题目：昆虫高速运动仿生图像信息处理技术

昆虫飞行运动参数测量是昆虫飞行运动仿生学研究的重点，通过测量飞行过程中昆虫身体及翅膀的各种运动参数，分析其运动机制，为微型飞行器的研制提供新的理论依据。图像特征信息的提取是实现机器视觉昆虫运动参数测量的前提，只有提取到高精度的图像特征信息才能实现高精度的机器视觉测量。本论文围绕国家杰出青年科学基金项目——高速三维运动视觉检测理论与关键技术，研究高速运动昆虫图像的特征信息提取。 目前机器视觉昆虫运动参数测量图像有两种：一种是光栅型结构光光条图像，另一种是立体视觉测量图像。对于结构光光条中心，通过分析昆虫自由飞行状态下结构光光条图像的特点，建立光栅型结构光光条图像灰度分布的数学模型，根据图像的灰度分布情况对图像进行分块，采用小波软阈值理论对图像消噪，利用模糊增强和小波同态滤波相结合的算法增强各图像的弱光条信号，再应用steger算法并引入连续性约束、方向约束和光条间距约束提取弱光条中心点的亚像素位置；对于翅膀边缘，分析了阶跃边缘灰度分布特性，分别应用基于小波的理论和基于模糊小波增强的理论检测和增强边缘，再应用基于灰度梯度的亚像素边缘提取方法得到昆虫翅膀边缘的亚像素位置；对于翅脉和翅脉交叉点，应用双线性广义模糊和小波同态滤波相结合的算法对翅脉进行增强，根据翅脉线条方向变化的连续性应用邻域角度约束方法准确提取翅脉交叉点。 为了验证算法的有效性，建立仿真模型给出几种特征信息提取算法实验结果的比较和分析，并给出实际的提取结果。表明所采用的新方法成功实现了弱特征信息的亚像素级提取，具有较高的定位精度，实现较大的信息提取量，并有效抑制了噪声和干扰。