基于滤波差分的双阈值弱划痕提取算法

高质量光学元件表面缺陷中存在一些深度较浅或者宽度较窄的划痕,在暗场成像检测中,该类划痕产生的散射光灰度值很低,甚至淹没在背景光中,很难被目视或常规机器视觉识别,造成划痕缺陷的漏检。针对该问题,以既有的疵病检测系统为基础,根据划痕灰度的等级特征,提出双阈值法分类处理划痕缺陷。在低阈值的弱划痕处理中,根据弱划痕和背景的频率特征以及空间对比度特征,设计了频域滤波及背景差分算法。通过空间域以及频率域的滤波处理,排除高频噪声以及高亮度噪声,根据几何特征等提取弱划痕图像中的复杂背景。经差分处理后,提取弱划痕并增强对比度,最后与正常灰度级划痕信息一同通过高阈值(正常阈值)进行后续划痕的特征提取,即得到所有的划痕信息,为划痕缺陷总长度计算以及最大长度的分级判定奠定基础。实验结果表明,该算法避免了过低二值化阈值引入的背景等不规则噪声,使得划痕与背景的对比度大大增强。目前该算法已经应用于惯性约束聚变系统中大口径光学表面划痕的定量检测,并且使长度计量的准确度已提升到约80%。     

精密表面疵病检测美标数字化评价实现算法

采用美国军用标准MIL-PRF-13830B（简称美标）对光学元件表面疵病进行数字化评价,其难点主要在于美标中表面疵病密集度的判定。针对该难点,提出了一种表面疵病密集度判定算法。该算法采用权重域叠加的方法,通过为表面疵病赋予相应的权重域来确定疵病密集圆域,并将权重域间的叠加转换成了矩阵间位置关系的判断和计算,有效的利用了矩阵运算的便利性。实验中通过对已知表面疵病信息的石英标准板进行判定,其得到的圆域即为疪病密集圆域,与预期结果一致,验证了该算法的正确性。目前该算法已经运用于光学车间精密光学元件表面疵病的美标数字化评价。