1 中国科学院空天信息创新研究院光学工程研究部,北京 100094
2 中国科学院大学光电学院,北京 100094
3 中国计量大学光学与电子科技学院,浙江 杭州 310018
为实现激光损伤在线显微三维形貌的快速重构,提出一种基于小波变换的改进聚焦形貌恢复(SFF)算法。利用三维聚焦评价函数逐点反演深度信息,重构光学元件激光损伤三维形貌。采用激光损伤在线显微成像装置,利用所提算法对银反射镜表面激光损伤区域进行三维形貌重构。结果表明:所提改进算法的清晰度比率、灵敏度、平缓区波动量分别为2.608、0.131、0.356,对最大深度为169.8 μm的被测区域,测量相对误差为1.56%;相比传统方法,清晰度比率提升约1倍、灵敏度提升约3倍、深度测量相对误差降至1/10,平缓区波动量可以达传统方法的1.1倍。所提算法已用于在线显微损伤判别系统的研制,实现了激光损伤三维形貌在线快速重构测量。
激光损伤 小波变换 聚焦形貌恢复 三维形貌重构 激光与光电子学进展
2023, 60(8): 0811032
红外与激光工程
2020, 49(11): 20200259
1 中国科学院遥感与数字地球研究所 数字地球重点实验室, 北京 100094
2 中国科学院大学, 北京 100049
3 中山大学 地理科学与规划学院, 广东 广州 510275
高斯分解是波形激光雷达数据预处理的常用方法, 但在应用于大光斑全波形激光雷达数据中的叠加波时却难以发挥作用, 为此提出一种基于小波变换的高斯递进波形分解方法.首先, 利用小波变换多尺度分析特性检测出目标地物并准确估算组分特征参数, 进而建立高斯模型优化特征参数;然后通过拟合精度指标, 判断是否需要添加新组分进行逐级递进分解, 确定最终模型及其组分构成, 最终实现全波形激光雷达数据的波形分解.为了验证算法的有效性, 分别对实验数据使用本文算法和常用的基于拐点匹配的高斯分解法进行分析, 结果表明, 本文算法提取的目标数几乎是拐点匹配算法的2倍, 可以有效地从叠加波中检测出目标组分, 且拟合精度高于98%.
大光斑激光雷达 全波形分析 小波变换 高斯分解 特征参数 large footprint LiDAR full-waveform analysis wavelet transform Gaussian decomposition feature parameter