CN105590302B - 一种用于图像传感器标定的干涉条纹畸变矫正方法 - Google Patents
一种用于图像传感器标定的干涉条纹畸变矫正方法 Download PDFInfo
- Publication number
- CN105590302B CN105590302B CN201610082138.XA CN201610082138A CN105590302B CN 105590302 B CN105590302 B CN 105590302B CN 201610082138 A CN201610082138 A CN 201610082138A CN 105590302 B CN105590302 B CN 105590302B
- Authority
- CN
- China
- Prior art keywords
- interference fringe
- image
- spatial frequency
- affine transformation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012937 correction Methods 0.000 title claims abstract description 17
- 238000003384 imaging method Methods 0.000 title claims abstract description 13
- 230000009466 transformation Effects 0.000 claims abstract description 23
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 230000003068 static effect Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种用于图像传感器标定的干涉条纹畸变矫正方法,包括:利用阵列探测器采集多帧静态干涉条纹图像、动态干涉条纹图像、平场图像以及相同条件下对应的暗场图像;对静态干涉条纹图像进行预处理;利用预处理之后的干涉条纹图像计算空间频率;利用的空间频率以及干涉激光的频率差计算条纹运动速度;利用条纹运动速度以及阵列探测器相关的指标参数获得仿射变换矩阵;利用仿射变换矩阵对带有畸变的动态干涉条纹图像进行仿射变换,得到畸变矫正后的图像。
Description
技术领域
本发明涉及天文学和空间技术领域,特别涉及一种用于图像传感器标定的干涉条纹畸变矫正方法。
背景技术
近年来,CMOS APS(有源像元,Active Pixel Sensor)图像传感器以其体积小、功耗低、质量轻、空间辐射、热环境适应能力更强、制作周期短、造价低等优势,成为CCD的有力竞争对手,因此作为空间应用的固体成像器件。CMOS APS图像传感器的这些性能降低了载荷对平台的要求,能够满足微型化发展趋势的要求,在空间应用中越来越广泛。CMOS APS和CCD一个非常重要的区别在于信号的读出机制不同。CCD所有的感光像元在同一时刻曝光从而获得整幅图像,这种曝光方式称为全局快门。对于CMOS来说,其每一行曝光开始时间不同,我们称这种曝光机制为电子卷帘快门(rolling shutter,RS)机制,图1为电子卷帘快门机制的示意图。只要拍摄目标和CMOS保持相对静止,在这一机制下,成像没有任何问题。但是,一旦拍摄目标和CMOS有相对运动,卷帘快门就会造成拍摄的图像发生畸变。这种畸变对测量结果会有系统误差,因此应用中需要进行校正。
通常大家都假设焦平面上的每个像素的位置按照规则的网格状分布。但对于质心定位精度要求非常高的应用来说,上面的假设不再成立:像素并不按规则网格分布,而是有一定的位置偏差。事实上,在阵列探测器生产过程中,需要经历一系列的工艺过程。特别是在光刻工艺中,在从掩模图形到光刻胶图形的转移过程中,诸如基片的表面预处理、甩胶、前烘、曝光、显影、后烘等工艺因素都不可避免地产生形状和位置误差。在天文学和空间技术领域中,高精度的位置测量需要对阵列探测器的几何不均匀性进行标定。如图2所示,标定的方法是利用外差式激光干涉产生的动态干涉条纹对探测器的像素特性进行反演。固定在焦平面前方的一对单模光纤同时产生有固定频差的两束激光,这样在焦平面上就会形成动态干涉条纹。通过动态干涉条纹可以对像素特性进行标定。如果利用CMOS采集动态条纹数据,那么由于卷帘快门的效应会导致条纹发生畸变。因此实际应用过程中需要对发生畸变的条纹进行矫正。
发明内容
本发明的目的在于克服现有的标定方法没有对发生畸变的动态干涉条纹进行矫正的缺陷,从而提供一种干涉条纹畸变矫正方法。
为了实现上述目的,本发明提供了一种用于图像传感器标定的干涉条纹畸变矫正方法,包括:
步骤1)、利用阵列探测器采集多帧静态干涉条纹图像、动态干涉条纹图像、平场图像以及相同条件下对应的暗场图像;
步骤2)、对步骤1)获得的静态干涉条纹图像进行预处理,所述预处理包括:根据所述暗场图像扣除暗噪声、本底噪声,并根据所述平场图像进行平场修正,获得预处理之后的干涉条纹图像;
步骤3)、利用步骤2)所得到的预处理之后的干涉条纹图像计算空间频率;
步骤4)、利用步骤3)所得到的空间频率以及干涉激光的频率差计算条纹运动速度;
步骤5)、利用步骤4)得到的条纹运动速度以及阵列探测器相关的指标参数获得仿射变换矩阵;其中,所述阵列探测器相关的指标参数至少包括:探测器阵列N×N中的行列数N,每一行的读出时间t0,产生动态干涉条纹的激光的频率差f0;
步骤6)、利用步骤5)得到的仿射变换矩阵对带有畸变的动态干涉条纹图像进行仿射变换,得到畸变矫正后的图像。
上述技术方案中,所述步骤3)进一步包括:
根据预处理之后的干涉条纹图像,利用如下公式对空间频率进行拟合:
I=a+b*sin(kx*x+ky*y+phi);
其中,I为每个像素的灰度值,a为直流分量,b为对比度,x、y为二维笛卡尔坐标,kx为x方向的空间频率,ky为y方向的空间频率,phi为初始相位。
上述技术方案中,在步骤4)中,利用所得到的空间频率以及干涉激光的频差通过如下公式计算条纹运动速度:
vx=f0*2π/kx;
vy=f0*2π/ky;
其中,vx、vy分别为x方向和y方向的条纹运动速度分量。
上述技术方案中,在步骤5)中,利用得到的条纹运动速度vx、vy以及阵列探测器相关的指标参数,获得仿射变换矩阵R:
其中,dx1,dy1分别为x方向和y方向的参考坐标;pi表示圆周率。
上述技术方案中,在步骤6)中,利用步骤5)得到的仿射变换矩阵对动态干涉条纹畸变进行仿射变换,得到畸变矫正后的图像,仿射变换如下:
其中,x0,y0分别为变换之后的坐标,x,y分别为变换之前的坐标。
本发明的优点在于:
本发明的方法具有计算简单、计算速度快且结果精度高的优点。
附图说明
图1是CMOS电子卷帘快门示意图;
图2是外差式激光干涉定标示意图;
图3是干涉条纹空间频率示意图;
图4是本发明的用于图像传感器标定的干涉条纹畸变矫正方法的流程图。
具体实施方式
现结合附图对本发明作进一步的描述。
在利用外差式激光干涉产生的动态干涉条纹对探测器的像素特性进行反演过程中,两束激光有固定差频,从而形成动态干涉条纹,由于CMOS探测器的电子卷帘快门会造成条纹发生畸变。如果不对畸变进行校正,像素特性的测量精度会受到很大影响。
本发明充分考虑动态干涉条纹的运动特性,提出一种用于图像传感器标定的干涉条纹畸变矫正方法。
参考图4,本发明的方法具体包括以下步骤:
步骤1)、利用阵列探测器采集多帧静态干涉条纹图像、动态干涉条纹图像、平场图像以及相同条件下对应的暗场图像;
步骤2)、对步骤1)获得的静态干涉条纹图像进行预处理,所述预处理包括:根据暗场图像扣除暗噪声、本底噪声,并根据平场图像进行平场修正,获得预处理之后的干涉条纹图像;
步骤3)、利用步骤2)所得到的预处理之后的干涉条纹图像计算空间频率,图3为干涉条纹空间频率的示意图;
步骤4)、利用步骤3)所得到的空间频率以及干涉激光的频率差计算条纹运动速度;
步骤5)、利用步骤4)得到的条纹运动速度以及阵列探测器相关的指标参数获得仿射变换矩阵;
步骤6)、利用步骤5)得到的仿射变换矩阵对带有畸变的动态干涉条纹图像进行仿射变换,得到畸变矫正后的图像。
下面对本发明方法中的各个步骤做进一步的说明。
在步骤1)中,设探测器阵列为N×N,每一行的读出时间为t0,动态干涉条纹激光的频率差为f0。
在步骤3)中,针对预处理之后的干涉条纹,利用如下公式对空间频率进行拟合:
I=a+b*sin(kx*x+ky*y+phi) (1)
其中,I为每个像素的灰度值,a为直流分量,b为对比度,x、y为二维笛卡尔坐标,kx为x方向的空间频率,ky为y方向的空间频率,phi为初始相位。
在本步骤中,由经过预处理的干涉条纹图像可得到已知量I,进而根据上述式(1)拟合得到空间频率kx、ky。
在步骤4)中,利用所得到的空间频率以及干涉激光的频差利用如下公式计算条纹运动速度:
vx=f0*2π/kx (2)
vy=f0*2π/ky (3)
其中,vx、vy分别为x方向和y方向的条纹运动速度分量。
在步骤5)中,利用得到的条纹运动速度vx、vy以及阵列探测器相关的指标参数(包括探测器阵列N×N中的行列数N,每一行的读出时间t0,动态干涉条纹激光的频率差f0),获得仿射变换矩阵:
其中,dx1,dy1分别为x方向和y方向的参考坐标;pi表示圆周率。
步骤6)、利用步骤5)得到的仿射变换矩阵对动态干涉条纹畸变进行仿射变换,得到畸变矫正后的图像,仿射变换如下:
其中,x0,y0分别为变换之后的坐标,x,y分别为变换之前的坐标。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种用于图像传感器标定的干涉条纹畸变矫正方法,包括:
步骤1)、利用阵列探测器采集多帧静态干涉条纹图像、动态干涉条纹图像、平场图像以及相同条件下对应的暗场图像;
步骤2)、对步骤1)获得的静态干涉条纹图像进行预处理,所述预处理包括:根据所述暗场图像扣除暗噪声、本底噪声,并根据所述平场图像进行平场修正,获得预处理之后的静态干涉条纹图像;
步骤3)、利用步骤2)所得到的预处理之后的静态干涉条纹图像计算空间频率;
步骤4)、利用步骤3)所得到的空间频率以及干涉激光的频率差计算动态干涉条纹图像的条纹运动速度;
步骤5)、利用步骤4)得到的动态干涉条纹图像的条纹运动速度以及阵列探测器相关的指标参数获得仿射变换矩阵;其中,所述阵列探测器相关的指标参数至少包括:探测器阵列N×N中的行列数N,每一行的读出时间t0,产生动态干涉条纹的激光的频率差f0;
步骤6)、利用步骤5)得到的仿射变换矩阵对带有畸变的动态干涉条纹图像进行仿射变换,得到畸变矫正后的动态干涉条纹图像;
所述步骤3)进一步包括:
根据预处理之后的静态干涉条纹图像,利用如下公式对空间频率进行拟合:
I=a+b*sin(kx*x+ky*y+phi);
其中,I为每个像素的灰度值,a为直流分量,b为对比度,x、y为二维笛卡尔坐标,kx为x方向的空间频率,ky为y方向的空间频率,phi为初始相位;
在步骤4)中,利用所得到的空间频率以及干涉激光的频差通过如下公式计算条纹运动速度:
vx=f0*2π/kx;
vy=f0*2π/ky;
其中,vx、vy分别为x方向和y方向的条纹运动速度分量;
在步骤5)中,利用得到的条纹运动速度vx、vy以及阵列探测器相关的指标参数,获得仿射变换矩阵R:
其中,dx1,dy1分别为x方向和y方向的参考坐标;pi表示圆周率。
2.根据权利要求1所述的用于图像传感器标定的干涉条纹畸变矫正方法,其特征在于,在步骤6)中,利用步骤5)得到的仿射变换矩阵对动态干涉条纹畸变进行仿射变换,得到畸变矫正后的图像,仿射变换如下:
其中,x0,y0分别为变换之后的坐标,x,y分别为变换之前的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610082138.XA CN105590302B (zh) | 2016-02-05 | 2016-02-05 | 一种用于图像传感器标定的干涉条纹畸变矫正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610082138.XA CN105590302B (zh) | 2016-02-05 | 2016-02-05 | 一种用于图像传感器标定的干涉条纹畸变矫正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105590302A CN105590302A (zh) | 2016-05-18 |
CN105590302B true CN105590302B (zh) | 2018-06-12 |
Family
ID=55929862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610082138.XA Active CN105590302B (zh) | 2016-02-05 | 2016-02-05 | 一种用于图像传感器标定的干涉条纹畸变矫正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105590302B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291113B (zh) * | 2017-07-04 | 2018-12-04 | 中国科学院国家空间科学中心 | 一种真空温控光路净化装置 |
CN108919487A (zh) * | 2018-08-22 | 2018-11-30 | 中国科学院重庆绿色智能技术研究院 | 成像曲面非均匀采样方法及doe元件设计方法和曲面成像方法 |
CN109413302B (zh) * | 2018-09-07 | 2020-10-23 | 中国科学院国家空间科学中心 | 一种用于像素响应频域测量的动态干涉条纹畸变矫正方法 |
CN110653823A (zh) * | 2019-10-12 | 2020-01-07 | 四川长虹电器股份有限公司 | 基于数据反演的手眼标定结果可视化方法 |
CN113945209B (zh) * | 2021-08-26 | 2022-07-29 | 北京控制工程研究所 | 一种基于高精度外差干涉的图像探测器像素位置偏差测量装置及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102821252A (zh) * | 2011-06-06 | 2012-12-12 | 苹果公司 | 使用图像稳定来校正卷帘式快门 |
CN102868858A (zh) * | 2011-07-06 | 2013-01-09 | 株式会社摩如富 | 图像处理装置及图像处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4915424B2 (ja) * | 2009-02-19 | 2012-04-11 | ソニー株式会社 | 画像処理装置、カメラモーション成分算出方法、画像処理プログラム及び記録媒体 |
-
2016
- 2016-02-05 CN CN201610082138.XA patent/CN105590302B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102821252A (zh) * | 2011-06-06 | 2012-12-12 | 苹果公司 | 使用图像稳定来校正卷帘式快门 |
CN102868858A (zh) * | 2011-07-06 | 2013-01-09 | 株式会社摩如富 | 图像处理装置及图像处理方法 |
Non-Patent Citations (3)
Title |
---|
An experimental testbed for NEAT to demonstrate micro-pixel accuracy;Crouzier A.等;《Proceedings of SPIE - The International Society for Optical Engineering》;20140312;全文 * |
Micro-pixel Image Position Sensing Testbed;Bijan Nemati等;《Proceedings of SPIE-The International Society for Optical Engineering》;20150116;全文 * |
Phase-shifting interferometry based on induced vibrations;J.Vargas等;《OPTICS EXPRESS》;20110117;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105590302A (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105590302B (zh) | 一种用于图像传感器标定的干涉条纹畸变矫正方法 | |
CN109903241B (zh) | 一种tof相机系统的深度图像校准方法及系统 | |
CN101825431B (zh) | 用于三维传感的参考图像技术 | |
CN104729422B (zh) | 用于校正激光测量装置的方法及其系统 | |
CN104299218B (zh) | 基于镜头畸变规律的投影仪标定方法 | |
JP6021780B2 (ja) | 画像データ処理装置、距離算出装置、撮像装置および画像データ処理方法 | |
KR101639962B1 (ko) | 교정 장치, 투영기 및 교정 방법 | |
CN111047649A (zh) | 一种基于最优偏振角的相机高精度标定方法 | |
CN115775303B (zh) | 一种基于深度学习与光照模型的高反光物体三维重建方法 | |
CN108489421A (zh) | 一种条纹投影检测平面元件面形方法及装置 | |
CN113160333B (zh) | 参数优化相机标定方法 | |
CN113781579B (zh) | 一种全景红外相机几何标定方法 | |
CN106091988B (zh) | 一种高温锻件三维尺寸测量精度的补偿方法 | |
CN108550171B (zh) | 基于交比不变性的含有八卦编码信息的线阵相机标定方法 | |
CN114199160B (zh) | 基于二值编码光栅散焦投影的电路板元器件几何检测方法 | |
CN110146032A (zh) | 基于光场分布的合成孔径相机标定方法 | |
CN111854632B (zh) | 一种高速运动物体的图像测量方法及计算机可读存储介质 | |
CN108507564A (zh) | 一种基于点扩散函数拟合的星敏感器质心定位方法 | |
CN109413302B (zh) | 一种用于像素响应频域测量的动态干涉条纹畸变矫正方法 | |
JP2017059998A (ja) | 画像処理装置およびその方法、並びに、撮像装置 | |
Zhao et al. | Modified color CCD moiré method and its application in optical distortion correction | |
CN109085740A (zh) | 一种数字光刻系统光强不均匀度的测定及校正方法 | |
AU2017344762A1 (en) | A bundle adjustment system | |
CN114279463B (zh) | 一种基于单帧星图角速度估计的卷帘畸变校正方法 | |
CN117333649B (zh) | 一种动态扰动下高频线扫描稠密点云的优化方法 |
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 |