基于稀疏表示的激光光斑复原方法

使用探测器阵列对远场激光光斑分布进行测量,是目前评价激光大气传输特性以及激光发射系统性能的重要方法。利用阵列探测器对高能激光系统性能进行评估,需要准确复原探测器测量所得的激光远场光斑。介绍了一种基于字典学习的阵列探测器激光光斑复原方法。首先利用改进后的线性插值算法对原始低采样光斑进行插值,其次介绍了K-SVD(K-singular value decomposition)字典学习算法,将所提方法运用到插值后的图像复原中。此外,用峰值信噪比(peak signal-to-noise ratio, PSNR)和光斑质心偏移量对复原图像进行量化对比。该算法复原的图像PSNR比传统算法高出4 dB～5 dB,光斑质心偏差量在x轴和y轴方向与传统算法相比分别降低了14.7%和12.2%。实验结果表明,所提方法在视觉和量化指标上都取得了良好的光斑图像复原效果。     

基于改进Zernike矩的远场激光高精度中心测量

针对远场激光光斑分布不均匀、形状不规则的特性，提出一种基于改进的Zernike矩的远场激光高精度中心测量方法。在传统Zernike矩亚像素边缘检测基础上，使用新型的logistic边缘检测模型和阶跃阈值自适应提取方法，在减少人工对阶跃阈值误判的同时，提高对实际边缘的识别精度，最后使用最小二乘法椭圆拟合得到高精度激光光斑中心。该方法在远场激光中心检测中，单帧误差在0.5 pixel左右，连续多帧中心偏差波动在1 pixel以内，拥有较高的精度和可靠的稳定性。