球面光学元件表面疵病视觉检测方法研究

球面光学元件由于其光学结构的影响,采用机器视觉的方法对其表面疵病进行检测时,无法将被测面都成像在一个像平面上并且在成像的过程中丢失了疵病的三维信息,造成了检测的误差。为了解决这些问题,提出了一种机器视觉与三维重构相结合的检测方法。首先,根据球面光学元件的特性设计了图像采集平台,以获得高质量的疵病图像。然后,通过图像处理算法对疵病图像进行预处理与疵病识别。最后,基于计算机视觉图像重构技术与球心投影技术,对疵病图像进行三维重构。实验表明,该方法提升了机器视觉对球面光学元件表面疵病检测的精度,可达99%,具有可行性和研究价值。     

大口径精密表面疵病的数字化检测系统

 根据散射光成像原理,采用大小两个视场来获取不同精度的暗背景下的亮疵病图像,设计了完整的数字化表面疵病检测系统。该系统采用多区域自适应阈值分割算法对图像进行分割,然后采用基于等价归并标记方法快速提取疵病的特征参数,最后利用BP神经网络对疵病进行分类。实验结果表明该方法既满足实时性需求,又取得了较好的分类检测效果。     

大口径精密表面疵病的数字化检测系统

根据散射光成像原理,采用大小两个视场来获取不同精度的暗背景下的亮疵病图像,设计了完整的数字化表面疵病检测系统。该系统采用多区域自适应阈值分割算法对图像进行分割,然后采用基于等价归并标记方法快速提取疵病的特征参数,最后利用BP神经网络对疵病进行分类。实验结果表明该方法既满足实时性需求,又取得了较好的分类检测效果。     

基于深度学习的光学元件表面疵病识别北大核心CSCD

精密光学元件表面疵病的人工检测分类方法效率低,且准确率易受疲劳等人工因素影响,而基于传统机器学习方法的分类准确率有待进一步提高。提出了一种基于深度学习卷积神经网络的光学大尺寸元件表面疵病识别方法。首先,通过现场实验采集并整理了大尺寸镜面疵病样本;接着,基于单通道灰度图像构建融合梯度的三通道图像,挖掘更深入的特征表达;最后,基于经典的LeNet网络,提出了面向激光惯性约束聚变(ICF)的光学元件表面疵病识别网络ICFNet,该网络不需要复杂的手工特征设计和提取,仅使用原始灰度图像就实现高效的疵病识别。实验结果表明:针对包含麻点、划痕和灰尘的三类疵病数据,ICFNet相较于使用多项特征和支持向量机的传统方法拥有较好的分类准确率。     

大口径光学元件表面疵病在位检测与评价研究

精密光学元件在加工过程中如果工艺控制不当,产生的划痕、麻点等疵病分布范围虽然较小,但对整个光学系统的性能影响却很大,破坏力非常强,目前的表面疵病检测仪基本上针对平面或球面光学元件进行离线检测。文章以光学加工机床为运动平台,采用暗场散射成像方法,设计多光束均匀照明系统,研究表面疵病微细特征的识别算法,实现大口径光学表面疵病的在位检测与评价;标定结果表明,表面疵病宽度偏差为2.05%,长度偏差为2.39%,满足指标要求;在此基础上针对Φ280 mm平面硅镜进行自动化在位检测,给出了不同类型疵病的统计数据,解决了离线检测中非加工时间长与多次装夹引起定位误差等问题。     

表面疵病动态彩色编码融合成像检测技术

表面微小疵病在用不同波长的光照明时,其光学图像会存在不同程度的非线性放大畸变现象,对成像信息中的目标提取和信噪比(SNR)将产生一定的影响。提出利用红、绿、蓝三基色光源辐照下的疵病图像进行动态彩色编码成像的方法,经像素级图像融合后可实现高冗余信息的图像合成,从而在获取表面微小疵病丰富细节的同时可进一步提高信噪比。分析了针对三基色图像进行彩色编码的理论,提出了基于图像梯度的动态权值融合成像方法,同时给出了光谱非线性放大信号的噪声分析模型,通过理论分析和数值模拟两方面,充分验证了动态权值融合降低标准偏差的有效性。在明场表面疵病成像实验中,采用三基色平衡响应的彩色互补金属氧化物半导体(CMOS)相机,分别获取了单个微米量级表面疵病点的三基色滤波图像,并通过与传统边缘提取、非动态权值组合等方法的结果比对,验证该优化方法可得到一幅细节更为丰富的高SNR图像。在暗场表面疵病成像实验中,以图像灰度平均梯度和提取到的疵病数量为评价参数,即从优化图像质量和疵病识别能力两个方面,进一步验证该优化在高保真和低噪声方面的有效性。提出的动态彩色编码融合成像方法可有效降低光谱非线性放大带来的噪声。     

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。     

基于BRDF的光学表面疵病散射特性的仿真研究

为了研究精密光学元件表面微弱疵病的散射特性,基于矢量散射理论和双向反射分布函数,建立了光学表面微弱疵病的散射理论模型。通过仿真计算了双向反射分布函数随散射角的变化情况,分析了入射角度、入射光波长以及疵病自身尺寸等因素对疵病散射光特性的影响。基于仿真数据分析,针对光源参数对散射特性的影响进行仿真分析,为使用暗场成像法进行精密表面疵病检测的系统参数选择提供理论参考,疵病检测入射角范围为30°～50°最佳;在可见光范围内时,380～500 nm的波长范围更有利于疵病检测。另外还通过研究疵病尺寸发生改变时散射场变化的规律,为分辨疵病的形状大小等信息提供了参考依据。     

安防镜头内部疵病的检测技术研究

镜头内部光学元件存在气泡、杂质和划痕等疵病,会严重影响安防镜头光学系统的成像性能.提出了一种新型安防镜头内部镜片疵病的检测方法.在暗场环境下,分别利用背光灯和环形灯对待测镜头进行照射,再使用物方远心镜头成像到高分辨率CMOS探测器,正面拍摄获取待测镜头的疵病图像.测试结果表明,该系统测量安防镜头疵病准确率为98％,对于...     

光学元件表面缺陷的显微散射暗场成像及数字化评价系统

根据国际ISO10110-7的表面缺陷标准及惯性约束聚变(ICF)工程标准,提出了一种新颖的光学元件表面缺陷的光学显微散射成像及数字化评价系统,多束光纤冷光源呈环状分布并以一定角度斜入射到数毫米视场的被检表面,形成适合数字图像二值化处理的暗背景上的亮疵病图像。对X,Y两方向进行子孔径图像扫描成像,利用模板匹配原理对获得的子孔径图像进行拼接得到全孔径表面疵病图像信息。基于数学形态学建立了可用于大口径表面检测扫描的图像处理的模式识别软件体系,并应用二元光学制作了标准对比板,以获得疵病正确的评价依据。最终利用该变倍光学显微镜散射成像系统得到能分辨微米量级表面疵病的图像,其单个子孔径物方视场约为3 mm,对X,Y两方向进行5×5子孔径图像扫描成像,并给出了与标准比对的定量数据结果。实验结果表明,本系统完全可以实现光学元件表面缺陷的数字化评价。     

基于高分辨力CCD的大口径光学元件疵病检测

介绍了一种利用高分辨力CCD快速检测大口径光学元件表面和体内疵病的方法。利用侧照明方式对大口径光学元件进行均匀掠射照明,表面和体内疵病因为散射在暗室成像过程中影像被放大。对比研究了疵病示踪尺寸和真实尺寸,得出近似数学关系,利用高分辨力CCD,通过一次性成像获得光学元件疵病尺寸近似值、2维空间位置等定量描述表面特征的信息。     

基于场景的红外焦平面阵列非均匀性校正算法综述

红外焦平面阵列的非均匀性噪声是制约红外成像质量的主要因素。基于场景的非均匀校正算法通常利用图像序列并依赖帧间运动对焦平面阵列的非均匀性进行校正。介绍和分析了全局非均匀性校正,Kalman滤波器法,自适应滤波法,轨迹跟踪法,基于场景运动分析的校正算法,基于小波变换实现低通滤波的校正算法,高通滤波与神经网络相结合的算法,基于小波去噪、序列图像配准和正交最小二乘拟合的校正算法,改进的神经网络算法以及代数算法等,对算法进行了比较。     

可见光光谱和支持向量机的温室黄瓜霜霉病图像分割

针对温室现场环境下采集的黄瓜霜霉病叶片图像中存在光照不均匀和背景复杂的问题,提出了一种基于可见光光谱和支持向量机的温室黄瓜霜霉病图像分割方法。首先,提出了一种基于可见光谱的颜色特征CVCF(combination of three visible color features)及其检测方法,该颜色特征将超红特征(excess red,ExR)、H分量和b*分量三种颜色特征结合,通过设置ExR参数,降低光照条件对ExR的影响,克服了光照不均匀对病斑分割的影响。在CVCF的基础上,结合基于径向基核函数的支持向量机分类器,通过优化分类器参数构建病斑分割模型,获得了温室黄瓜霜霉病图像初始分割结果。在初始分割结果基础上,采用SURF(speeded up robust features)特征及形态学操作,对分割结果进一步优化,消除背景噪声对分割结果的影响,从而获得最终病斑分割结果。为进一步验证方法的有效性,选择了OTSU算法、K均值聚类算法和决策树算法,作对比研究。结果表明,OTSU+H*0.2,K-means+H+b*,DT+H+b*和该研究算法的错分率分别为：19.44%,40.19%,16.27%和7.37%,该算法对温室现场环境下采集的黄瓜霜霉病图像的分割效果明显优于其他对比方法。该方法能够充分克服光照不均匀和复杂背景的影响准确地提取病斑,为病害识别提供了良好的数据来源。     

基于人眼视觉特性的火炮内膛图像增强方法

为了提高窥膛图像的观测效果,减小背景和噪声对目标图像的模糊度,根据图像特点提出了一种基于人眼视觉特性的图像增强新方法.该方法根据目标图像与背景、噪声图像特性的差异来进行不同的处理,使待测的疵病图像相对增强,目标图像突出,便于人眼观察.     

基于场景的红外焦平面阵列非均匀性评价方法

针对红外遥感图像非均匀性的定量评价问题,研究了基于场景的红外焦平面阵列响应非均匀性的定量评价方法。利用真实红外遥感图像序列量值分布的特点,针对小序列图像提出了基于序列排序和小波变换的标准图像构建算法;结合非均匀性评价指标,提出了利用构建标准图像的响应非均匀性对红外图像的非均匀性进行定量估计;分别利用黑体定标实验和统计方法对标准图像构建算法进行了验证,同时进行了不同校正算法的剩余非均匀性评价实验。结果表明,128frame序列构建得到的标准图像的非均匀性分别比同温黑体图像小0.92%,比统计标准图像大0.59%。该方法可用于定量估计红外遥感图像的非均匀性。     

一种基于场景的红外图像非均匀性校正算法

提出了一种基于场景的红外图像非均匀性校正算法。该算法结合了两点定标校正算法和基于场景的改进的恒定统计算法,将两点校正算法的校正系数作为恒定统计算法的系数初值,并引入阈值进行运动状态检测,对运动场景和非运动场景分别进行系数更新。实验表明,该算法可以实现对红外图像非均匀性的校正,对于本文实验中的视频图像,在100帧时算法收敛,其收敛时间优于其他传统基于场景的非均匀性校正算法,并一定程度上抑制了"鬼影"现象。     

复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验。然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验。实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

基于优势特征图像融合的水下光学图像增强

针对水下光学图像颜色失真、非均匀光照、对比度低的问题,提出基于优势特征图像融合的水下光学图像增强算法.首先,提出改进的暗通道先验算法去除退化图像中的不均匀浑浊并均衡色彩;其次,对颜色校正图像分别使用基于加权分布的自适应伽玛校正算法和限制对比度自适应直方图均衡-同态滤波算法,增强颜色校正图像对比度并使其亮度均衡;最后,定义三幅融合图像即颜色校正图像、亮度均衡图像、对比度增强图像的关联权重图,通过多尺度融合算法获得融合图像.与单一预处理算法只能解决对应的退化现象相比,该算法对单幅退化图像进行多算法处理,得到三幅优势特征图像,通过不同权重的组合最大程度地将各优势特征相结合,得到的综合效果远超各单一算法优化效果,不再局限于解决颜色失真等单一问题.将本文算法与现有算法在主观评价和客观评价两方面进行实验对比,结果表明,该算法可以有效平衡水下图像的色度、饱和度及清晰度,视觉效果接近自然场景下的图像.     

基于总散射测量的表面质量检测新方法

光学元件在加工及使用过程中引入的麻点或擦痕会严重影响其表面质量。基于Peterson疵病散射理论,将麻点或擦痕引起的散射光分为两部分,即对麻点(或擦痕)内部表面的散射光作漫反射分析,对麻点或擦痕外围轮廓引起的散射光作衍射分析。进一步考虑麻点和擦痕的挡光效应,以及麻点衍射消失的边界条件,通过将疵病散射理论与国家标准GB/T 1185—2006相结合,推导出麻点、擦痕的双向反射分布函数的解析表达式,进而分析了不同疵病级数下的角分辨散射和总散射。研究结果表明:表面疵病的总散射与疵病面积近似成线性正比,进而据此提出了一种基于总散射测量的表面质量检测新方法,并分析了光学元件表面疵病的阈值。     

基于扩展全变分的红外焦平面阵列非均匀性校正方法

针对传统的基于场景的红外焦平面阵列非均匀性校正算法收敛速度慢和校正精度不高的缺点,提出了一种基于扩展全变分的红外焦平面阵列非均匀性校正方法。在分析全变分算法的图像去噪性能的基础上,针对运动的红外图像序列,扩展了全变分的应用范围。通过最小化非均匀校正后图像的全变分,利用最陡下降法,得到计算增益量校正因子和偏移量校正因子的迭代公式。针对校正图像存在的鬼影现象,设计了一种自适应阈值控制的鬼影消除方法。实验表明:相较于目前已有的方法,该方法有效地去除了原始红外图像的固定图案噪声,较大程度地保留了图像细节信息,提高了图像质量。