基于光学元件损伤暗场成像图像的特点以及每个像素与周边的梯度关系,选择灰度--梯度对共生矩阵为研究模型,该模型集中反映了损伤图像中两种最基本的要素--灰度信息和梯度信息(边缘).利用该模型产生准则函数,在信息论中最大熵原理基础上,应用文中改进的二维最大熵算法能自动确定最佳分割阈值,实现了对暗场图像的分割.该算法能够准确的从光学元件损伤暗场图像中提取损伤目标,为目标识别、精确定位和损伤大小的精确计算等后续处理提供依据.为了验证该算法,试验中对多个光学元件损伤暗场图像进行了处理分析,试验表明,该算法分割得到的损伤目标与实际相符,误差在检测的范围之内,为大型光学系统中光学元件损伤的在线、自动化检测提供了一种有效的技术途径.

基于强激光系统光学元件损伤的在线暗场成像检测,提出了一种无损、自动、快速检测的新算法。该算法根据模式识别中的聚类理论,对光学元件损伤的暗场图像实现了损伤斑块位置的自动检测分析。同时,根据损伤的暗场图像特点,用双向扫描方式得到了无遗漏点的损伤连续斑块,实现了损伤斑块尺度的自动检测。理论分析和实验均显示,损伤暗场自动检测图像的快速聚类算法能实现光学元件损伤位置和损伤尺度的准确、自动分析。