中国科学院西安光学精密机械研究所， 西安710119
针对基于纹影的高动态范围远场焦斑测量数学模型没有考虑噪声对测量结果影响的缺点，本文对基于纹影的远场焦斑测量方法从三个方面进行优化.首先，改进基于纹影的远场焦斑测量数学模型，将噪声作为影响实验结果的重要因素引入数学模型中，使该数学模型和真实的实验环境相匹配，提高了该数学模型的实用性和理论支撑作用；其次，将基于卷积神经网络的去噪算法（DnCNN）引入主瓣和旁瓣CCD图像去噪处理中，并改进该去噪算法存在的不足，使得能够有效去除主瓣和旁瓣12位图像、不同级别（0~75 dB）的噪声；最后，完整仿真了远场焦斑测量实验的全过程，包括分光、衰减、加噪声、纹影小球遮挡、去噪、衰减倍率放大、焦斑重构等，获得了有效的焦斑重构实验结果，其中重构焦斑图像和理论焦斑图像的相关系数为0.998 9，重构焦斑动态范围与理论焦斑动态范围之间误差为3.22%.仿真实验结果表明，通过该数学模型和DnCNN去噪算法的改进措施，验证了改进的数学模型必要性和DnCNN去噪算法在提高重构焦斑二维分布和动态范围精度方面的优越性能，提高了基于纹影的高动态范围远场焦斑测量的可信度，满足了高动态范围远场焦斑测量对于精度和效率的要求.
远场焦斑测量 纹影法 焦斑重构 DnCNN 去噪方法 Measurement of far-field focal spot Schlieren method Reconstruct of focal-spot DnCNN Denoising method
中国科学院 西安光学精密机械研究所, 陕西 西安 710119
为了解决局域对比度方法(LCM)无法检测局部亮区损伤目标和分离效率低的问题, 本文提出了基于邻域向量内积局部对比度图像增强的光学元件损伤目标检测方法。首先, 将图像中的每一个点的3×3邻域生成一个9维邻域向量, 并将邻域内的最大值扩展成一个9维度极值向量, 计算邻域向量与极值向量的内积; 其次, 计算每个像素的邻域向量内积对比度值(NVDC); 然后, 计算每个像素的邻域向量内积局部对比度, 即在一个较大的区域内(5×5)搜索当前像素所有邻域向量内积对比度的最大值, 作为当前像素的邻域向量内积局部对比度值(NVDLC); 最后, 对NVDLC图像进行二值化和目标分离。实验结果表明, 通过本文的增强方法使得损伤图像的信噪比从3.775提高到12.445, 损伤目标信号得到极大的增强。在经过邻域向量内积局部对比度方法图像增强后, 能够直接使用自适应阈值公式将小于2 pixel的损伤目标从背景中分离出来, 满足了弱对比度损伤目标检测对于精度和效率的要求。
损伤检测 图像增强 临域向量 局域对比度方法 邻域向量内积对比度 damage detection image enhancement neighborhood vector Local Contrast Method(LCM) Neighborhood Vector Dot Contrast(NVDC) 光学 精密工程
2019, 27(12): 2668
1 中国科学院西安光学精密机械研究所, 西安 710119
2 中国工程物理研究院 激光聚变研究中心, 四川 绵阳 621900
提出了基于邻域向量主成分分析(NVPCA)图像增强的弱小损伤目标检测方法.该方法将损伤图像中的每个像素和它的8邻域像素看作一个列向量参加运算, 由每个像素生成的所有列向量构建一个9维的数据立方体, 通过PCA变换后中间像素和邻域像素之间不相关, 消除小目标和邻域像素之间的相关性, 这样9维数据立方体的主要信息将集中在第一维, 则变换后的第一维数据为NVPCA图像.另外, 使用局域对比度法对NVPCA图像再一次进行处理后, 获得了较好的图像增强效果.最后, 使用区域增长法将损伤目标从背景中分离出来.实验结果表明, 该方法能够检测损伤大小为1个像素和处于局部亮区的损伤目标, 满足了在线光学元件损伤检测光学系统对于损伤目标精度的要求.
邻域向量主成分分析 局域对比度方法 损伤目标检测 图像增强 区域生长法 Neighborhood vector principal component analysis Local contrast method Defect target detection Image enhancement Region growing method
