CN110969656B - 一种基于机载设备激光光束光斑大小的检测方法 - Google Patents

Abstract

本发明涉及一种基于机载设备激光光束光斑大小的检测方法，该方法如下：采集原始视频图像并对其进行预处理及边缘提取，得到各帧的边缘图像；对各帧的边缘图像进行归一化并利用对空动态曲线拟合算法求取拟合后的光斑中心点；计算光斑尺寸。本发明根据机载设备激光光斑中心位置的分析以及机载设备采集图像的特点，提出对空动态曲线对多幅图像的光斑中心进行拟合，快速、准确的得到最佳中心位置，可以提高光斑大小计算的准确率，对激光信息的获取更加准确，具有很好的鲁棒性。

Description

一种基于机载设备激光光束光斑大小的检测方法

技术领域

本发明涉及数字图像处理技术领域，具体涉及一种基于机载设备激光光束光斑大小的检测方法。

背景技术

在卫星激光通信中，地球表面的大气层是激光光束的必经之路，大气对激光信号传输的影响就成为我们不能忽视的问题之一。大气湍流是由地球表面大气的随机运动引起的，大气折射率的随机起伏，导致激光波阵面的畸变，空间光场的相干性遭到破坏，从而引起光束漂移、光强起伏、相位起伏等一系列光学效应。这些现象的出现将加重系统的能量损耗，进而造成通信信号传输出错。因此分析研究成像光斑的分布特性，提高光斑位置提取算法的精度，是保证卫星激光通信发射端和接收端的高精度对准的当务之急。

现有的卫星激光通信系统中常用的激光光斑中心位置提取算法：

求取图像灰度值不为零的像素的平均位置，也即目标几何形状的中心位置。该算法对于目标是圆、椭圆和矩形等对称的形状能实现很高精度的定位，目标姿态的变化不会导致形心位置的变化，所以该算法稳定性较高，抗干扰能力强。而且形心法计算简单，耗时短，适用于对实时性要求较高的系统。质心法：也称为矩心法或重心法，即对目标像点的灰度加权。质心法相当于灰度加权，离中心位置越近获得的加权系数越大(像素值大，能量高)，所以检测灵敏度得到了提高。与形心法相同，质心法对对称性好，分布均匀的光斑图像定位精度较高，对于其他类型的光斑则会产生较大误差，并且由于加权的原因，其抗干扰能力不强。基于最小二乘法的圆拟合算法光斑图像基本近似为一个圆，所以基于最小二乘法的圆拟合算法也是激光光斑位置提取的一个常用算法。但是，抗干扰能力非常差。当存在随机噪声时，计算的中心位置的准确性将明显下降。

发明内容

本发明要解决的技术问题是提供一种简单、精度高和鲁棒性好的基于机载设备激光光束光斑大小的检测方法。

为了解决上述技术问题，本发明的基于机载设备激光光束光斑大小的检测方法包括下述步骤；

步骤一、采集原始视频图像；

步骤二、对原始视频图像的连续多帧图像进行预处理并进行边缘提取，得到的各帧的边缘图像；

步骤三、对各帧的边缘图像求取光斑的中心点；

采用标准矩的方法对边缘图像进行归一化；针对第i帧边缘图像f(x_i，y_i)，标准矩m_pq定义为；

m_pq＝∑∑x_i ^py_i ^qf(x_i，y_i)

其中p和q属于整数并满足条件：p≥0，p-|q|为偶数且|q|≤p；x_i，y_i表示第i帧边缘图像的第x行第y列，i＝1、2、……n；n为原始视频图像的帧数；

由边缘图像f(x_i，y_i)的标准矩m_pq得到边缘图像f(x_i，y_i)的中心：

m₁₀表示在横轴x_i点的光束强度，m₀₁表示在纵轴y_i点的光束强度，m₀₀表示整个图像光束强度；

利用对空动态曲线拟合算法求取拟合后的光斑中心点

步骤四.根据下述公式计算光斑尺寸ω_x、ω_y：

ω_x＝2σ_x(z)

ω_y＝2σ_y(z)

其中I(x_iy_i)为沿轴的横截面上(x_iy_i)点处的光束强度值。

所述的步骤二中，预处理包括图像滤波和阈值分割获得二值图像。

本发明采用小波变换阈值算法进行图像滤波处理。

本发明的有益效果：

在机载激光通信中，地球表面的大气层是激光光束的必经之路，大气对激光信号传输的影响就成为我们不能忽视的问题之一。大气湍流是地球表面大气的随机运动引起的，大气折射率的随机起伏，导致激光光波阵面的畸变，空间广场的相干性遭到破坏，从而引起光束漂移、光强起伏、相位起伏等一系列光学效应。这些现象的出现将加重系统的能量损耗，进而造成通信信号的传输错误。本发明根据机载设备激光光斑中心位置的分析以及机载设备采集图像的特点，提出对空动态曲线对多幅图像的光斑中心进行拟合，快速、准确的得到最佳中心位置，可以提高光斑大小计算的准确率，对激光信息的获取更加准确，具有很好的鲁棒性。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1为本发明的基于机载设备激光光束光斑大小的检测方法流程图。

具体实施方式

如图1所示，本发明的基于机载设备激光光束光斑大小的检测方法，具体步骤如下：

步骤一.采集原始视频图像：

采集机载设备中摄像机所采集的原始视频图像并将其传输到计算机中进行后期处理。

步骤二.对原始视频图像中每一帧含有噪声的光斑图像进行预处理，预处理包括图像滤波、阈值分割、边缘检测；

图像滤波：

原始视频图像中每一帧的光斑图像在采集和传输过程中，往往会参杂各种噪声，造成光斑图像的质量下降，影响后期算法的准确率，所以，首先需要对光斑图像进行滤波。本发明中采用小波变换阈值法对每一帧光斑图像进行小波变换阈值滤波处理。所采用的小波变换阈值滤波算法能够很好的去除高斯噪声，并且保留原始信号。

阈值分割：

对滤波后的光斑图像进行阈值分割，获得二值图像。

边缘提取：

将上述获得的二值图像进行形态学边缘提取，获得边缘图像；针对第i帧边缘图像f(x_i，y_i)，其中x_i，y_i表示第i帧边缘图像的第x行第y列，i＝1、2、……n；n为原始视频图像的帧数。

步骤三.对各帧图像的边缘图像求取光斑的中心点；

采用标准矩的方法对边缘图像进行归一化；针对第i帧边缘图像f(x_i，y_i)，标准矩m_p□定义为；

m_pq＝∑∑x_i ^py_i ^qf(x_i，y_i)

其中p和q属于整数并满足条件：p≥0，p-|q|为偶数且|q|≤p；

由边缘图像f(x_i，y_i)的标准矩m_pq可以得到边缘图像f(x_i，y_i)的中心：

m₁₀表示在横轴x_i点的光束强度，m₀₁表示在纵轴y_i点的光束强度，m₀₀表示整个图像光束强度；

m₁₀＝∑∑x_i ¹y_i ⁰f(x_i，y_i)＝∑∑x_if(x_i，y_i)

m₀₁＝∑∑x_i ⁰y_i ¹f(x_i，y_i)＝∑∑y_if(x_i，y_i)

m₀₀＝∑∑x_i ⁰y_i ⁰f(x_i，y_i)＝∑∑f(x_i，y_i)

对空动态曲线拟合

利用对空动态曲线拟合算法求取拟合后的光斑中心点

步骤四.光斑尺寸计算：

对光束束宽的定义有多种，这里采用较为严格的强度矩量分析法，即光束束宽正比于光束横截面上光强分布的二阶中心矩(方差)，在直角坐标系中，光束在能量/功率密度分布函数的二阶矩表示为：

其中I(x_iy_i)定义为沿轴的横截面上(x_iy_i)点处的光束强度值；

相应的光斑直径为：

ω_x＝2σ_x(z)

ω_y＝2σ_y(z)。

Claims (3)

1.一种基于机载设备激光光束光斑大小的检测方法，其特征在于包括下述步骤；

步骤一、采集原始视频图像；

步骤二、对原始视频图像的连续多帧图像进行预处理并进行边缘提取，得到各帧的边缘图像；

步骤三、对各帧的边缘图像求取光斑的中心点；

采用标准矩的方法对边缘图像进行归一化；针对第i帧边缘图像f(x_i，y_i)，标准矩m_pq定义为；

m_pq∑∑x_i ^py_i ^qf(x_i，y_i)

其中p和q属于整数并满足条件：p≥0，p-|q|为偶数且|q|≤p；x_i，y_i表示第i帧边缘图像的第x行第y列，i＝1、2、……n；n为原始视频图像的帧数；

由边缘图像f(x_i，y_i)的标准矩m_pq得到边缘图像f(x_i，y_i)的中心：

m₁₀表示在横轴x_i点的光束强度，m₀₁表示在纵轴y_i点的光束强度，m₀₀表示整个图像光束强度；

利用对空动态曲线拟合算法求取拟合后的光斑中心点

步骤四.根据下述公式计算光斑尺寸ω_x、ω_y：

ω_x＝2σ_x(z)

ω_y＝2σ_y(z)

其中I(x_iy_i)为沿轴的横截面上(x_iy_i)点处的光束强度值。

2.根据权利要求1所述的基于机载设备激光光束光斑大小的检测方法，其特征在于所述的步骤二中，预处理包括图像滤波和阈值分割获得二值图像。

3.根据权利要求2所述的基于机载设备激光光束光斑大小的检测方法，其特征在于采用小波变换阈值算法进行图像滤波处理。

Images