基于视觉的微小振动放大技术是一种通过处理图像时空信息,放大微小但重要变化的技术。机器视觉振动放大技术被用来揭示肉眼难以察觉微小变化,在工程结构模态识别、医疗心率检测,故障损伤检测等领域有重要价值。论文对视频微小振动放大技术进行详细的分析和研究,从多角度对微小振动放大算法进行优化,并将优化后的算法应用于非接触式心率检测,具有较好的工程应用价值。论文针对微小振动视频中存在大运动干扰,导致视频放大结果出现模糊和黑影的问题,提出基于幅度选择的加速度滤波振动放大优化算法。对于微小时间尺度上的大运动,可以近似看作线性,通过加速度的滤波器,仅放大二阶加速度信号达到抑制线性运动干扰的效果。对于非线性大运动干扰,在加速度滤波的基础上根据大运动和微小振动在振动幅度和能量特性上的不同,加入幅度选择滤波器抑制非线性大扰动,在不引入大量伪影和模糊的条件下放大运动场景下的微小振动。针对传统图像金字塔多尺度分解只能有限方向分解且提取特征信息时复杂耗时的问题,论文提出基于单演小波分析的微小振动放大算法。将小波多尺度分析和单演分析结合,利用单演信号平移旋转不变性和方向不变性构造各向同性单演小波,对图像进行单演小波分解。优化后的算法拥有更简洁的滤波器结构和更快速的相位分解能力,极大提升视频帧分解重构速度。配合幅度选择滤波和加速度滤波,能快速有效抑制非线性场景下大幅度运动干扰和噪声。传统微小振动放大方法仅在振动频率恒定的平稳条件下进行微小振动放大,对于被观察对象的振动频率不固定,随时间变化的非平稳条件,基于时域的带通滤波方式不再适用。为此,论文给出基于时频滤波的微小振动放大优化算法。通过建立全局振动模型和短时傅立叶变换得到时频滤波核函数,将其应用于各局部振动信号,准确分离和提取时变振动视频中的振动模态和瞬时频率。对感兴趣的振动模态时频滤波,实现非平稳条件下微小振动的放大。基于优化振动放大算法实现高准确率的非接触式心率检测。论文将优化后的微小振动放大技术应用到非接触式心率检测领域。研究脉搏波检测的发展和现有检测方式的优劣势。通过微小振动放大技术对桡动脉搏动进行放大后提取脉搏波计算心率并验证检测算法的准确度。此外,研究不同算法、参数,光照条件对检测准确度的影响。通过实验验证基于微小振动放大算法的心率检测技术的可靠性和普适性,论证录制时间和视频帧率对心率检测结果的影响。最后,论文给出对该课题今后研究的展望,非接触式心率检测仅是机器视觉微小振动放大技术的广阔应用领域之一,对微小振动放大算法的不断创新优化是发展这项技术的根本。无监督振动放大、实时振动放大以及多源振动放大技术有待进一步探索。