光学 精密工程
2022, 30(15): 1868
1 南京理工大学 电子工程与光电技术学院，江苏 南京 210094
2 齐齐哈尔北方华安集团试验场，黑龙江 齐齐哈尔161000
图像融合是图像处理领域的重要内容之一。传统融合算法将源图像均做处理后按一定规则进行融合，虽然能取得不错的融合效果，但算法对图像的配准要求较高，融合图像也普遍存在细节丢失、目标不够明显的问题。为了改善上述问题，分析了红外图像和可见光图像的图像特性以及红外目标特性，将目标检测引入图像融合，利用高斯差分(DOG)滤波器提取红外图像中的目标，通过多尺度DOG图像计算获得红外图像融合系数矩阵，然后计算融合子图，最终融合获得目标明显、细节保留较好的图像,降低了对图像配准的要求。用五种常用评价指标以及信杂比和背景相似度对融合图像进行评估。实验结果表明，所提出的算法在主观视觉和客观评价指标上都要优于常用的图像融合方法。
图像融合 目标检测 高斯差分滤波器 信杂比 imaging fusion target detection DOG filter signal-to-clutter ratio 红外与激光工程
2020, 49(S1): 20200091
西安交通大学电气工程学院， 陕西 西安 710049
针对光学元件疵病检测中，通过光学成像获得的图像照度不均匀，噪声明显的问题，提出了根据元件检测照明区的分布特征进行融合处理的方法；该方法采用开运算提取背景算法和高斯差分滤波器，开运算提取背景算法可以给出没有直接照明区域的疵病分布，高斯差分滤波器可去除照明光源的噪声影响；实验结果表明，相较于单一的处理方法，所提出方法更好地得到了整个区域内的疵病分布，有效地实现了不均匀照度环境下的疵病分辨。
不均匀照度 元件检测 高斯差分滤波器 图像 融合 uneven illumination component detection difference of Gaussian filter image fusion
1 中国工程物理研究院 激光聚变研究中心, 四川 绵阳 621900
2 哈尔滨工业大学 机电工程学院, 哈尔滨 150001
提出了高斯差分滤波的多尺度损伤提取方法和流程, 对大口径光学元件的损伤图像进行了处理, 结果表明, 该方法对微弱信号与强信号混杂有很好适应性, 且能有效解决低信噪比光学元件损伤图像中的损伤提取难题, 对于分辨率125 μm、口径400 mm×400 mm的光学元件损伤图像, 该方法可以100％提取损伤图像中尺寸在50 μm以上的所有损伤的种子, 满足了大型激光装置安全运行的需要。
损伤检测 高斯差分滤波 损伤提取 inspection of laser optics damage Gaussian differential filter extraction of damage 强激光与粒子束
2017, 29(9): 091003
