CN111707221A - 一种多曝光散射信号融合的表面粗糙度测量方法 - Google Patents

一种多曝光散射信号融合的表面粗糙度测量方法 Download PDF

Info

Publication number
CN111707221A
CN111707221A CN202010608326.8A CN202010608326A CN111707221A CN 111707221 A CN111707221 A CN 111707221A CN 202010608326 A CN202010608326 A CN 202010608326A CN 111707221 A CN111707221 A CN 111707221A
Authority
CN
China
Prior art keywords
scattering
image
surface roughness
images
light
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.)
Granted
Application number
CN202010608326.8A
Other languages
English (en)
Other versions
CN111707221B (zh
Inventor
王红军
魏晨
田爱玲
刘丙才
朱学亮
岳鑫
宋鑫伟
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.)
Xian Technological University
Original Assignee
Xian Technological University
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 Xian Technological University filed Critical Xian Technological University
Priority to CN202010608326.8A priority Critical patent/CN111707221B/zh
Publication of CN111707221A publication Critical patent/CN111707221A/zh
Application granted granted Critical
Publication of CN111707221B publication Critical patent/CN111707221B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开一种多曝光散射信号融合的表面粗糙度测量方法由激光器发出的光经过会聚透镜、光阑和会聚透镜后形成会聚光，入射到超光滑光学元件表面，经过样品表面反射后形成反射光，进入CCD，同时，反射光附近区域的散射光也进入CCD，对同一位置处采集不同曝光时间的图像，使远离反射光束和靠近反射光束的地方都具有高的分辨率；通过区域特性量测的融合算法对不同曝光时间的散射分布图像进行融合，形成具有大动态范围的散射分布图像，之后建立了散射分布图像与表面粗糙度之间的关系模型，最后通过计算得到被测表面的粗糙度值。本发明克服了现有技术存在的采集单幅散射图像计算被测表面粗糙度时的对比度较低、图像动态范围小和测量精度不高的问题。

Description

一种多曝光散射信号融合的表面粗糙度测量方法
技术领域
本发明涉及光学制造领域，具体涉及一种超光滑光学元件表面粗糙度的测量方法，特别涉及一种多曝光散射信号融合的表面粗糙度测量方法。
背景技术
随着现代科学技术的不断发展，超光滑光学元件被广泛应用在军事、太空等领域，如美国的“国家点火装置”、“荷兰ASML光刻机镜头”。在此类高精密光学系统中，制造高精度的超光滑光学元件以及快速、准确地检测其表面质量显得尤为重要。
现在用于检测超光滑元件表面质量的方法主要有干涉法、衍射法以及散射法。
在专利“基于小波包纹理分析的非接触式表面粗糙度测量方法”中提到了一种基于小波包纹理分析的非接触式表面粗糙度测量方法，作者对获取的激光散斑图像进行小波包分析，处理得到激光散斑图像的纹理特征值，并确定纹理特征与表面粗糙度的相关性，建立了纹理特征与被测样品的表面粗糙度模型，最后根据纹理特征计算得到表面粗糙度值。
在专利“基于小波布朗运动纹理融合模型测量表面粗糙度的方法”中提到了一种基于小波布朗运动纹理融合的方法测量样品表面粗糙度。获取激光散斑图像，确定最优小波基函数以及分解层数，利用小波布朗运动纹理融合方法进行建模分析，通过单幅散斑图像实现样品表面粗糙度的测量。
这两种方式都采用小波变换分析光学元件表面纹理特征得到被测表面的表面粗糙度，都是针对金属元件的表面粗糙度测量。在测量过程中金属元件不需要很大的动态范围，仅用单幅图像就可以实现。超光滑光学元件不同于金属元件，散射信号非常弱，且有用信号主要在反射光附近，对于反射方向附近的散射信号，散射信号幅值变化很快，需要大动态范围的测量技术，虽然利用大动态范围的探测器可以实现测量，但需要进行扫描，测量速度慢。若采用单幅散斑图像，存在曝光不足或者曝光过度都会引起被测表面的散射信号测量不完整，且单幅散斑图像的对比度较低，动态范围小，测量精度不高。
发明内容
有鉴于此，本发明提出了一种多曝光散射信号融合的表面粗糙度测量方法，要克服现有技术存在的采集单幅散射图像计算被测表面粗糙度时的对比度较低、图像动态范围小和测量精度不高的问题。
为解决现有技术存在问题，本发明技术方案是:
一种多曝光散射信号融合的表面粗糙度测量方法，由激光器发出的光经过会聚透镜、光阑和会聚透镜后形成会聚光，入射到超光滑光学元件表面，经过样品表面反射后形成反射光，进入CCD，同时，反射光附近区域的散射光也进入CCD，对同一位置处采集不同曝光时间的图像，使远离反射光束和靠近反射光束的地方都具有高的分辨率；通过区域特性量测(HIS与小波变换结合)的融合算法对不同曝光时间的散射分布图像进行融合，形成具有大动态范围的散射分布图像，之后建立了散射分布图像与表面粗糙度之间的关系模型，最后通过计算得到被测表面的粗糙度值。
2、根据权利要求1所述的一种多曝光散射信号融合的表面粗糙度测量方法，其特征在于：所述的区域特性量测(HIS与小波变换结合)图像融合算法的步骤为：
1)对多幅不同曝光时间的图像分别进行小波分解，近似分量采用加权平均进行融合，细节分量采用基于区域特性量测的规则进行融合；所述图像数量大于等于5，曝光时间范围为10μs-419000μs，均匀采集图像；
2)将图像匹配度与设定阈值进行比较，若匹配度大于阈值，采用加权平均的融合方法；
3)若匹配度小于阈值，则选取局部区域能量较大的小波系数作为融合图像的小波系数，各层子图进行小波逆变换，即获得融合图像。
3、根据权利要求1或2所述的一种多曝光散射信号融合的表面粗糙度测量方法，其特征在于：被测表面的散射分布图像与表面粗糙度之间的关系模型为：
ARS＝BSDFcosθs (1)
Figure BDA0002559964420000031
Figure BDA0002559964420000032
将融合后被测表面的散射分布指散射分布图像(即BSDF)带入公式(1)-公式(3)的关系模型中，便可得到被测表面的表面粗糙度。
与现有技术相比，本发明的优点如下:
1)在散射信号的获取过程中，散射分布信号是通过不同曝光时间的多次曝光实现的。
2)针对超光滑光学元件表面质量的检测，采用区域特性量测(小波变换与HIS结合)融合不同曝光时间散射分布图的方法，可增加散射分布信号的动态范围。
3)融合过程中采用小波变换对I分量进行了融合，并且在融合中利用不同的融合规则融合了被测表面的散射信号，更大限度地保留了不同曝光时间散射分布图中的原始散射光信息。
5)在小波分解过程中，考虑小波分层数，以未经处理的多幅图像的熵差为基准，选择熵差最接近未处理图像熵差的分层数。此处的熵均是基于I分量的熵。
附图说明
图1本发明的基本实现框图；
图2为基于区域特性量测(HIS与小波变换结合)的融合流程图；
图3为实现被测表面散射分布图的装置示意图。
标记说明：1-激光器，2-会聚透镜，3-光阑，4-会聚透镜，5-被测光学元件，6–CCD。
具体实施方式
为了使本发明的目的、实现的技术手段以及优势更加明确，下面结合附图对本发明作进一步阐述。
本发明提供一种多曝光散射信号融合的表面粗糙度的测量方法，由激光器1发出的光经过会聚透镜2、光阑3和会聚透镜4后形成会聚光，入射到被测光学元件5表面，经过被测光学元件5表面反射后形成反射光，进入CCD6，本发明方法所采用的装置如图3所示，同时，反射光附近区域的散射光也进入CCD，CCD中心为反射光，中心区域为反射光，周边区域为散射光，对同一位置处采集不同曝光时间的图像，使远离反射光束和靠近反射光束的地方都具有高的分辨率，通过区域特性量测(HIS与小波变换结合)图像融合算法对不同曝光时间的散射分布图像进行融合，形成具有大动态范围的散射分布图像，之后建立了散射分布图像与表面粗糙度之间的关系模型，最后通过计算得到被测表面的粗糙度值，如图1所示。
上述方法的融合原则为：近似分量采用加权平均进行融合，细节分量采用基于区域特性量测的规则进行融合。
上述基于区域量测(HIS与小波变换结合)用于融合不同曝光时间散射分布图的方法是通过以下五个步骤实现的，参见图2：
1)CCD采集超光滑光学元件表面的五幅散射分布图，五幅散射分布图为RGB图像，将其转化为HIS图像，HIS图像中H表示色度，I表示亮度，S表示饱和度，散射分布图中散射光的强弱用I分量表示；本实施例中，图像数量等于5，在曝光时间10μs-419000μs内选取曝光时间分别为100μs、800μs、6449μs、51980μs、419000μs时超光滑光学元件表面散射分布图像。
2)融合过程中最佳小波分解层数的选取：最佳小波分解层数的选取以未经处理的五幅图像的熵差为基准，选择熵差最接近未处理图像熵差的分层数，此处的熵均是基于I分量的熵。
3)分解层数确定之后，对五幅不同曝光时间的图像分别进行小波分解，小波分解L层，得到L个低频分量即近似分量，3L个高频分量即细节分量；
4)近似分量采用加权平均进行融合，细节分量采用基于区域特性量测的规则进行融合，将图像匹配度与设定阈值进行比较，若匹配度大于阈值，采用加权平均的融合方法；若匹配度小于阈值，则选取局部区域能量较大的小波系数作为融合图像的小波系数。
5)各层子图进行小波逆变换，获得融合图像。融合得到的散射分布图像具有高动态范围，且能很好的反应超光滑光学元件表面散射光信息。
被测表面的散射分布与表面粗糙度之间的关系模型建立如下：
1、ARS(角分布散射)的计算
a、融合后的散射分布图可用双向散射分布函数(BSDF)表示，BSDF是指一束光线入射到样品表面而产生的散射现象，BSDF可用图片的灰度值及亮度值表示；
b、角分布散射是入射光功率、探测器立体角及散射光功率的函数，也可用双向散射分布函数与散射角表示，其中散射角可用CCD距标准件的水平距离与竖直距离的正切值表示，由此根据双向散射分布函数(BSDF)可推导出ARS(角分布散射)
ARS＝BSDFcosθs
2、PSD(功率谱密度)的计算
功率谱密度即功率随频率变化的函数，根据ARS(角分布散射)可推导出PSD(功率谱密度)。
Figure BDA0002559964420000071
表1表面粗糙度与散射分布的关系中各参量定义
Figure BDA0002559964420000072
其中光学因子(包括有关表面折射率、偏振、方位角、散射角和散射几何形状的有关信息。)可由下式计算：
Q＝1/4(Qss+Qpp+Qps+Qpp)
Figure BDA0002559964420000073
Figure BDA0002559964420000074
Figure BDA0002559964420000075
Figure BDA0002559964420000076
3、表面粗糙度的计算：已知标准件的P频率大小，根据PSD(功率谱密度)可推导出出δ(均方根粗糙度)
Figure BDA0002559964420000081

Claims (3)

1.一种多曝光散射信号融合的表面粗糙度测量方法，其特征在于：由激光器发出的光经过会聚透镜、光阑和会聚透镜后形成会聚光，入射到超光滑光学元件表面，经过样品表面反射后形成反射光，进入CCD，同时，反射光附近区域的散射光也进入CCD，对同一位置处采集不同曝光时间的图像，使远离反射光束和靠近反射光束的地方都具有高的分辨率；通过区域特性量测的融合算法对不同曝光时间的散射分布图像进行融合，形成具有大动态范围的散射分布图像，之后建立了散射分布图像与表面粗糙度之间的关系模型，最后通过计算得到被测表面的粗糙度值。
2.根据权利要求1所述的一种多曝光散射信号融合的表面粗糙度测量方法，其特征在于：所述的区域特性量测图像融合算法的步骤为：
1)对多幅不同曝光时间的图像分别进行小波分解，近似分量采用加权平均进行融合，细节分量采用基于区域特性量测的规则进行融合；所述图像数量大于等于5，曝光时间范围为10μs-419000μs，均匀采集图像；
2)将图像匹配度与设定阈值进行比较，若匹配度大于阈值，采用加权平均的融合方法；
3)若匹配度小于阈值，则选取局部区域能量较大的小波系数作为融合图像的小波系数，各层子图进行小波逆变换，即获得融合图像。
3.根据权利要求1或2所述的一种多曝光散射信号融合的表面粗糙度测量方法，其特征在于：被测表面的散射分布图像与表面粗糙度之间的关系模型为：
ARS＝BSDF cosθs (1)
Figure FDA0002559964410000021
Figure FDA0002559964410000022
将融合后被测表面的散射分布指散射分布图像带入公式(1)-公式(3)的关系模型中，便可得到被测表面的表面粗糙度。
CN202010608326.8A 2020-06-29 2020-06-29 一种多曝光散射信号融合的表面粗糙度测量方法 Active CN111707221B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010608326.8A CN111707221B (zh) 2020-06-29 2020-06-29 一种多曝光散射信号融合的表面粗糙度测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010608326.8A CN111707221B (zh) 2020-06-29 2020-06-29 一种多曝光散射信号融合的表面粗糙度测量方法

Publications (2)

Publication Number Publication Date
CN111707221A true CN111707221A (zh) 2020-09-25
CN111707221B CN111707221B (zh) 2021-11-16

Family

ID=72544913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010608326.8A Active CN111707221B (zh) 2020-06-29 2020-06-29 一种多曝光散射信号融合的表面粗糙度测量方法

Country Status (1)

Country Link
CN (1) CN111707221B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561804A (zh) * 2020-10-09 2021-03-26 天津大学 基于多尺度细节增强的低光照水下图像增强方法
CN114184143A (zh) * 2021-11-22 2022-03-15 惠州高盛达科技有限公司 一种pcb平整度测量方法及测量装置
CN116379974A (zh) * 2023-02-28 2023-07-04 浙江大学 一种多波长光源检测光学元件表面特性装置及方法
CN117761013A (zh) * 2023-12-14 2024-03-26 浙江大学 一种光学元件表面质量角分辨检测装置及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5629773A (en) * 1992-12-18 1997-05-13 Kabushiki Kaisha Komatsu Seisakusho Three-dimensional image measuring device
US20010042838A1 (en) * 1997-05-23 2001-11-22 Kenji Saito Position detection device, apparatus using the same, exposure apparatus, and device manufacturing method using the same
CN101867721A (zh) * 2010-04-15 2010-10-20 青岛海信网络科技股份有限公司 宽动态图像的实现方法、实现装置及成像设备
CN106127718A (zh) * 2016-06-17 2016-11-16 中国人民解放军国防科学技术大学 一种基于小波变换的多曝光图像融合方法
CN108662993A (zh) * 2018-04-13 2018-10-16 黄智强 一种基于光学散射原理的表面粗糙度检测系统
CN108827184A (zh) * 2018-04-28 2018-11-16 南京航空航天大学 一种基于相机响应曲线的结构光自适应三维测量方法
CN109060659A (zh) * 2018-08-08 2018-12-21 西安工业大学 一种光学元件表面疵病三维信息的检测系统及检测方法
CN110057325A (zh) * 2019-04-26 2019-07-26 湖南大学 一种基于成像仿真的表面粗糙度检测方法及计算设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5629773A (en) * 1992-12-18 1997-05-13 Kabushiki Kaisha Komatsu Seisakusho Three-dimensional image measuring device
US20010042838A1 (en) * 1997-05-23 2001-11-22 Kenji Saito Position detection device, apparatus using the same, exposure apparatus, and device manufacturing method using the same
CN101867721A (zh) * 2010-04-15 2010-10-20 青岛海信网络科技股份有限公司 宽动态图像的实现方法、实现装置及成像设备
CN106127718A (zh) * 2016-06-17 2016-11-16 中国人民解放军国防科学技术大学 一种基于小波变换的多曝光图像融合方法
CN108662993A (zh) * 2018-04-13 2018-10-16 黄智强 一种基于光学散射原理的表面粗糙度检测系统
CN108827184A (zh) * 2018-04-28 2018-11-16 南京航空航天大学 一种基于相机响应曲线的结构光自适应三维测量方法
CN109060659A (zh) * 2018-08-08 2018-12-21 西安工业大学 一种光学元件表面疵病三维信息的检测系统及检测方法
CN110057325A (zh) * 2019-04-26 2019-07-26 湖南大学 一种基于成像仿真的表面粗糙度检测方法及计算设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨平先等: "一种改进多分辨率图像融合算法", 《光电工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561804A (zh) * 2020-10-09 2021-03-26 天津大学 基于多尺度细节增强的低光照水下图像增强方法
CN114184143A (zh) * 2021-11-22 2022-03-15 惠州高盛达科技有限公司 一种pcb平整度测量方法及测量装置
CN116379974A (zh) * 2023-02-28 2023-07-04 浙江大学 一种多波长光源检测光学元件表面特性装置及方法
CN116379974B (zh) * 2023-02-28 2023-09-29 浙江大学 一种多波长光源检测光学元件表面特性装置及方法
CN117761013A (zh) * 2023-12-14 2024-03-26 浙江大学 一种光学元件表面质量角分辨检测装置及方法

Also Published As

Publication number Publication date
CN111707221B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN111707221B (zh) 一种多曝光散射信号融合的表面粗糙度测量方法
Koh et al. Determination of in-focus criteria and depth of field in image processing of spray particles
CN103617617A (zh) 基于功率谱描述的水下图像质量评价测量方法
CN103698256A (zh) 一种全场彩虹在线测量液体喷雾的方法和装置
CN102494663A (zh) 摆动喷管的摆动角度的测量系统及摆动角度的测量方法
CN116448020B (zh) 基于pBRDF与动态TS算法的粗糙度测量装置及方法
Li et al. Pseudo-polarimetric method for dense haze removal
CN113446957A (zh) 基于神经网络标定和散斑追踪的三维轮廓测量方法及装置
CN115824170A (zh) 一种摄影测量与激光雷达融合测量海洋波浪的方法
CN106018201B (zh) 基于均值滤波的混合场粒径测量方法
CN108318458B (zh) 一种适用于不同天气条件下的室外典型地物pBRDF的测量方法
CN110851965B (zh) 一种基于物理模型的光源优化方法及优化系统
CN104813217B (zh) 用于设计能够估计景深的无源单通道成像器的方法
CN108305290B (zh) 一种动目标的精确测谱方法
CN117928875A (zh) 一种风洞流场的时间分辨偏振成像装置及方法
Stephan et al. Model based image restoration for underwater images
CN203323714U (zh) 一种三维扫描仪测量装置
US20070077048A1 (en) Automatic focusing method
CN111487201B (zh) 一种偏振图像信息的表征方法和表征参数的计算方法
CN110006924B (zh) 一种光学元件表面微小缺陷二维轮廓的检测方法
YU et al. Bilinear interpolation centroid algorithm used for circular optical target location
CN105141839A (zh) 一种基于光圈时控的高清图像获取方法
Chen et al. A new algorithm for calculating the daytime visibility based on the color digital camera
Wang et al. Precision circular target location in vision coordinate measurement system
CN106770319B (zh) 一种基于表面反射和成像特性的桔皮效应检测方法和装置

Legal Events

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