势 |
| 1.1.4 定量相位显成像技术 |
| 1.1.5 大视场高分辨率显微成像技术 |
| 1.2 国内外研究现状 |
| 1.2.1 测量精度方面的研究现状 |
| 1.2.2 成像效率方面的研究现状 |
| 1.2.3 成像通量方面的研究现状 |
| 1.2.4 亟待解决的关键问题 |
| 1.3 主要工作与章节安排 |
| 2 理论基础 |
| 2.1 计算光学显微成像理论基础 |
| 2.1.1 标量衍射理论 |
| 2.1.2 传递函数理论 |
| 2.1.3 相干模式分解理论 |
| 2.1.4 离散采样理论 |
| 2.2 傅立叶叠层成像基本概念 |
| 2.3 傅立叶叠层成像实验系统 |
| 2.3.1 基于LED阵列的实验系统 |
| 2.3.2 基于LCD屏的实验系统 |
| 2.3.3 基于孔径扫描的实验系统 |
| 2.3.4 基于无透镜的实验系统 |
| 3 最优化迭代求解算法 |
| 3.1 傅立叶叠层成像迭代求解的代价函数 |
| 3.2 传统傅立叶叠层成像的优化求解算法 |
| 3.3 改进的代价函数与优化求解算法 |
| 3.4 基于自适应步长的最优化鲁棒求解算法 |
| 3.4.1 数学模型与优化过程 |
| 3.4.2 数值模拟与比较 |
| 3.4.3 实验结果与讨论 |
| 3.5 本章小结 |
| 4 实验系统误差校正方法 |
| 4.1 常见实验系统误差校正方法 |
| 4.1.1 光学系统像差校正方法 |
| 4.1.2 LED亮度漂移校正方法 |
| 4.2 LED阵列定位误差自适应校正方法 |
| 4.2.1 基本原理与算法流程 |
| 4.2.2 数值模拟与比较 |
| 4.2.3 实验结果与讨论 |
| 4.3 本章小结 |
| 5 实验系统最优设计方案 |
| 5.1 空频域采样冗余机制与最优采样率标准 |
| 5.1.1 空域最优采样率基本原理 |
| 5.1.2 基于像素合并的傅立叶叠层成像重构算法 |
| 5.1.3 频域最优采样率基本原理 |
| 5.1.4 基于照明角度降采样的傅立叶叠层成像方法 |
| 5.1.5 针对照明角度复用的频域最优采样率标准 |
| 5.1.6 针对照明颜色复用的频域最优采样率标准 |
| 5.2 基于高数值孔径LED聚光镜的傅立叶叠层成像系统 |
| 5.2.1 系统结构与基本原理 |
| 5.2.2 实验结果与讨论 |
| 5.3 本章小结 |
| 6 动态定量相位显微成像方法 |
| 6.1 高速傅立叶叠层成像的若干改进方案 |
| 6.2 基于环形照明的动态定量相位傅立叶叠层成像方法 |
| 6.2.1 系统结构与基本原理 |
| 6.2.2 数值模拟与比较 |
| 6.2.3 实验结果与讨论 |
| 6.3 基于颜色复用的单帧定量相位傅立叶叠层成像方法 |
| 6.3.1 系统结构与基本原理 |
| 6.3.2 实验结果与讨论 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 全文工作总结与创新点 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录A: 攻读博士学位期间发表的论文情况 |
| 附录B: 攻读博士学位期间申请专利情况 |
| 附录C: 攻读博士学位期间主要获奖情况 |
| 附录D: 攻读博士学位期间参加的科学研究情况 |
四、应用CCD拼接技术的高分辨率图像扫描仪设计（论文参考文献）
- [1]基于点线特征结合的大视场机载摆扫红外影像配准研究[D]. 钟佩珂. 武汉大学, 2021(12)
- [2]多传感器集成的隧道病害检测方法研究[D]. 王照远. 湖北工业大学, 2020(04)
- [3]隧道表观病害快速检测方法研究[D]. 廖江海. 深圳大学, 2020(11)
- [4]粗骨料棱角性、表面纹理测量方法及实验对比研究[D]. 朱合军. 华侨大学, 2020(01)
- [5]内窥式光学相干断层成像及其在上消化道的应用[D]. 李凯彦. 东南大学, 2020
- [6]基于地面激光点云数据的建筑物模型自动化重建研究[D]. 王方建. 中国科学院大学(中国科学院遥感与数字地球研究所), 2019
- [7]基于无人机低空遥感的油菜表型信息获取方法研究[D]. 朱红艳. 浙江大学, 2019
- [8]基于摄像头的超长纸带图像扫描系统设计[D]. 王国杰. 宁夏大学, 2019(02)
- [9]基于同心球镜的超大视场光学系统研究[D]. 沈阳. 中国科学院大学(中国科学院西安光学精密机械研究所), 2019(03)
- [10]基于傅立叶叠层成像的大视场高分辨率定量相位显微成像方法研究[D]. 孙佳嵩. 南京理工大学, 2019(06)