哈特曼-夏克波前传感器的高精度质心探测方法

为提高哈特曼-夏克波前传感器(HS-WFS)的光斑质心探测精度以实现光学系统的高精度波前检测,提出了一种有效的质心探测方法。该方法利用非线性滤波和窗口法对整幅光斑图像进行全局处理后,结合中值滤波、三次样条插值和自适应Otsu阈值法对单个光斑进行局部处理。分析了三次样条灰度插值点个数不同,探测精度和计算时间的变化规律。采用该方法探测了含有噪声的光斑图像,其质心探测误差仅为0.0442pixel,比传统的非线性滤波、Otsu阈值法和探测窗口法探测精度分别提高了91.86%、87.97%和31.79%。对已知波像差的光学系统进行了仿真检测,得到的波前检测精度峰谷(P-V)值为0.0098λ,精度均方根(RMS)值达到0.0027λ。结果表明该方法能够提高质心探测精度,可用于高精度光学系统的检测。     

基于图像处理技术的光斑质心高精度测量

针对传统的光斑质心测量方法子孔径窗口内远离光斑的噪声对一阶矩质心算法的影响,本文提出一种利用图像处理技术提高光斑质心探测精度的新方法。在哈特曼-夏克（H-S）波前传感器测得的光斑阵列图像中,采用自适应阈值方法优化每个子孔径的探测窗口,使探测窗口和光斑分布区域最佳匹配;然后在探测窗口内,采用线性插值方法提高图像的分辨率。...     

提高哈特曼波前传感器质心探测精度的一种计算方法

分析了哈特曼(Hartmann)波前传感器传统阈值一阶矩质心算法的局限性,提出了一种改进算法,对质心探测窗口的大小先进行合理优化,再采用灰度积分图原理进行自动搜索,最后采用灰度平方加权质心算法进行质心计算。仿真分析验证了算法的可行性和优越性,有利于提高波前传感器质心探测精度。     

Hartmann-Shack波前传感器的自适应质心探测方法

在分析影响Hartmann-Shack(H-S)传感器质心探测精度因素的基础上,提出结合自平方算法、大津算法、光斑位置区域自适应标定、回归局部阈值法等方法,给出一套适合波前像差测量的质心自适应探测方法,该方法具有准确、自适应性强的特点.经验证,与传统的质心探测方法相比,该方法能准确识别并保留更多的有效光斑信息,提高质心探测的精度,扩大H-S传感器的适用范围.     

光斑区域内存在单个盲元条件下点源目标质心探测误差分析

在哈特曼波前传感器点源目标探测质心算法中,除信号光子噪声、读出噪声和背景光噪声等误差源之外,图像传感器上存在的盲元也会对质心的探测精度造成一定的影响。系统地推导了哈特曼传感器子孔径光斑区域内存在单个盲元条件下各种误差源对点源目标质心探测误差影响的数学表达式,进一步分析了盲元和光斑质心间相对距离、光斑等效高斯宽度等因素对盲元存在所引入的质心偏移误差的影响,指出当相对距离约等于光斑高斯宽度时质心偏移误差达到最大值。实验结果与仿真和理论推导结果相符。     

哈特曼波前传感器光斑质心探测窗口的自动确定方法研究

根据在进行激光系统输出波前诊断时使用Hartman传感器探测到的光斑特点,提出一种基于光斑特征识别的自动搜寻并选取光斑质心探测窗口的新方法。通过对仿真光斑阵列的计算和对实际采样图像的实验,验证了这种方法的可行性和探测精度。     

提高波前探测精度的高阶矩方法

夏克-哈特曼波前传感器测量畸变波前的探测精度主要取决于光斑质心的测量精度。提出了一种提高光斑质心探测精度的新方法,在优化的探测窗口内使用高阶矩方法计算光斑的质心。首先,在整个子孔径内,通过一阶矩方法获得光斑的近似中心,然后以这个近似中心为中心,包含整个光斑,建立一个矩形窗口,并在该窗口内通过高阶矩方法重新计算光斑的质心。通过该改进的方法,在优化的探测窗口外,噪声的影响基本被消除;在优化的探测窗口内,噪声的影响也因为光斑权值比重的增大而削弱。实验结果证明:与传统方法相比,新方法提高了光斑质心测量的精度、重复性和稳定性。     

用模板匹配法选取光斑质心探测窗口

根据Hartman传感器探测入眼波像差时光斑特点，提出了模板匹配法选取光斑窗口的质心探测方法。本方法与Prieto的质心探测方法相比，提高了质心探测精度。对光斑阵列的仿真计算结果表明，用本文提出的方法质心探测误差的rms值降低了53.7%。另外，本方法还避免了Prieto方法中多次迭代的质心计算，减少了运算量。     

人眼波像差测量中形心探测的新方法

子孔径光斑的形心探测和计算精度是影响哈特曼传感器波像差探测精度的重要因素，而探测窗口的选取对探测误差的影响很大。分析了Prieto等人采用的逐步缩小窗口尺寸的探测方法，并根据哈特曼波前传感器探测人眼波像差的光斑特点，采用模板匹配法选取光斑窗口的形心探测方法。该方法与Prieto的方法相比提高了探测精义。光斑阵列的仿真计算结果表明，用文中采用的方法探测误差的均方根值降低了53．7％。另外，该方法还避免了Prieto方法中多次迭代计算，减少了运算量。     

夏克—哈特曼波前传感器的探测误差

夏克—哈特曼（S－H）传感器的探测误差是自适应光学系统的一个主要误差源。本文主要分析了S-H传感器的系统误差和随机误差，其误差源包括：CCD相机的读出噪声和背景电平，探测的像素数以及光子噪声。通过在计算哈特曼传感器子光斑质心时设定一个阈值可以大大提高传感器的探测精度。本文同时列举了实验数据和理论分析结果。     

一种改进的激光光斑中心亚像素定位方法

为了满足平台漂移测量系统中平台漂移角速度高精度测量的要求,基于傅里叶级数,提出了一种改进的激光光斑中心高斯拟合定位方法。该方法在简化高斯拟合模型的同时保证了相对较高的激光光斑中心定位精度。结果表明,改进的高斯定位算法中心定位精度为0.01pixel,明显优于传统质心法和带阈值质心法的0.1pixel。改进后的算法具有较好的算法稳定性。     

大口径平面光学元件面形检测中激光光斑质心定位

如何快速准确计算透镜焦面上的光斑质心坐标是大口径平面光学元件面形检测系统的核心问题之一,直接决定面形检测的精度和重复性。定义一个半径为r的探测窗口,根据到中心距离建立一维卷积模板,在光斑覆盖区域中寻找窗口内能量和局部最大的位置,确定光斑有效区域;再使用传统重心法计算有效区域质心;最后应用3准则进行误差处理。实验结果表明,该算法检测精度为0.1像素,各指标比传统阈值加权质心定位法提高约1 倍,面形测量的面形相似性和PV 比阈值加权法更贴近干涉仪检测结果。目前,通过长时间的实验验证与改进,已成功运用于实际项目中。     

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。     

沥青路面结构光条质心定位算法

将基于结构光的激光三角法应用于沥青路面构造深度检测,并提出适合该场合的结构光条质心定位算法。根据激光束宽度较窄且光强较大的特点,对采集图像进行固定阈值和平均阈值相结合的滤波处理,同时根据粗糙沥青路面存在漫反射的特性,利用有效光斑窗口长度最大化的干扰消除方法去除孤点噪声,最后由亚像素级的重心法实现质心定位。实验数据表明,本文方法测量路面构造深度的精度可达到0.1mm。相比于目前主流的基于激光测距的路面构造深度检测,可实现由线到面的跨越。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

自动导星星点检测及跟踪算法研究

详细介绍了自动导星的工作原理,对自动导星的星点检测及跟踪算法进行研究,结合星点能量在星图上分布近似高斯分布的特性,提出一种稳定可靠的目标星点提取算法。算法首先分析了星点目标的阈值判断原则,根据阈值条件确定一定数量的候选星点,然后在候选星点中筛选出最优的目标星点,最后通过高斯曲线拟合的办法求取最优目标星点的质心坐标。该方法提高了目标星点提取的准确性和计算速度,实验结果表明:改进后的算法能够达到良好的效果。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

A Fuzzy Switching Median Filter of Impulses in Digital Imagery (FSMF)

This paper proposed a fuzzy-based switching technique that aims at detection and filtering of impulse noises from digital images. Two types of noise models are used to obtain the noisy images. In this two-step process, the noise-free pixels are remained unchanged. The proposed detection algorithm uses 5 \(\times \) 5 window, based on all neighboring pixels on the center of the window of a noisy pixel. Two weighted median filters are devised, and a particular one is applied selectively to the noisy pixel based on the characteristics of the neighboring pixels within the window. Instead of a single threshold, two threshold values are used in the proposed fuzzy membership function to partition the noise level, and accordingly, a filtering method is applied to restore the corrupted pixel. Experimental results show that the proposed technique outperforms the existing impulse denoising methods in terms of peak signal-to-noise ratio and visual effects, with a comparable time complexity with the existing methods.