基于小波变换条纹修补和条纹自相似性干涉条纹极值提取

提出了基于小波变换的条纹修补方法和利用干涉条纹自相似性的条纹灰度极值自动判读方法基于小波变换的条纹修补方法包括滤除噪音、多尺度小波变换、模极大值检测滤除奇异区域、近似信号自动修补,在此基础上进行多项式拟合,首先实现最外层条纹灰度极值的自动提取基于干涉条纹自相似性的条纹灰度极值自动判读方法是通过逐渐平移拟合区域,准确地提取了内层条纹的灰度极值位置,从而可以处理整幅图片的干涉条纹.此方法的特点是自适应、无需人为设定参量、处理速度快实验结果表明,该方法有很好的可靠性和准确性,并且处理区域大、用时少,仅需对图片扫描一次即可提取全部条纹的灰度极值.     

基于调制方向提取载波散斑条纹中心线的方法

条纹中心线法是一种重要的电子散斑干涉条纹解调方法,其前提条件是获得高准确度的条纹中心线.本文在分析载波电子散斑干涉条纹自身特征的基础上,提出了一种基于载波条纹调制方向提取条纹中心线的方法.该方法首先通过同态滤波有效滤除高频乘性散斑噪音,提取出载波条纹;然后应用基于调制方向提取中心线算法确定载波条纹灰度极值点并做二值化处理;再采用基于中心线拟合或者基于条纹间距的边沿中心线补偿法,获得完整的条纹中心线图.实验结果表明:该方法简单、可靠,能快速、准确地提取出连续的中心线.     

基于调制方向提取载波散斑条纹中心线的方法

条纹中心线法是一种重要的电子散斑干涉条纹解调方法,其前提条件是获得高准确度的条纹中心线.本文在分析载波电子散斑干涉条纹自身特征的基础上,提出了一种基于载波条纹调制方向提取条纹中心线的方法.该方法首先通过同态滤波有效滤除高频乘性散斑噪音,提取出载波条纹;然后应用基于调制方向提取中心线算法确定载波条纹灰度极值点并做二值化处理;再采用基于中心线拟合或者基于条纹间距的边沿中心线补偿法,获得完整的条纹中心线图.实验结果表明:该方法简单、可靠,能快速、准确地提取出连续的中心线.     

一种新的单幅条纹图的相位解调方法

基于非载波条纹图的条纹灰度分布的极值准确定位,提出了一种新的由单幅条纹图解调相位方法.该方法首先准确定位每个条纹灰度的极值包括最大和最小,再基于极值图将条纹的强度值分布线性地变换到-1和1之间,最后利用arcos反余弦取代传统的atan2反正切算法求出相位,结合极值图就能快速准确地解调出含有封闭条纹的条纹图相位.本方法仅用一幅条纹图,不需要传统的条纹定级和对分数级条纹插值与拟合,自动判别条纹相位变化的波谷,准确获得条纹相位分布.这一方法使光测法研究动态和瞬态问题成为可能,而不需引入载波法调制条纹.文中通过实例说明了本方法的处理过程.     

一种新的Fabry-Perot干涉条纹处理方法

介绍了一种提取Fabry-Perot(法布里-帕罗)干涉条纹圆心点坐标和条纹半径的新方法。首先对干涉图像依次进行二值化处理,对所得到的条纹强度曲线进行均平滤波和自适应滤波,根据条纹灰度值强度余弦函数分布的特点,对条纹灰度值数据进行最小二乘法拟合,获得条纹强度峰值坐标,通过精确的迭代算法,进而获得Fabry-Perot干涉条纹圆心点的坐标;然后再对干涉条纹进行圆周积分,从而可以确定每级Fabry-Perot干涉条纹的半径长度。该方法可提高计算精度,减小计算误差。     

基于物体像的干涉条纹图像中散斑噪声的识别方法

散斑噪声是激光干涉时的普遍现象,其覆盖被测表面对应区域的形状信息,造成测量误差。针对斜入式激光干涉测量中散斑噪声的特点,提出一种基于物体像的散斑噪声的识别方法。该方法通过统计物体像中有效测量区域和背景区域内灰度分布的特点,自动计算出判定散斑噪声的上下阈值。基于物体像与干涉条纹图像间微米级的映射关系,得到干涉条纹图像中散斑噪声的位置。设计了相关实验,对干涉条纹图像中识别出的散斑噪声区域进行修补,消除了包裹相位图中一个条纹周期内相邻像素点间大于π的相位突变。     

光刻对准中干涉条纹相位解析研究

针对光刻对准中双光栅产生的具有多频率的干涉条纹,提出了一种基于二维解析小波变换进行条纹分析的方法。该方法首先通过二维小波变换的多尺度对条纹的多频率进行分析,并通过解析小波基函数将条纹的幅度与相位进行分离,最终通过二维小波脊方法提取出与偏移量相关的相位。在相位提取的同时通过二维小波脊所处点的角度分布来移除封闭条纹处理中常见的相位符号不确定性。数值模拟与实验验证了该方法的可行性并与传统的基于频域的相位分析方法进行了对比分析。结果表明,该方法能在获得所需相位信息的同时较好地滤除掉由光路抖动引起的噪声,具有很强的适应性。     

莫尔偏折法测透镜焦距中的条纹二值化方法

当用莫尔偏折法测量透镜焦距时,条纹区域随着被测透镜和系统光学参数的不同而变化。针对此情况提出了确定条纹有效区域和选择二值化阈值的方法。该方法根据条纹图像数据的行列极值确定条纹的有效区域。介绍了该方法的实现过程,并分析了在有效区域内根据图像数据的灰度直方图自动选择二值化阈值的原理。给出了依据该方法提取条纹的示意图,以及用莫尔偏折法测量透镜焦距的实验结果。     

基于机器视觉的干涉条纹检测

基于机器视觉系统OpenMV,以迈克耳孙干涉仪干涉条纹为研究识别对象,根据光源相干性及干涉条纹动态特性,提出基于灰度采样统计的干涉条纹识别检测算法(干涉条纹同心形态搜索算法),运用MicroPython或Python语言编制实时检测程序,运行结果表明仿真和真实干涉条纹都得到了可靠的检测,精度为0.5个条纹,并且测量不确定度主要由算法制定的此条纹检测精度引起,证明了干涉条纹机器视觉检测方法和技术的有效性.     

基于遗传算法的干涉条纹数据处理方法

提出了基于遗传算法的干涉条纹数据处理方法。该方法是在最小二乘余弦曲线拟合的基础上 ,引入了具有全局优化能力的遗传算法以解决目标函数多极值问题 ,从而使得最小二乘余弦曲线拟合对干涉条纹处理具有很好的鲁棒性和自适应能力。仿真结果表明 ,在 2 0 %均匀分布噪声条件下 ,拟合模型主要参数 -干涉条纹空间频率及初相位 -拟合误差小于 0 .5 %。     

用图像运算技术对光弹性条纹进行倍增

在光弹应力分析中,利用分数级条纹可以提高分析精度,于是,产生分数级条纹的方法研究就变得非常重要。利用图像处理技术,首先采集一幅图像,然后通过对这幅图像的算术运算就可以产生分数级条纹。给出了详细的理论分析,并进行实验。利用本文方法,在两条整数级条纹之间,可以相继产生７条分数级条纹。     

基于改进旋滤波的电子散斑干涉图滤波方法

电子散斑干涉术条纹图在成像时不可避免地受散斑噪声调制,去除噪声是散斑干涉条纹处理的一项重要任务。利用散斑条纹图的方向性,提出一种基于模糊方向的旋滤波:在当前点的领域内定义4个模糊方向窗口,将传统旋滤波的一维、精确方向窗口的确定,转变为模糊方向窗口的确定;在确定的窗口内进行低通滤波时,采用自适应加权均值滤波代替传统的中值滤波。利用该方法分别处理模拟散斑条纹图和实验所得的真实条纹图,并与传统旋滤波、双边滤波和小波丢弃子带方法比较。实验结果表明,该改进算法在滤除散斑条纹图噪声的同时,有效保护了条纹的细节信息。     

光学平移装置行进横向漂移的干涉法测量

应用泰曼-格林干涉仪测量步进电机控制下光学平移装置行进时的横向漂移,鉴于步进装置行进时的震动和它引起的探头抖动干扰,提出一种基于小波变换滤波的条纹细分技术,以利于信号识别和精确测量．     

自适应统计滤波的单幅干涉条纹图相位解调研究

基于统计信号处理技术的最大后验估计原理 ,提出一种新的自适应滤波方法。该方法能有效减少干涉条纹图中的噪声 ,仅估计一幅非载波条纹图上每一点的空间频率向量的幅值和方向 ,通过解系数阵为正定阵的方程组 ,就能获得准确的条纹相位分布。通过实例说明了此方法的处理过程。     

Fringe sharpening in lateral shear interferometry

Two methods of sharpening the interference fringes in lateral shear interferometry are described. One method exploits the non-linearity of the recording process, while the other is based on the characteristics of the multiply-recorded diffractive element. Both methods can be combined to obtain further fringe sharpening in the higher orders.     

基于Talbot-Moiré法的长焦透镜焦距

 长焦距测量的Talbot Moiré法是研究热点,目前很多方法虽然都是基于Talbot现象和Moiré技术,但基本原理和实验方案各不相同,因此焦距计算公式也不相同。基于透镜位相变换作用,利用Talbot效应和Moiré条纹,通过图像处理的方法获得条纹的斜率变化,根据焦距与莫尔条纹斜率之间的关系求得透镜焦距。由于长焦透镜的焦距相对于被测透镜厚度大得多,完全可以看作是薄透镜对光束的变换,可用薄透镜对球面波的变换作用来近似表示其对高斯光束的变换。因此,该方法测量长焦透镜焦距对于高斯光束与非高斯光束焦距测量结果无差别,均适用。最后全面分析了该测量方法的误差及精度极限。在影响测量精度的各个误差因素中,光栅节距误差对焦距测量的影响最为显著。     

The identification of fringe positions in speckle patterns

This paper two methods of identifying fringe positions in speckle patterns. The first uses local directional averaging to track fringes, while the second uses standard image processing techniques to connect the patterns into a form where the fringes can be identified.