预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115988338A(43)申请公布日2023.04.18(21)申请号202210911810.7H04N23/695(2023.01)(22)申请日2022.07.29(71)申请人南京理工大学地址210094江苏省南京市玄武区孝陵卫200号(72)发明人王博文左超曹铭智陈钱李晟(74)专利代理机构南京理工大学专利中心32203专利代理师岑丹(51)Int.Cl.H04N23/90(2023.01)H04N23/951(2023.01)H04N23/698(2023.01)H04N23/69(2023.01)权利要求书6页说明书9页附图4页(54)发明名称一种基于复眼相机阵列的远场信号反演重建方法(57)摘要本发明提出了一种基于复眼相机阵列的远场信号反演重建方法,具体步骤为:构建复眼相机阵列;根据使用需求,选择复眼相机阵列模式,所述复眼相机阵列模式包括广域视场合成模式和高分辨精细成像模式;利用复眼相机阵列进行图像采集,并根据选择的复眼相机阵列模式对采集的图像做相应的处理。本发明能够实现100m~2000m的广域视场精细化成像探测,可将目标成像分辨率提高到镜头的衍射极限。CN115988338ACN115988338A权利要求书1/6页1.一种基于复眼相机阵列的远场信号反演重建方法,其特征在于,具体步骤为:步骤1:构建复眼相机阵列;步骤2:根据使用需求,选择复眼相机阵列模式,所述复眼相机阵列模式包括广域视场合成模式和高分辨精细成像模式;步骤3:利用复眼相机阵列进行图像采集,并根据选择的复眼相机阵列模式对采集的图像做相应的处理。2.根据权利要求1所述的基于复眼相机阵列的远场信号反演重建方法,其特征在于,所述复眼相机阵列包括相机1~25、滑轨8~12、云台14,滑轨8~12等间距平行设置在云台上,相机1~25以5×5阵列形式排列在滑轨8~12上,且相邻相机的距离与相邻滑轨的具体相等,相机1~25均可调节。3.根据权利要求1所述的基于复眼相机阵列的远场信号反演重建方法,其特征在于,广域视场合成模式时,计算满足90度合成视场角的各子眼相机与阵列中心相机的转动角度,舵机调控复眼相机阵列使得各子眼相机依照计算出的转动角度转动,且相邻相机之间的视野重叠区域至少为15%。4.根据权利要求3所述的基于复眼相机阵列的远场信号反演重建方法,其特征在于,与中心相机所在列相邻两列的相机的横向发散转动角θ1以及与中心相机所在行相邻的两行的相机的纵向发散转动角θ3分别为:θ1=Ωx/4‑θx/4θ3=Ωy/4‑θy/4其中,Ωx表示复眼相机阵列的总水平视场角,Ωy表示复眼相机阵列的总垂直视场角,θx表示子眼相机水平视场角,θy表示子眼相机垂直视场角;剩余两列相机的横向发散转动角θ2以及剩余两行相机的纵向发散转动角θ4分别为:θ2=Ωx/2‑θx/2θ4=Ωy/2‑θy/2相邻相机水平方向上的重叠区域占单个相机水平方向上的视场区域比值中的最小值kx为:其中,L表示物体与复眼相机阵列的距离;相邻相机垂直方向上的重叠区域占单个相机垂直方向上的视场区域比值中的最小值ky为:2CN115988338A权利要求书2/6页kx、ky的值均大于0.15。5.根据权利要求1所述的基于复眼相机阵列的远场信号反演重建方法,其特征在于,高分辨精细成像模式时,计算满足观察同一个物体条件的各子眼相机与阵列中心相机的转动角度,舵机调控复眼相机阵列使得各子眼相机依照该角度转动。6.根据权利要求5所述的基于复眼相机阵列的远场信号反演重建方法,其特征在于,与中心相机所在列相邻两列的相机的横向发散转动角θ5以及与中心相机所在行相邻的两行的相机的纵向汇聚转动角θ7分别为:22θ7=θ5=arctan(lL(L+4)‑4l)最外围两列相机的横向发散转动角以及最外围两横的纵向发散转动角θ8分别为:22θ8=θ6=arctan(4lL(L+1)‑4l/L)其中,L表示被拍摄物体与该复眼相机阵列的距离,l表示复眼相机阵列中子眼相机的间距。7.根据权利要求1所述的基于复眼相机阵列的远场信号反演重建方法,其特征在于,广域视场合成模式时,图像采集步骤具体为:25个相机阵列实时采集到25张图片,按照相机所在行的位置将其分为五组图片,每组图片按照相机所在列的位置排序。广域视场合成模式时,图像处理步骤具体为:(1)获取最优的匹配点对:利用Hessian矩阵对相邻的图像生成所有的兴趣点;构建多尺度空间,将经过Hessian矩阵处理的兴趣点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点进行比较得出初始特征点,滤除能量低于阈值和定位错误的初始兴趣点,得到稳定特征点;统计稳定特征点圆形邻域内的harr小波特征得到稳定特征点的主方向;沿着主方向取以稳定特