CN105426898B - 光学条纹图背景光成分抑制方法 - Google Patents

光学条纹图背景光成分抑制方法 Download PDF

Info

Publication number
CN105426898B
CN105426898B CN201510862274.6A CN201510862274A CN105426898B CN 105426898 B CN105426898 B CN 105426898B CN 201510862274 A CN201510862274 A CN 201510862274A CN 105426898 B CN105426898 B CN 105426898B
Authority
CN
China
Prior art keywords
down sampling
contourlet transform
sampling contourlet
optical
optical stripe
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510862274.6A
Other languages
English (en)
Other versions
CN105426898A (zh
Inventor
李思坤
王向朝
步扬
茅言杰
徐东瀛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Optics and Fine Mechanics of CAS
Original Assignee
Shanghai Institute of Optics and Fine Mechanics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Optics and Fine Mechanics of CAS filed Critical Shanghai Institute of Optics and Fine Mechanics of CAS
Priority to CN201510862274.6A priority Critical patent/CN105426898B/zh
Publication of CN105426898A publication Critical patent/CN105426898A/zh
Application granted granted Critical
Publication of CN105426898B publication Critical patent/CN105426898B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种基于非下采样轮廓波变换的光学条纹图背景光成分抑制方法，包括光学条纹图的采集、非下采样轮廓波变换最佳分解层数确定、非下采样轮廓波变换分解、非下采样轮廓波变换系数收缩4个步骤。本发明提高了现有方法对光学条纹图背景光成分的抑制效果，实现了光学条纹图背景光成分有效抑制。

Description

光学条纹图背景光成分抑制方法
技术领域
本发明涉及光学图像处理，特别是一种基于非下采样轮廓波变换的光学条纹图背景光成分抑制方法。
背景技术
光学条纹图是结构光投影三维面形测量技术中被测物体三维面形信息的载体。实测的光学条纹图常包含代表背景光的低频成分、基频成分以及高频噪声成分。其中基频成分包含了被测物体的三维面形信息。对光学条纹图进行高精度快速处理，抑制背景光成分和噪声成分，获取基频成分并提取其物理量信息是实现三维面形快速高精度测量的关键。
变换域光学条纹图背景光成分抑制方法在进行测量的同时即可实现对背景光成分的抑制，即不需要拍摄额外的图像也不需要改变现有测量系统，具有速度快、成本低的优点。典型的方法有窗口傅里叶变换方法(在先技术1：Wenjing Chen,Xianyu Su,Yp Cao,QcZhang,Lq Xiang,Method for eliminating zero spectrum in Fourier transformprofilometry.Optics&Lasers in Engineering,43,1267-1276(2005))、离散小波变换方法(在先技术2：许庆红、钟约先、由志福，基于小波变换的解相技术研究，光学学报，20(12)，1617-1622(2000))以及连续小波变换方法(在先技术3：M.A.Gdeisat,D.R.Burton,M.J.Lalor,Eliminating the zero spectrum in Fourier transform profilometryusing a two-dimensional continuous wavelet transform,Optics Communications,266,482-489(2006))。在先技术主要是利用了数学变换的局部化分析能力和多分辨率分析能力对光学条纹图进行多分辨率局部化分析抑制背景光成分。轮廓波变换是超小波变换的一种，是近年发展起来的一种新的主流数学变换，其中的非下采样轮廓波变换(文献1：A.L.D.Cunha,J.Zhou,The nonsubsampled contourlet transform:theory,design,andapplications,IEEE TRANSACTIONS ON IMAGE PROCESSING,15(10),3089～3101,2006)是一种具有平移不变性的轮廓波变换，相比于小波变换和窗口傅里叶变换具有更强的局部化分析能力和多分辨率分析能力，相比于小波变换具有更强的多方向分析能力和各向异性，能够更优的表示图像的轮廓以及纹理特征，已经应用在数字图像抑噪、增强、融合等领域。
发明内容
本发明的目的在于提供一种基于非下采样轮廓波变换的光学条纹图背景光成分抑制方法，实现光学条纹图背景光成分高效抑制，提高现有方法对光学条纹图背景光成分的抑制效果。本发明的技术解决方案如下：
一种基于非下采样轮廓波变换的光学条纹图背景光成分抑制方法，利用图像获取系统，该图像获取系统包括：投影系统、CCD摄像机、计算机和待测物体；所述的投影系统的光轴与CCD摄像机的光轴的夹角大于0度小于90度，待测物体在投影系统的投影范围之内，待测物体在CCD摄像机的视场之内，所述的计算机的输入端与所述的CCD摄像机的输出端相连，其特点在于，该方法包括如下步骤：
①光学条纹图的采集：
投影系统投影正弦结构光场至待测物体的表面，加载了数据处理程序的计算机控制CCD摄像机拍摄经过被测物体调制的光学条纹图并存储。设定光学条纹图行方向为x方向，列方向设为y方向，则光学条纹图强度I'(x)如公式(1)所示：
I'(x,y)＝I1(x,y)+I2(x,y)cos[2πfx+△φ(x,y)]+noise， (1)
其中，I1(x,y)为背景光成分强度，I2(x,y)为光学条纹图的调制强度，f为光学条纹图的基频，△φ(x,y)为由待测物体三维面形高度h信息引起的调制相位，noise表示噪声；
②非下采样轮廓波变换最佳分解层数确定：
设定非下采样轮廓波变换的分解层数L从1到n变化，n的取值范围为3～20的整数，每次增加1层，各层的分解方向数设定为m，m的取值范围为1～2s的整数，s表示当前层的序数；
对光学条纹图进行非下采样轮廓波变换，每次变换后，提取非下采样轮廓波变换系数中的低通子带系数，然后作逆非下采样轮廓波变换，重建低频成分图像，并根据下列公式计算低频成分图像的能量EL，
其中，X、Y分别为所述光学条纹图的行数和列数；
计算最佳分解层数L0的公式如下：
其中，E(L)表示随着L的变化低频成分图像能量构成的函数，表示E(L)对L的偏导数的绝对值；
③非下采样轮廓波变换分解：
以分解层数为L0、各层的分解方向数为1对光学条纹图进行非下采样轮廓波变换，得到非下采样轮廓波变换系数；
④非下采样轮廓波变换系数收缩：
设定步骤③中得到的非下采样轮廓波变换系数的低通子带系数的值为0，进行非下采样轮廓波变换系数收缩，然后对收缩后的非下采样轮廓波变换系数作逆非下采样轮廓波变换，重建光学条纹图，实现背景光成分抑制。
与在先技术相比，本发明具有以下优点：
本发明通过将非下采样轮廓波变换引入到光学条纹图处理技术中，实现了光学条纹图中背景光成分的有效抑制，与在先技术1和在先技术2相比，本发明对背景光成分的抑制作用更强。
附图说明
图1为本发明的光学条纹图获取系统示意图；
图2为本发明的流程图；
图3为本发明实施过程中得到的非下采样轮廓波变换系数；
图4为本发明重建的光学条纹图；
图5为本发明抑制掉的光学条纹图的背景光成分图；
图6为利用本发明的背景光成分抑制误差。
具体实施方式
下面结合实施例和附图对本发明作进一步说明，但不应以此实施例限制本发明的保护范围。
先请参阅图1。图1为本发明所采用的光学条纹图获取系统示意图。该系统包括：投影系统1、CCD摄像机2、计算机3和待测物体4。投影系统1的光轴与CCD摄像机2的光轴的夹角为45度。待测物体4在投影系统1的投影范围之内，待测物体4在CCD摄像机2的视场之内，所述的计算机3的输入端与所述的CCD摄像机4的输出端相连。
利用本发明进行光学条纹图背景光抑制的流程如图2所示，包括如下步骤：
①光学条纹图的采集：
投影系统1投影正弦结构光场至待测物体4的表面。加载了数据处理程序的计算机3控制CCD摄像机2拍摄、存储并读取经过被测物体调制的光学条纹图。所述的光学条纹图大小为800像素×800像素，即X＝800、Y＝800。设定光学条纹图行方向为x方向，列方向设为y方向，则光学条纹图强度I'(x,y)如公式(1)所示：
I'(x,y)＝I1(x,y)+I2(x,y)cos[2πfx+△φ(x,y)]+noise， (1)
其中，I1(x,y)为背景光成分强度，I2(x,y)为光学条纹图的调制强度，f为光学条纹图的基频，△φ(x,y)为由待测物体三维面形高度h信息引起的调制相位，noise表示噪声。
②非下采样轮廓波变换最佳分解层数确定：
设定非下采样轮廓波变换的分解层数L从1到n变化，n的取值范围为6，每次增加1层。各层的分解方向数设定为m，m的取值为1。
对光学条纹图进行非下采样轮廓波变换。每次变换后，提取非下采样轮廓波变换系数中的低通子带系数，然后作逆非下采样轮廓波变换，重建低频成分图像，并根据下列公式计算低频成分图像的能量EL，
其中，X、Y分别为所述光学条纹图的行数和列数。
计算最佳分解层数L0的公式如下：
其中，E(L)表示随着L的变化低频成分图像能量构成的函数，表示E(L)对L的偏导数的绝对值。确定非下采样轮廓波变换的最佳分解层数L0＝5。
③非下采样轮廓波变换分解：
以非下采样轮廓波变换的分解层数为5、各层的分解方向数为1对光学条纹图进行非下采样轮廓波变换，得到非下采样轮廓波变换系数，如图3所示。
④非下采样轮廓波变换系数收缩：
设定步骤③中得到的非下采样轮廓波变换系数的低通子带系数的值为0，进行非下采样轮廓波变换系数收缩。对收缩后的非下采样轮廓波变换系数作逆非下采样轮廓波变换，重建光学条纹图，如图4所示，实现背景光成分抑制。抑制掉的背景光成分的图像如图5所示。
本发明的背景光成分抑制误差如图6所示，最大误差约为0.06。在先技术1和在先技术2的背景光成分抑制最大误差分别约为0.22和0.13。对比可见，本发明的背景光抑制效果明显优于在先技术1和在先技术2，实现了光学条纹图背景光成分有效抑制。
以上所述仅为本发明实施的实例，并不用于限制本发明的具体实施，凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等均在本发明保护之列。

Claims (1)

1.一种基于非下采样轮廓波变换的光学条纹图背景光成分抑制方法，利用图像获取系统，该图像获取系统包括：投影系统(1)、CCD摄像机(2)、计算机(3)和待测物体(4)；所述的投影系统(1)的光轴与CCD摄像机(2)的光轴的夹角大于0度小于90度；待测物体(4)在投影系统(1)的投影范围之内，待测物体(4)在CCD摄像机(2)的视场之内，所述的计算机(3)的输入端与所述的CCD摄像机(4)的输出端相连，其特征在于，该方法包括如下步骤：
①光学条纹图的采集：
投影系统(1)投影正弦结构光场至待测物体(4)的表面；通过计算机(3)控制CCD摄像机(2)拍摄经过被测物体调制的光学条纹图并存储；设定光学条纹图行方向为x方向，列方向设为y方向，则光学条纹图的强度I'(x,y)如下列公式所示：
I'(x,y)＝I1(x,y)+I2(x,y)cos[2πfx+△φ(x,y)]+noise，
其中，I1(x,y)为背景光成分强度，I2(x,y)为光学条纹图的调制强度，f为光学条纹图的基频，△φ(x,y)为由待测物体三维面形高度信息引起的调制相位，noise表示噪声；
②非下采样轮廓波变换最佳分解层数确定：
设定非下采样轮廓波变换的分解层数L从1到n变化，n的取值范围为3～20的整数，每次增加1层；各层的分解方向数设定为m，m的取值范围为1～2s的整数，s表示当前层的序数；
对光学条纹图进行非下采样轮廓波变换；每次变换后，提取非下采样轮廓波变换系数中的低通子带系数，然后作逆非下采样轮廓波变换，重建低频成分图像，并根据下列公式计算低频成分图像的能量EL，
其中，X、Y分别为所述光学条纹图的行数和列数；
计算最佳分解层数L0公式如下：
其中，E(L)表示随着L的变化低频成分图像能量构成的函数，表示E(L)对L的偏导数的绝对值；
③非下采样轮廓波变换分解：
以分解层数为L0、各层的分解方向数为1对光学条纹图进行非下采样轮廓波变换，得到非下采样轮廓波变换系数；
④非下采样轮廓波变换系数收缩：
设定步骤③中得到的非下采样轮廓波变换系数的低通子带系数的值为0，进行非下采样轮廓波变换系数收缩，然后对收缩后的非下采样轮廓波变换系数作逆非下采样轮廓波变换，重建光学条纹图，实现背景光成分抑制。
CN201510862274.6A 2015-11-30 2015-11-30 光学条纹图背景光成分抑制方法 Active CN105426898B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510862274.6A CN105426898B (zh) 2015-11-30 2015-11-30 光学条纹图背景光成分抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510862274.6A CN105426898B (zh) 2015-11-30 2015-11-30 光学条纹图背景光成分抑制方法

Publications (2)

Publication Number Publication Date
CN105426898A CN105426898A (zh) 2016-03-23
CN105426898B true CN105426898B (zh) 2018-10-02

Family

ID=55505097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510862274.6A Active CN105426898B (zh) 2015-11-30 2015-11-30 光学条纹图背景光成分抑制方法

Country Status (1)

Country Link
CN (1) CN105426898B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107741204B (zh) * 2017-09-21 2020-03-31 东南大学 一种用于动态三维测量的条纹增强方法
CN110332907B (zh) * 2019-08-19 2021-04-13 珠海博明视觉科技有限公司 一种提高面条纹光重建精度的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222322A (zh) * 2011-06-02 2011-10-19 西安电子科技大学 基于多尺度非局部均值的红外图像背景抑制方法
CN104036461A (zh) * 2014-06-10 2014-09-10 河南科技大学 一种基于联合滤波的红外复杂背景抑制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222322A (zh) * 2011-06-02 2011-10-19 西安电子科技大学 基于多尺度非局部均值的红外图像背景抑制方法
CN104036461A (zh) * 2014-06-10 2014-09-10 河南科技大学 一种基于联合滤波的红外复杂背景抑制方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Bionic vision-based synthetic aperture radar image edge detection method in non-subsampled contourlet transform domain;Q.-W. Li等;《 IET Radar, Sonar and Navigation》;20120731;第6卷(第6期);第526-535页 *
Image denoising based on the symmetric normal inverse Gaussian model and non-subsampled contourlet transform;Y. Zhou等;《IET Image Processing》;20121130;第6卷(第8期);第1136-1147页 *
Image Fusion Method based on Non-Subsampled Contourlet Transform;Hui Liu;《JOURNAL OF SOFTWARE》;20121231;第7卷(第12期);第2816-2822页 *
基于非下采样轮廓波变换的全色图像与多光谱图像融合方法研究;傅瑶等;《液晶与显示》;20130630;第28卷(第3期);第429-433页 *
基于非下采样轮廓波变换的智能化红外空中小目标检测;刘刚等;《系统仿真学报》;20150731;第27卷(第7期);第1490-1495页 *
红外监视告警系统中的复杂背景抑制算法研究;秦翰林;《中国博士学位论文全文数据库 信息科技辑》;20101015(第10期);I140-55 *

Also Published As

Publication number Publication date
CN105426898A (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
Shen et al. Mutual-structure for joint filtering
Fernandez et al. Automatic window size selection in Windowed Fourier Transform for 3D reconstruction using adapted mother wavelets
JP2010522343A (ja) 複素干渉測定ｓａｒデータを処理する方法および装置
JP2010522341A (ja) Ｓａｒ画像を圧縮する方法および装置
JP2010522342A (ja) 非等方拡散フィルタリング・アルゴリズムに基づくｓａｒ画像の位置合わせおよびベクトル抽出のための方法および装置
Petković et al. Single-shot dense 3D reconstruction using self-equalizing De Bruijn sequence
CN105426898B (zh) 光学条纹图背景光成分抑制方法
Ning et al. Fast phase denoising using stationary wavelet transform in speckle pattern interferometry
Chen et al. Tasseled cap transformation for HJ-1A/B charge coupled device images
US20160131767A1 (en) Nonlinear processing for off-axis frequency reduction in demodulation of two dimensional fringe patterns
Kozacik et al. Comparison of turbulence mitigation algorithms
Hardie et al. Application of tilt correlation statistics to anisoplanatic optical turbulence modeling and mitigation
Chen et al. Comparison of point spread models for underwater image restoration
CN105279744B (zh) 基于非下采样轮廓波变换的光学条纹图抑噪方法
Zhong et al. Noise reduction in modulation measurement profilometry based on the wavelet transform method
Kumar et al. Dual tree fractional quaternion wavelet transform for disparity estimation
Yang et al. Single-pixel edge imaging with gradient Radon spectrum
CN107292859B (zh) 基于光学相关器的混沌介质偏振图像获取方法
Bleszynski et al. Autofocus algorithm for synthetic aperture radar imaging with large curvilinear apertures
Uysal et al. Blind phase calibration for along-track interferometry: Application to gotcha data set
Chen et al. Super-resolution reconstruction for underwater imaging
Zhang et al. High-resolution remote sensing image restoration based on double-knife-edge method
Ma et al. Hybrid two-dimensional continuous wavelet transform for analysis of phase-shifted interferograms
Yang et al. Uneven illumination image matching algorithm combined with single-parameter homomorphic filtering
Zhao et al. Accuracy enhancement of three-dimensional surface shape measurement using curvelet transform

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant