鱼眼镜头的研究进展及应用

江云峰; 罗敏; 何红星; 陶亮; 柳继勇; 康丽珠; 唐鑫; 赵小童; 陈波; 赵劲松

鱼眼镜头的研究进展及应用

昆明物理研究所, 云南昆明 650223

详细信息

作者简介:
江云峰（1997-），男，山东威海人，硕士研究生，主要从事光学设计方面研究。E-mail: jyf97wh@163.com

通讯作者:
赵劲松（1972-），男，云南大理人，博士，博士生导师，正高级工程师。主要从事军用红外热像仪研究，探测器元件研发等。E-mail: zhaojinsong@tsinghua.org.cn

中图分类号: TH744
计量
- 文章访问数: 232
- HTML全文浏览量: 321
- PDF下载量: 96
出版历程
- 收稿日期: 2022-08-05
- 修回日期: 2022-11-16
- 刊出日期: 2023-04-19

Research and Application of Fisheye Lens

Kunming Institute of Physics, Kunming 650223, China

摘要

摘要: 鱼眼镜头优势在于拥有极大的视场，可以捕获更多信息。如今鱼眼镜头在安保安防、摄影、航空航天等方面得到广泛应用，尤其在军事和国防中的地位不可替代。本文首先概括了鱼眼镜头的成像原理和发展历程，分析了现代鱼眼镜头初始结构设计中的光线溢出以及与镜面无交点等常见的关键问题和已有的思路，介绍了现代鱼眼镜头的应用和发展趋势，最后讨论了鱼眼镜头目前发展中存在的一些设计瓶颈以及鱼眼镜头未来的发展方向。
- 鱼眼镜头 /
- 光线溢出 /
- 初始结构
Abstract: The advantage of a fisheye lens is that it has a very large field of view and can provide more information. Nowadays, fisheye lenses are widely used in security, photography, aerospace, etc., especially in military and national defense. This paper firstly summarizes the imaging principle and development of fisheye lens, then analyzes the key issues, such as overflow of light or total reflection, and existing methods in the initial structure designing of modern fisheye lens, introduces the application and development trend of modern fisheye lens, and finally discusses recent crucial designing problems and the future of fisheye lens.
- fisheye lens /
- overflow of light /
- initial structure

HTML全文

0. 引言

随着控制和通信技术的快速发展与应用，传统的工业逐渐实现自动化、智能化^[1]。尤其是钢铁冶金方面，智能自动化的实现解决了很多传统操作存在的安全隐患问题，如基于红外测温仪的钢水测温系统^[2-3]。红外测温系统的应用逐渐替代了传统的人工测温，不仅提高了钢水的测温精度，还减少了人工测温的安全事故。

目前，红外测温技术在冶金行业得到广泛应用，尤其是钢水测温方面。其中钢水辐射的红外波长位于0.75~1000 μm，红外测温技术基于钢水辐射的波长能量，得到其表面对面的温度^[4]。以上红外测温技术是基于红外辐射理论，即，自然界任何物体（温度在绝对零度以上）时时刻刻都在以电磁波方式向外辐射不同波长的能量。基于这个原理，红外测温技术可以根据辐射体的辐射波长能量，得到其表面对面的温度量^[5]。基于钢水的红外热图像，可以得到实时的钢水温度^[6]。红外测温原理主要依据于普朗克黑体定律、斯特藩-玻尔兹曼定律和维恩位移定律^[7]。根据钢水辐射能量的红外分布图，可以得到对应的辐射体/钢水的温度。即钢水测量温度的准确性取决于由红外热像仪获得的图像的质量^[8-9]。

由于实际炼钢环境和测温仪器等不确定性因素的影响，获得的钢水红外热图像存在大量噪声，直接影响最后的钢水测温精度^[10]。目前，传统的红外图像去噪处理方法有维纳滤波去噪^[11]和稀疏分解去噪^[12]等方法。但这些方法都是假设钢水红外图像中的噪声都是独立普通的高斯白噪声，因此对于钢水红外图像中的混合噪声处理效果不太理想。

为了提高钢水红外图像的去噪效果，本文提出基于自适应维纳滤波的去噪方法。与基于稀疏分解去噪方法相比，本文所提方法在去除噪声后提高了钢水红外图像的细节信息保真度，即去噪后的图像更加真实。此外，在传统维纳滤波去噪方法基础上，本文提出的去噪方法通过建立信号和噪声的相关模型来改进小波去噪。通过自相关的参数指数衰减模型来控制算法的计算复杂性和敏感性。由此产生的自适应维纳滤波适应于小波系数，并有效提高了传统维纳滤波器的去降噪性能。具体验证过程如下：首先，通过钢水测温平台获得不同温度下的钢水红外热图像。然后，利用所提方法对钢水红外热图像进行去噪处理，并与目前存在的维纳滤波去噪和稀疏分解去噪方法进行对比。实验对比结果验证了本文所提去噪方法可以去除红外热图像的噪声，并提高了去噪后钢水红外图像的峰值信噪比。

1. 稀疏分解的去噪方法

与传统图像去噪方法不同，稀疏分解图像去噪方法从图像自身的统计特性出发，将图像分解成稀疏成分和其他成分，如下式：

$$ x(m,n) = {x_1}(m,n) + {x_2}(m,n) $$

(1)

式中：$ {x}_{1}(m,n){=}{\displaystyle \sum _{k=0}^{n-1}\langle {R}^{k}x(m,n)，{g}_{\gamma k}\rangle }$；$ {x}_{2}(m,n){=}{\displaystyle \sum _{k=\rm{n}}^{\infty }\langle {R}^{k}x(m,n)，{g}_{\gamma k}\rangle }$；x(m, n)为原始图像；x₁(m, n)为图像的稀疏成分（有用信息）；x₂(m, n)为图像的其他成分（噪声）；g_γk为由参数组γ定义的原子，〈R^kx(m, n), g_γk〉为图像x(m, n)的残余R^kx(m, n)在对应原子g_γk上的分量，然后以图像的稀疏成分为基础重建图像，得到去除噪声后的图像。

2. 传统维纳滤波器设计

假设图像信号s(m, n)含有噪声信号w(m, n)，含有噪声的图像估计信号为：

$$ x(m,n) = s(m,n) + w(m,n) $$

(2)

线性估计器为：

$$\hat s\left( {m,n} \right) = x\left( {m,n} \right)*h\left( {m,n} \right)$$

(3)

式中：h(m, n)最小均方误差。此外依据正交性原理，最优解h维纳滤波器满足：

$$ {R_{{\rm{ss}}}}(m,n) = {\left[ {{R_{{\rm{ss}}}}(m,n) + {R_{{\rm{ww}}}}(m,n)} \right]^*}h(m,n) $$

(4)

滤波器h的傅里叶变换为：

$$H({w_1},{w_2}) = \frac{{{P_{{\rm{ss}}}}({w_1},{w_2})}}{{{P_{{\rm{ss}}}}({w_1},{w_2}) + {P_{{\rm{ww}}}}({w_1},{w_2})}}$$

(5)

式中：R_ss(m, n)和R_ww(m, n)是图像信号s和噪声w的自相关函数；P_ss(w₁, w₂)＝σ_s²是图像信号样本s(m, n)的功率谱；P_ww(w₁, w₂)＝σ_n²是噪声w(m, n)的功率谱，其中σ_s²和σ_n²分别表示s(m, n)和w(m, n)的方差。

因此，我们可以得到维纳滤波器为：

$$h(m,n) = \frac{{\sigma _{\rm{s}}^{\rm{2}}}}{{\sigma _{\rm{s}}^{\rm{2}} + \sigma _{\rm{n}}^{\rm{2}}}}\delta (m,n)$$

(6)

综上，可以发现最小均方平方误差（Minimum mean square error，MMSE）估计的解是简单的，但是其对信号和噪声的不相关假设并不完全准确。同样考虑小波变换的情况下，非正交结构会在变换域中导致有色噪声，从而使MMSE的解无效。

3. 自适应维纳滤波器设计

为了限制计算复杂度并避免滤波器阶数增长带来的灵敏度问题和变换域导致的噪声问题，我们提出了一种自适应维纳滤波器，该滤波器使用指数衰减自相关模型进行设计。

类似于式(2)，FIR（Finite Impulse Response）维纳滤波器的卷积表达式为：

$$\hat s(m,n) = \sum\limits_{(i,j) \in {W_{m,n}}} {h(i,j)x(m - i,n - j)} $$

(7)

$$ {W_{m,n}} = \{ (i,j);m - M \leqslant i \leqslant m + M,n - M \leqslant j \leqslant n + M\} $$

(8)

式中：W_m_, _n表示中心在(m, n)的(2M+1)(2M+1)的方形窗口函数；M是自适应滤波器的阶数。等式(7)右侧形成一个有限的块-Toeplitz矩阵^[13]：

$$({\mathit{\boldsymbol{R}}_s} + {\mathit{\boldsymbol{R}}_w})\Re = \zeta $$

(9)

式中：R_s和R_w是(2M+1)(2M+1)的Toeplitz矩阵，对应于两组自相关函数；$\mathfrak{R}$和ζ是关于滤波器系数和信号s自相关函数的(2M+1)²×1向量。从方程(5)我们知道滤波器依赖于信号和噪声的相关性。一旦确定了相关系数，滤波器设计问题就简化为求解线性系统。

实验结果表明，自然图像的小波系数具有一定的聚类特性。换言之，小波系数的大小与其邻域无关。这种依赖性随着距离的增加而迅速衰减。使用简化符号r_m_, _n: ＝R_ss(m, n)，我们提出一个指数衰减模型：

$${r_{m,n}} = {r_{0,0}}{\gamma ^{\left| m \right| + \left| n \right|}},(m,n) \in {W_{0,0}}$$

(10)

式中：γ是衰变参数，其随小波系数的尺度变化而变化。指数衰减模型代表了真实图像在其邻居上的系数。此外，频带内自相关函数的变化通过变化的局部方差建模：

$${s_{m,n}}: = {R_{{\rm{ww}}}}(m,n) = \left\{ \begin{gathered} \sigma _n^2,\quad \quad m = 0,n = 0 \\ {\delta _1}\sigma _n^2,\quad {\kern 1pt} \left| m \right| + \left| n \right| = 1 \\ {\delta _2}\sigma _n^2,\quad \left| m \right| = \left| n \right| = 1 \\ 0,\quad \quad \;\,{\rm{else}} \\ \end{gathered} \right.$$

(11)

式中：δ是表示是特定表示尺度上小波域系数归一化的界。由于δ是随尺度变化，因此噪声的相关模型也是变化的。

为了估计在相关模型中的参数，我们为每个频带中的所有系数选择一个通用的衰减参数γ，但是信号方差σ_s²＝r_{0, 0}是根据上下文从每个单独的系数估计的。综上，估计信号方差$\hat \sigma _s^2(m,n)$表达式为：

$${\hat m_s}(m,n) = \frac{1}{{{{{\rm{(2}}M + 1)}^2}}}\sum\limits_{{W_{m,n}}} {x(k,l)} $$

(12)

$$\hat \sigma _x^2(m,n) = \frac{1}{{{{{\rm{(2}}M + 1)}^2}}}\sum\limits_{{W_{m,n}}} {(x(k,l) - } {\hat m_s}(m,n){)^2}$$

(13)

$$\hat \sigma _s^2(m,n) = \max (0,\hat \sigma _x^2(m,n) - \sigma _n^2)$$

(14)

基于小波域中的系数聚类，通过式(12)~(13)建立信号和噪声的相关模型来改进小波去噪。通过自相关的参数指数衰减模型来控制算法的计算复杂性和敏感性。由此产生的自适应维纳滤波适应于小波系数，因此可以有效提高维纳滤波器的去降噪性能。

4. 实验及数据分析

4.1 实验方案和去噪评价标准

如图 1所示，实验平台采用的设备如下：中频率和对应电源变频柜的输出参数为额定功率1000 kV，额定频率700 Hz，输入电压750 V/50 Hz；红外热像仪型号为FLIR A65，灵敏度小于等于0.08℃。透镜型号为OLA30.4-350。本实验中采用融化较小的钢坯，通过红外热像仪采集融化后的钢水红外热图像，其中对应现场参数修正信息如表 1所示。

图 1 钢水红外温度检测系统结构图

Figure 1. Structural diagram of molten steel temperature detection system

下载: 全尺寸图片幻灯片

表 1 用于温度修正的现场参数信息

Table 1. Information for temperature correction

Temperature/℃	25.0
Target distance/m	2.2
Atmospheric transmittance/%	100
Window transmittance/%	100
Global emissivity/%	62

下载: 导出CSV

| 显示表格

为了验证所提方法对钢水图像去噪的效果，本文用均方差（mean squared error，MSE）和峰值信噪比（peak-signal-to-noise ratio，PSNR）作为评价参数^[14]。设U₁(m, n)表示原始红外图像，U₂(m, n)表示去噪后的红外图像，其中m和n代表行和列，则对应的均方差和峰值信噪比计算公式如下：：

$$ {\rm{MSE}}={{\displaystyle \sum _{m,n}[{U}_{1}(m,n）{-}{U}_{2}(m,n）]}}^{\frac{1}{2}}$$

(15)

$$ {\rm{PSNR}}=10\mathrm{lg}\left\{\frac{K\times {\rm{MAX}}^{2}}{{{\displaystyle \sum _{m,n}[{U}_{1}(m,n）{-}{U}_{2}(m,n）]}}^{2}}\right\}$$

(16)

由上可知，去噪后图像对应的PSNR数值越高、MSE数值越小暗示去噪方法对钢水红外图像中的噪声处理的效果越好。

4.2 数据分析

本实验用红外热像仪分别采集温度为1600℃和1696℃下的钢水红外热图像，用本文提出的自适应维纳滤波方法进行去噪处理。对去噪后的图像分别与基于维纳滤波和基于稀疏分解去噪结果进行对比，通过对比各方法的MSE和PSNR评价参数验证本文去噪方法的优越性。

如图 2所示，对采集的1600℃时钢水红外图像进行去噪处理。Fig.2(b)~Fig.2(c)是采用维纳滤波和稀疏分解方法进行去噪处理后的钢水红外图像，Fig.2(d)为本文去噪方法处理后所得钢水红外图像。同样，对在1696℃时钢水红外图像进行去噪处理。基于以上3种去噪方法，所得去噪后的钢水红外图像如图Fig.3(b)~Fig.3(d)所示。

图 2 1600℃的钢水红外图像去噪对比

Figure 2. Denoising comparison of molten steel infrared image at 1600℃

下载: 全尺寸图片幻灯片

图 3 1696℃的钢水红外图像去噪对比

Figure 3. Denoising comparison of molten steel infrared image at 1696℃

下载: 全尺寸图片幻灯片

基于图 2和图 3的去噪后钢水红外图像，我们用MSE和PSNR来评价去噪效果，如表 2所示。我们可以发现基于自适应维纳滤波去噪后图像的MSE和PSNR优于基于维纳滤波和稀疏分解去噪方法。

表 2 不同温度下钢水红外图像去噪效果对比

Table 2. Comparison of denoising effect of molten steel infrared image under different temperatures

Noise processing method	MSE		PSNR/dB
Noise processing method	1600℃	1696℃	1600℃	1696℃
Wiener filter Sparse decomposition FIR wiener filter	0.1130 0.0906 0.0798	0.1261 0.1001 0.0805	10.235 18.539 25.683	10.095 19.168 26.956

下载: 导出CSV

| 显示表格

基于文献[10]中钢水温度与红外热图像灰度值之间的对应函数关系，我们取热电偶实时测量钢水温度1600℃时的去噪图像分析不同去噪方法对钢水测量精度的影响。表 3的对比数据验证了本文提出的去噪方法可以提高去噪后的钢水红外热图像对应的钢水温度准确性。

表 3 钢水温度数据对比

Table 3. Comparison of the steel temperature data

Original image Fig.2(a)	1525
Denoised image using wiener filter Fig.2(b)	1556
Denoising image using sparse decomposition Fig.2(c)	1576
Denoising image using adaptive wiener filter Fig.2(d)	1591

下载: 导出CSV

| 显示表格

5. 结论

本文针对钢水红外图像存的噪声处理问题，提出了基于自适应维纳滤波的去噪处理方法。通过实验验证，所提的去噪方法可以有效地去除噪声。此外，与基于维纳滤波和稀疏分解去噪方法的对比，所提去噪方法可以更好去除钢水红外图像的噪声，提高图像质量保真度。下一步我们将继续优化所提去噪方法的计算复杂度，以便快速地应用于实际钢水红外测温系统中。

图 1 鱼眼成像示意图

Figure 1. Imaging diagram of fisheye lenses

下载: 全尺寸图片幻灯片

图 2 Robert W. Wood鱼眼镜头示意图

Figure 2. Schematic diagram of Robert W. Wood fisheye lens

下载: 全尺寸图片幻灯片

图 3 Bond鱼眼镜头示意图

Figure 3. Schematic diagram of Bond fisheye lens

下载: 全尺寸图片幻灯片

图 4 Robin Hill鱼眼镜头示意图

Figure 4. Schematic diagram of Robin Hill fisheye lens

下载: 全尺寸图片幻灯片

图 5 鱼眼系统示意图

Figure 5. Schematic diagram of fisheye system

下载: 全尺寸图片幻灯片

图 6 消热差光学系统^[9]

Figure 6. Schematic of athermalization optical system^[9]

下载: 全尺寸图片幻灯片

图 7 鱼眼镜头负弯月形透镜主光线传输示意图^[12]

Figure 7. Optic scheme of a principle ray passing the negative meniscus lens^[12]

下载: 全尺寸图片幻灯片

图 8 优化设计的鱼眼镜头示意图^[14]

Figure 8. Schematic diagram of optimized fisheye lens^[14]

下载: 全尺寸图片幻灯片

图 9 鱼眼镜头示意图^[17]

Figure 9. Schematic diagram of fisheye lens^[17]

下载: 全尺寸图片幻灯片

图 10 鱼眼算法畸变矫正图

Figure 10. Diagram of distortion correction algorithm of fisheye

下载: 全尺寸图片幻灯片

图 11 垂直语言投影与传统投影算法对比^[22]

Figure 11. Comparison between vertical language projection and traditional projection algorithms^[22]

下载: 全尺寸图片幻灯片

图 12 鱼眼镜头图像标定室^[23]

Figure 12. Fisheye lens image calibration room^[23]

下载: 全尺寸图片幻灯片

图 13 SpherEye图像^[24]

Figure 13. Images of SpherEye^[24]

下载: 全尺寸图片幻灯片

图 14 韩国微型鱼眼镜头图^[25]

Figure 14. Photos of a Korean micro fisheye lens^[25]

下载: 全尺寸图片幻灯片

图 15 航空相机^[26]

Figure 15. Photo of an aerial camera^[26]

下载: 全尺寸图片幻灯片

参考文献(33)

[1]	陈晃明, 陈向颖. 鱼眼镜头光学设计[J]. 北京理工大学学报, 1989(3): 35-42. https://www.cnki.com.cn/Article/CJFDTOTAL-BJLG198903005.htm CHEN Huangming, CHEN Xiangying. Optical design of fisheye lens[J]. Journal of Beijing University of Technology, 1989(3): 35-42. https://www.cnki.com.cn/Article/CJFDTOTAL-BJLG198903005.htm
[2]	Kumlera J J, Bauerb M. Fisheye lens designs and their relative performance[C]//Proc. of SPIE, 2000, 4093: 360-369.
[3]	Ning A. Compact fisheye objective lens: US7869141 B2[P]. 2006, US.
[4]	Martin C B. Design issues of a hyperfield fisheye lens[J]. Proceedings of SPIE, 2004, 29(13): 56-60.
[5]	王永仲. 鱼眼镜头光学[M]. 北京: 科学出版社, 2006. WANG Yongzhong. Fisheye Lens Optics[M]. Beijing: Science Press, 2006.
[6]	LU Lijun, HU Xiaoyan, SHENG Cuiyuan. Optimization method for ultra-wide-angle and panoramic optical systems[J]. Applied Optics, 2012, 51(17): 3776-3786. DOI: 10.1364/AO.51.003776
[7]	Oelrich B, Underwood C, Mackin S. The evaluation of un-cooled detectors for low-cost thermal-IR earth observation at the surrey space center[C]// Proceedings of the 5^th International Symposium of the International Academy of Astronautics, 2005: 206-213.
[8]	Akram M N. Design of a dual field-of-view optical system for infrared focal-plane arrays[C]//Proceedings of SPIE on Current Developments in Lens Design and Optical Engineering Ⅲ, 2002, 47: https://doi.org/10.1117/12.451222.
[9]	付跃刚, 黄蕴涵, 刘智颖. 双波段消热差红外鱼眼光学系统设计[J]. 红外与激光工程, 2014, 43(10): 3329-3333. DOI: 10.3969/j.issn.1007-2276.2014.10.027 FU Yuegang, HUANG Yunhan, LIU Zhiying. Design of dual band heat dissipation infrared fisheye optical system[J]. Infrared and Laser Engineering, 2014, 43(10): 3329-3333. DOI: 10.3969/j.issn.1007-2276.2014.10.027
[10]	胡玉禧, 周绍祥, 相里斌, 等. 消热差光学系统设计[J]. 光学学报, 2000, 20(10): 1386-1390. DOI: 10.3321/j.issn:0253-2239.2000.10.016 HU Yuxi, ZHOU Shaoxiang, XIANG Libin, et al. Design of heat dissipation optical system[J]. Journal of Optics, 2000, 20(10): 1386-1390. DOI: 10.3321/j.issn:0253-2239.2000.10.016
[11]	Robert K, Swank. Calculation of modulation transfer function of fisheye lens with the wavefront aberration theory[J]. Acta Photonica Sinica, 2016, 45(3): 322001. DOI: 10.3788/gzxb20164503.0322001
[12]	侯国柱, 吕丽军. 一款可见光鱼眼镜头系统设计[J]. 光学与光电技术, 2018, 16(3): 90-95. https://www.cnki.com.cn/Article/CJFDTOTAL-GXGD201803016.htm HOU Guozhu, LYU Lijun. Design of a fisheye lens system in visible waveband[J]. Optics and Optoelectronics Technology, 2018, 16(3): 90-95. https://www.cnki.com.cn/Article/CJFDTOTAL-GXGD201803016.htm
[13]	FANG X, LU L J, NIU Z Q. Optimization of fisheye lens systems with adaptive and normalized real-coded genetic algorithm[J]. Journal of Optoelectronics⋅Laser, 2015, 26(4): 655-661.
[14]	FAN L, LU L. Design of a simple fisheye lens[J]. Applied Optics, 2019, 58(19): 5311-5319. DOI: 10.1364/AO.58.005311
[15]	LU L, CAO Y. Sixth-order wave aberration theory of ultrawide-angle optical systems[J]. Applied Optics, 2017, 56(30): 8570-8583.
[16]	JIA H, LU L, CAO Y. Modulation transfer function of a fish-eye lens based on the sixth-order wave aberration theory[J]. Applied Optics, 2018, 57(2): 314-321.
[17]	Pernechele C, Consolaro L, Jones G H, et al. Telecentric F-Theta fisheye lens for space applications[J]. OSA Continuum, 2020, 4(3): 13-16.
[18]	Schneider D, Schwalbe E. Validation of geometric models for fisheye lenses[J]. SPRS Journal of Photogrammetry and Remote Sensing, 2009, 27(28): 259-266.
[19]	YAN Y, Sasián, José M. Photographic zoom fisheye lens design for DSLR cameras[J]. Optical Engineering, 2017, 56(9): 1-10.
[20]	LAI S, XIONG Z, CHEN L, et al. Real-time distortion correction of fish-eye lens based on Bayer image signal[J]. Optical Review, 2014, 211: 162-173.
[21]	YU Z J, Asada M, Tsuji S. Color-based panoramic representation of outdoor environment for a mobile robot[C]// International Conference on Pattern Recognition of IEEE, 1988, 20(23): 1200-1230.
[22]	ZHANG Chen, WANG J Y. 3D Model Reconstruction from fisheye images and virtual walk-through[J]. Journal of Computer-Aided Design & Computer Graphic, 2004(1): 79-84.
[23]	Schneider D, Schwalbe E, Maas H G. Validation of geometric models for fisheye lenses[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2009, 64(3): 259-266.
[24]	席志红, 孙丽华, 孙昭光. 基于鱼眼镜头的全视觉图像[J]. 应用科技, 2007(12): 10-16. https://www.cnki.com.cn/Article/CJFDTOTAL-YYKJ200712002.htm XI Zhihong, SUN Lihua, SUN Zhaoguang. Full vision image based on fisheye lens[J]. Applied Science and Technology, 2007(12): 10-16. https://www.cnki.com.cn/Article/CJFDTOTAL-YYKJ200712002.htm
[25]	Kweon G I, Choi Y H, Laikin M. Fisheye lens for image processing applications[J]. Journal of the Optical Society of Korea, 2008, 12(2): 79-87.
[26]	闫阿奇. 航天器用大视场低畸变光学系统的研究[D]. 西安: 中国科学院研究生院(西安光学精密机械研究所), 2008. YAN Aqi. Research on Large Field of View and Low Distortion Optical Systems for Spacecraft[D]. Xi'an: Graduate School of the Chinese Academy of Sciences, 2008.
[27]	赵雪, 周彦平, 刘海刚. 空间光学系统抗辐射设计的研究[J]. 哈尔滨工业大学学报, 2004, 36(3): 406-409. https://www.cnki.com.cn/Article/CJFDTOTAL-HEBX200403035.htm ZHAO Xue, ZHOU Yanping, LIU Haigang. Research on radiation resistance design of space optical systems[J]. Journal of Harbin Institute of Technology, 2004, 36(3): 406-409. https://www.cnki.com.cn/Article/CJFDTOTAL-HEBX200403035.htm
[28]	王茜, 许士文. 可见光折/衍射混合光学系统消热差设计[J]. 光学学报, 2004, 24(12): 1595-1598. https://www.cnki.com.cn/Article/CJFDTOTAL-GXXB200412003.htm WANG Qian, XU Shiwen. Design of heat dissipation in a visible refractive/diffractive hybrid optical system[J]. Journal of Optics, 2004, 24(12): 1595-1598. https://www.cnki.com.cn/Article/CJFDTOTAL-GXXB200412003.htm
[29]	刘宵婵, 陈琛, 单宏, 等. 基于4k分辨率小型投影机的鱼眼镜头设计[J]. 应用光学, 2020, 41(5): 1060-1066. https://www.cnki.com.cn/Article/CJFDTOTAL-YYGX202005029.htm LIU Xiaochan, CHEN Chen, SHAN Hong, et al. Design of fisheye lens based on 4k resolution small projector[J]. Journal of Applied Optics, 2020, 41(5): 1060-1066. https://www.cnki.com.cn/Article/CJFDTOTAL-YYGX202005029.htm
[30]	Swaminathan R, Nayar S K. Nonmetric calibration of wide-angle lenses and polycameras[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(10): 1172-1178.
[31]	LI S, Nakano M, Chiba N. Acquisition of spherical image by fish-eye conversion lens[C]//Virtual Reality of IEEE, 2004, 14(12): 25-40.
[32]	Tsai R Y. A versatile camera calibration technique for high-accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses[J]. IEEE Journal on Robotics & Automation, 2003, 3(4): 323-344.
[33]	Kannala S J. A generic camera calibration method for fish-eye lenses[C]// Proceedings of the 17th International Conference on Pattern Recognition, 2004: DOI: 10.1109/ICPR.2004.1333993.

施引文献(10)

期刊类型引用(4)

1.	陈秋艳，张新燕，贺敏，田义春，刘宁，郭瑞，王晓辉，游思源，张修坤. 基于深度学习的管道热图像泄漏识别. 红外技术. 2024(05): 522-531 . 本站查看
2.	袁敏. 基于机器视觉的智能建造H型钢焊接焊缝轨迹跟踪方法. 西昌学院学报(自然科学版). 2024(03): 46-51+99 . 百度学术
3.	吴丽华，聂丰英. 基于复小波与最大后验估计的红外图像滤波. 光学技术. 2023(01): 113-119 . 百度学术
4.	欧卫红，万里勇. 双密度复小波与系数相关性的红外图像去噪. 光学技术. 2023(02): 238-244 . 百度学术

其他类型引用(6)

资源附件(0)

图(15)

计量

文章访问数: 232
HTML全文浏览量: 321
PDF下载量: 96
被引次数: 10

0. 引言
1. 稀疏分解的去噪方法
2. 传统维纳滤波器设计
3. 自适应维纳滤波器设计
4. 实验及数据分析
4.1 实验方案和去噪评价标准
4.2 数据分析
5. 结论

鱼眼镜头的研究进展及应用

作者简介: 江云峰（1997-），男，山东威海人，硕士研究生，主要从事光学设计方面研究。E-mail: jyf97wh@163.com

通讯作者: 赵劲松（1972-），男，云南大理人，博士，博士生导师，正高级工程师。主要从事军用红外热像仪研究，探测器元件研发等。E-mail: zhaojinsong@tsinghua.org.cn

计量

出版历程