CN113192121B - 一种大气湍流下的光斑中心滑动加权质心定位方法 - Google Patents
一种大气湍流下的光斑中心滑动加权质心定位方法 Download PDFInfo
- Publication number
- CN113192121B CN113192121B CN202110411324.4A CN202110411324A CN113192121B CN 113192121 B CN113192121 B CN 113192121B CN 202110411324 A CN202110411324 A CN 202110411324A CN 113192121 B CN113192121 B CN 113192121B
- Authority
- CN
- China
- Prior art keywords
- image
- current frame
- frame
- positioning
- current
- 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 46
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000005484 gravity Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000004807 localization Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的一种大气湍流下的光斑中心滑动加权质心定位方法,具体按照以下步骤实施:步骤1:将CCD采集到的光斑图像逐帧保存并进行归一化处理,生成每帧当前图像A的当前帧参考图像B;步骤2:对当前图像A进行预处理;步骤3:使用非线性权重质心法对当前帧图像A进行粗定位;步骤4:将上一帧图像的当前帧参考图像B上一帧以及的当前帧图像的当前帧参考图像B当前帧分别进行质心定位,得到光斑整体移动向量r;步骤5:由向量r对由步骤3得到的粗定位点(xs,ys)进行反向补偿,得到精定位点(xn,yn)。这种定位方法对湍流环境下的光斑图像定位稳定性高,定位效果好。
Description
技术领域
本发明属于无线光通信光束自动捕获、定位及跟踪技术所需的光斑图像分析处理领域,具体涉及一种大气湍流下的光斑中心滑动加权质心定位方法。
背景技术
光斑中心定位是指激光光斑能量中心位置的精确定位技术,它是一项光学测量中常用的关键技术,广泛应用于激光通信、目标跟踪、武器系统、激光雷达、激光测距领域;大气激光通信中,激光经过湍流的大气后会发生光束漂移、扩展和光强起伏等现象,导致接收端探测到不同程度的畸变光斑,而快速、精确定位成像光斑的中心,是激光通信的关键技术之一,激光光斑定位准确性以及精度直接决定了通信质量以及链路的稳定性。
传统的光斑定位方法[1]有质心法、形心法、Hough变换法、圆拟合法等,质心法、形心法对均匀光斑能够准确定位,计算速度快,但抗干扰能力差,对于情况复杂的实际图像定位精度;Hough变化法可靠性高,对噪声、变形残缺、边缘不连续有较好的适应性,但是计算量大、占据内存多、限制了检测精度;圆拟合法运算精度高、速度快,但抗干扰能力差,当遇到很强的外界干扰时,圆心会产生明显错误。传统定位方法对于对称性良好、分布均匀的光斑具有较高的定位精度,当光斑畸变程度不断变大,这些定位方法精度也会一定程度的降低[2]。虽然目前的自适应光学技术已经可以实时探测并矫正由大气湍流引起的光束波前相位畸变,但由于计算处理能力、计算速度和数据测量误差等原因,应用仍然受限。因此研究适用于大气湍流情况下的光斑中心定位方法有一定的应用价值。
发明内容
本发明的目的是提出一种大气湍流下的光斑中心滑动加权质心定位方法,这种定位方法对受湍流环境下的畸变光斑图像定位稳定性高,定位效果好。
本发明所采用的技术方案是,一种大气湍流下的光斑中心滑动加权质心定位方法,具体按照以下步骤实施:
步骤1:将CCD采集到的光斑图像逐帧保存并进行归一化处理,逐帧读入图像后开始叠加图像处理,生成每帧当前图像A的当前帧参考图像B;
步骤2:对当前图像A进行预处理;
步骤3:使用非线性权重质心法对当前帧图像A进行粗定位,得到当前帧图像A的粗定位点(xs,ys);
步骤4:将上一帧图像的当前帧参考图像B上一帧以及的当前帧图像的当前帧参考图像B当前帧分别进行质心定位,得到光斑整体移动向量r;
步骤5:由向量r对由步骤3得到的粗定位点(xs,ys)进行反向补偿,得到精定位点(xn,yn)。
本发明的特征还在于,
步骤1具体按照以下步骤实施:
将CCD采集到的光斑图像逐帧保存并进行归一化处理,逐帧读入图像,开始叠加图像,设置叠加图像的帧数上限值为n;当叠加帧数没达到n帧时,依次读入当前帧图像A逐帧叠加后求像素灰度平均值,生成当前帧参考图像B,当帧数达到n帧时,减去头帧,加上当前新帧图像后再求平均,逐次类推,生成每一张当前帧图像A的当前帧参考图像B,具体处理流程见图1。
步骤2具体按照以下步骤实施:
步骤2.1,对当前帧参考图像B求得阈值为VB,
其中,M0为当前帧参考图像B中像素灰度值的众数,由式(2)求得,其中L表示众数所在组的精确下限,fa为下限相邻频数,fb为上限相邻频数,l为组距,M0表达式如下:
由式(3)求得Ravg,Ravg为当前帧参考图像B像素灰度值的均值,m、n分别为图像x、y方向的像素数目,I(i,j)表示当前帧参考图像B图像各个点的像素灰度值;Ravg5表达式如下:
阈值VB对应的图像灰度值是平均背景噪声大小,用k表示,k=VB*255;
步骤2.2,去背景操作:对当前帧图像A减去由当前帧参考图像B得到的平均背景噪声大小k,II当前帧(i,j)表示当前帧图像A图像各个点的像素灰度值;II当前帧(i,j)表达式如下:
II去背景(i,j)=II当前帧(i,j)-k (4)
由公式(4)得到的当前帧图像A的去背景图像,由公式(5)求得当前帧图像A去背景后图像的阈值VA,VA表达式如下:
其中,M0'为当前帧图像A去背景后图像中像素灰度值的众数,由式(6)求得,其中L'表示众数所在组的精确下限,fa'为下限相邻频数,fb'为上限相邻频数,l'为组距;M0'表达式如下:;
由式(7)求得Ravg',Ravg'为当前帧图像A去背景后图像像素灰度值的均值,m、n分别为图像x、y方向的像素数目,II去背景(i,j)表示去背景操作后当前帧图像A图像各个点的像素灰度值,
然后进行阈值分割处理、同时对光斑中心进行噪声补偿处理,保留光斑中心有效灰度信息IIA(i,j)见公式(8):
然后再进行中值滤波,最后进行闭运算处理,得到预处理后的当前帧图像A。
步骤3中,使用非线性权重质心定位算法得到当前帧图像的粗定位点(xs,ys),见公式(9):
式中,xs为CCD光斑图像的加权重心的横坐标,ys为CCD光斑图像的加权重心的纵坐标,(xs,ys)为CCD光斑图像的加权重心的坐标位置;i、j为CCD图像上像素的位置序号,g(x,y)为预处理后的当前帧图像A像素位置(i,j)的灰度值;m、n分别为图像x、y方向的像素数目,m×n为预处理后的当前帧图像A图像上的像素总数;此处p是权重,p≥2以及p是一个整数,定义p=2,得到当前帧图像A的粗定位点(xs,ys)。
步骤4中,当前帧参考图像B上一帧的质心定位点(xi-1,yi-1),具体如下:
其中,gi-1(x,y)为图像B上一帧像素位置(i,j)的灰度值;
当前帧参考图像B当前帧的质心定位点(xi,yi),具体如下:
其中,gi(x,y)为图像B当前帧像素位置(i,j)的灰度值;
根据公式(10)及公式(11)得到光斑整体移动向量r,r=(xi-xi-1,yi-yi-1)。
步骤5中,精定位点(xn,yn)=(xs,ys)-(xi-xi-1,yi-yi-1)。
本发明的有益效果是:本发明方法通过对畸变的光斑图像利用非线性权重质心定位算法[3]进行粗定位,再利用滑动机制对光斑图像的偏移进行反向滑动补偿,实现精定位,最终得到光斑图像中心。本发明方法将接收到的图像进行逐帧处理,对每帧生成参考图像,使用参考图像去除背景后,进行预处理,再利用非线性权重质心定位算法进行粗定位,然后对参考图像进行质心定位[2]得到滑动范围,对光斑图像的偏移进行反向滑动补偿,实现精定位,最终得到光斑图像中心。这种定位方法对湍流环境下的光斑图像定位稳定性高,定位效果好;可以对于湍流下不规则的畸变光斑进行定位,且算法复杂度低,成本低。
附图说明
图1是本发明一种大气湍流下的光斑中心滑动加权质心定位方法的流程图;
图2是本发明实施例中举例当前帧图像A;
图3是本发明实施例中举例当前帧参考图像B;
图4是本发明实施例中举例当前帧参考图像B取阈值后图像;
图5是本发明实施例中举例当前帧图像A预处理后图像;
图6是本发明实施例中举例上一帧参考图像B上一帧取阈值后图像质心定位;
图7是本发明实施例举例当前帧参考图像B当前帧取阈值后图像质心定位;
图8是本发明实施例举例当前帧图像A预处理后定位图像;
图9是滑动加权质心定位算法下10KM光斑图像间定位间距;
图10是非线性权重质心定位算法下10KM光斑图像间定位间距;
图11是质心定位算法下10KM光斑图像间定位间距;
图12是形心定位算法下10KM光斑图像间定位间距;
图13是滑动加权质心定位算法下10KM光斑图像取掩膜内像素强度;
图14是非线性权重质心定位算法下10KM光斑图像取掩膜内像素强度;
图15是质心定位算法下10KM光斑图像取掩膜内像素强度;
图16是形心定位算法下10KM光斑图像取掩膜内像素强度。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种大气湍流下的光斑中心滑动加权质心定位方法,具体按照以下步骤实施:
步骤1:将CCD采集到的光斑图像逐帧保存并进行归一化处理,逐帧读入图像后开始叠加图像处理,生成每帧当前图像A的当前帧参考图像B;步骤1具体按照以下步骤实施:
将CCD采集到的光斑图像逐帧保存并进行归一化处理,逐帧读入图像,开始叠加图像,设置叠加图像的帧数上限值为n(此处令n取10);当叠加帧数没达到n帧时,依次读入当前帧图像A逐帧叠加后求像素灰度平均值,生成当前帧参考图像B,当帧数达到n帧时,减去头帧,加上当前新帧图像后再求平均,逐次类推,生成每一张当前帧图像A的当前帧参考图像B,具体处理流程见图1。
步骤2:对当前图像A进行预处理;
步骤2具体按照以下步骤实施:
步骤2.1,对当前帧参考图像B求得阈值为VB,
其中,M0为当前帧参考图像B中像素灰度值的众数,由式(2)求得,其中L表示众数所在组的精确下限,fa为下限相邻频数,fb为上限相邻频数,l为组距,M0表达式如下:
由式(3)求得Ravg,Ravg为当前帧参考图像B像素灰度值的均值,m、n分别为图像x、y方向的像素数目,I(i,j)表示当前帧参考图像B图像各个点的像素灰度值;Ravg5表达式如下:
阈值VB对应的图像灰度值是平均背景噪声大小,用k表示,k=VB*255;
步骤2.2,去背景操作:对当前帧图像A减去由当前帧参考图像B得到的平均背景噪声大小k,II当前帧(i,j)表示当前帧图像A图像各个点的像素灰度值;II当前帧(i,j)表达式如下:
II去背景(i,j)=II当前帧(i,j)-k (4)
由公式(4)得到的当前帧图像A的去背景图像,由公式(5)求得当前帧图像A去背景后图像的阈值VA,VA表达式如下:
其中,M0'为当前帧图像A去背景后图像中像素灰度值的众数,由式(6)求得,其中L'表示众数所在组的精确下限,fa'为下限相邻频数,fb'为上限相邻频数,l'为组距;M0'表达式如下:;
由式(7)求得Ravg',Ravg'为当前帧图像A去背景后图像像素灰度值的均值,m、n分别为图像x、y方向的像素数目,II去背景(i,j)表示去背景操作后当前帧图像A图像各个点的像素灰度值,
然后进行阈值分割处理、同时对光斑中心进行噪声补偿处理,保留光斑中心有效灰度信息IIA(i,j)见公式(8):(此处的噪声补偿是指对阈值以上部分加上平均背景噪声,作为中心补偿,目的是尽可能保留光斑中心有效灰度信息)。
然后再进行中值滤波,最后进行闭运算处理,得到预处理后的当前帧图像A。
步骤3:使用非线性权重质心法对当前帧图像A进行粗定位,得到当前帧图像A的粗定位点(xs,ys);
步骤3中,使用非线性权重质心定位算法得到当前帧图像的粗定位点(xs,ys),见公式(9):
式中,xs为CCD光斑图像的加权重心的横坐标,ys为CCD光斑图像的加权重心的纵坐标,(xs,ys)为CCD光斑图像的加权重心的坐标位置;i、j为CCD图像上像素的位置序号,g(x,y)为预处理后的当前帧图像A像素位置(i,j)的灰度值;m、n分别为图像x、y方向的像素数目,m×n为预处理后的当前帧图像A图像上的像素总数;此处p是权重,p≥2以及p是一个整数,定义p=2,得到当前帧图像A的粗定位点(xs,ys)。
步骤4:每个当前帧图像A对应一个当前帧参考图像B,将上一帧图像的当前帧参考图像B上一帧以及的当前帧图像的当前帧参考图像B当前帧分别进行质心定位,得到光斑整体移动向量r;
步骤4中,当前帧参考图像B上一帧的质心定位点(xi-1,yi-1),具体如下:
其中,gi-1(x,y)为图像B上一帧像素位置(i,j)的灰度值;
当前帧参考图像B当前帧的质心定位点(xi,yi),具体如下:
其中,gi(x,y)为图像B当前帧像素位置(i,j)的灰度值;
根据公式(10)及公式(11)得到光斑整体移动向量r,r=(xi-xi-1,yi-yi-1)。
步骤5:由向量r对由步骤3得到的粗定位点(xs,ys)进行反向补偿,得到精定位点(xn,yn);步骤5中,精定位点(xn,yn)=(xs,ys)-(xi-xi-1,yi-yi-1)。
实施例
实验条件下获得的10KM的光斑图像500张,每张例如图2所示为500×600像素,将图像逐帧保存并进行归一化处理,逐帧读入图像,开始叠加图像,设置叠加帧数上限值n=10,当帧数没达到10帧时,每帧图像逐帧叠加后,对图像灰度值求平均生成当前帧参考图像B,当帧数达到10帧时,减去头帧,加上当前新帧图像灰度值后,求像素灰度平均值,逐次类推,生成每帧图像的当前帧参考图像B,如图3所示,具体处理流程见图1,此处当前帧图像A见图2表示,当前帧图像A的当前帧参考图像B见图3表示;
对当前帧参考图像B取阈值,阈值以下为默认为平均背景噪声,求阈值公式见式(1),阈值分割后图像如图4所示,对当前帧图像A减去平均噪声,见公式(4),然后求阈值,同时对光斑中心进行噪声补偿处理,处理原理见公式(8),然后对图像中值滤波,最后进行闭运算处理,预处理后得到图5所示图像;
使用非线性权重质心法对当前帧图像A进行粗定位,非线性权重质心定位算法见公式(9),此处p=2,得到当前帧图像的粗定位点(313.7,162.8);
每个当前帧图像A对应一个参考图像B,将上一帧图像参考图像B上一帧(如图6所示)以及的当前帧图像的参考图像B当前帧(如图7所示)分别进行质心定位,(质心定位算法见公式(10)、(11))分别得到(325.5,188.3)、(328.1,184.4)两个变化的质心点,由两个点得到光斑定位点的整体移动向量r=(328.1-325.5,184.4-188.3),即r=(2.6,-3.9)。
步骤五:由步骤三得到的定位点(313.7,162.8),由向量r=(2.6,-3.9)对定位点(313.7,162.8)进行反向补偿,得到精定位点(313.7-2.6,162.8+3.9),即得到最终定位点(311.1,166.7)。
由图8所示,‘□’为形心,‘*’为质心定位点,‘+’为滑动加权质心定位点,‘×’为滑动加权质心定位点。
图9、10、11、12分别为实验条件下得到的500张10KM光斑图像使用滑动加权质心定位、非线性权重质心定位、质心定位、形心定位算法得到的定位点之间的距离。图13、14、15、16分别为使用滑动加权质心定位、非线性权重质心定位、质心定位、形心定位算法下光斑定位点取不同半径圆形掩膜后,掩膜内像素强度总值。
汇总数据见表1,表1的数据说明,虽然滑动加权质心定位算法像素强度不及非线性权重质心定位法,但是优于形质心法,同时,滑动加权质心定位算法的平均步长最小,说明该算法稳定性最高,而非线性权重质心定位算法的稳定性最差,因此,总体来看,对湍流环境下的畸变光斑,滑动加权质心定位算法稳定性最好,像素强度也比传统的形质心法高。
表1光斑处理过程效果分析
参考文献
[1]李晨阳,王同合,蒋理兴,吴建霖,谷友艺,王安成.高斯过程模型圆心定位算法[J].测绘科学技术学报,2018,35(06):557-562.
[2]李道萍,杨波.高精度光斑中心定位算法[J].光学仪器,2018,40(04):20-25.
[3]P.Zhou,X.Wang,Q.Huang and C.Ma,"Laser Spot Center Detection Basedon Improved Circled Fitting Algorithm,"2018 2nd IEEE Advanced InformationManagement,Communicates,Electronic and Automation Control Conference(IMCEC),Xi'an,2018,pp.316-319.
Claims (1)
1.一种大气湍流下的光斑中心滑动加权质心定位方法,其特征在于,具体按照以下步骤实施:
步骤1:将CCD采集到的光斑图像逐帧保存并进行归一化处理,逐帧读入图像后开始叠加图像处理,生成每帧当前图像A的当前帧参考图像B;
步骤1具体按照以下步骤实施:
将CCD采集到的光斑图像逐帧保存并进行归一化处理,逐帧读入图像,开始叠加图像,设置叠加图像的帧数上限值为n;当叠加帧数没达到n帧时,依次读入当前帧图像A逐帧叠加后求像素灰度平均值,生成当前帧参考图像B,当帧数达到n帧时,减去头帧,加上当前新帧图像后再求平均,逐次类推,生成每一张当前帧图像A的当前帧参考图像B;
步骤2:对当前图像A进行预处理;
步骤2具体按照以下步骤实施:
步骤2.1,对当前帧参考图像B求得阈值为VB,
其中,M0为当前帧参考图像B中像素灰度值的众数,由式(2)求得,其中L表示众数所在组的精确下限,fa为下限相邻频数,fb为上限相邻频数,l为组距,M0表达式如下:
由式(3)求得Ravg,Ravg为当前帧参考图像B像素灰度值的均值,m、n分别为图像x、y方向的像素数目,I(i,j)表示当前帧参考图像B图像各个点的像素灰度值;Ravg5表达式如下:
阈值VB对应的图像灰度值是平均背景噪声大小,用k表示,k=VB*255;
步骤2.2,去背景操作:对当前帧图像A减去由当前帧参考图像B得到的平均背景噪声大小k,II当前帧(i,j)表示当前帧图像A图像各个点的像素灰度值;II当前帧(i,j)表达式如下:
II去背景(i,j)=II当前帧(i,j)-k (4)
由公式(4)得到的当前帧图像A的去背景图像,由公式(5)求得当前帧图像A去背景后图像的阈值VA,VA表达式如下:
其中,M0'为当前帧图像A去背景后图像中像素灰度值的众数,由式(6)求得,其中L'表示众数所在组的精确下限,fa'为下限相邻频数,fb'为上限相邻频数,l'为组距;M0'表达式如下:;
由式(7)求得Ravg',Ravg'为当前帧图像A去背景后图像像素灰度值的均值,m、n分别为图像x、y方向的像素数目,II去背景(i,j)表示去背景操作后当前帧图像A图像各个点的像素灰度值,
然后进行阈值分割处理、同时对光斑中心进行噪声补偿处理,保留光斑中心有效灰度信息IIA(i,j)见公式(8):
然后再进行中值滤波,最后进行闭运算处理,得到预处理后的当前帧图像A;
步骤3:使用非线性权重质心法对当前帧图像A进行粗定位,得到当前帧图像A的粗定位点(xs,ys);
步骤3中,使用非线性权重质心定位算法得到当前帧图像的粗定位点(xs,ys),见公式(9):
式中,xs为CCD光斑图像的加权重心的横坐标,ys为CCD光斑图像的加权重心的纵坐标,(xs,ys)为CCD光斑图像的加权重心的坐标位置;i、j为CCD图像上像素的位置序号,g(x,y)为预处理后的当前帧图像A像素位置(i,j)的灰度值;m、n分别为图像x、y方向的像素数目,m3n为预处理后的当前帧图像A图像上的像素总数;此处p是权重,p≥2以及p是一个整数,定义p=2,得到当前帧图像A的粗定位点(xs,ys);
步骤4:将上一帧图像的当前帧参考图像B上一帧以及的当前帧图像的当前帧参考图像B当前帧分别进行质心定位,得到光斑整体移动向量r;
步骤4中,当前帧参考图像B上一帧的质心定位点(xi-1,yi-1),具体如下:
其中,gi-1(x,y)为图像B上一帧像素位置(i,j)的灰度值;
当前帧参考图像B当前帧的质心定位点(xi,yi),具体如下:
其中,gi(x,y)为图像B当前帧像素位置(i,j)的灰度值;
根据公式(10)及公式(11)得到光斑整体移动向量r,r=(xi-xi-1,yi-yi-1);
步骤5:由向量r对由步骤3得到的粗定位点(xs,ys)进行反向补偿,得到精定位点(xn,yn);
步骤5中,精定位点(xn,yn)=(xs,ys)-(xi-xi-1,yi-yi-1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411324.4A CN113192121B (zh) | 2021-04-16 | 2021-04-16 | 一种大气湍流下的光斑中心滑动加权质心定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411324.4A CN113192121B (zh) | 2021-04-16 | 2021-04-16 | 一种大气湍流下的光斑中心滑动加权质心定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192121A CN113192121A (zh) | 2021-07-30 |
CN113192121B true CN113192121B (zh) | 2024-02-02 |
Family
ID=76977222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110411324.4A Active CN113192121B (zh) | 2021-04-16 | 2021-04-16 | 一种大气湍流下的光斑中心滑动加权质心定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192121B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205369B (zh) * | 2022-08-03 | 2024-04-02 | 江苏科技大学 | 一种抗大气湍流的灯靶图像位移提取算法 |
CN117315011B (zh) * | 2023-11-30 | 2024-04-02 | 吉林珩辉光电科技有限公司 | 一种大气湍流中光斑中心定位方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045304A1 (zh) * | 2015-09-15 | 2017-03-23 | 苏州中启维盛机器人科技有限公司 | 采用ccd光敏器件的成像光斑计算方法 |
CN107784669A (zh) * | 2017-10-27 | 2018-03-09 | 东南大学 | 一种光斑提取及其质心确定的方法 |
WO2018176938A1 (zh) * | 2017-04-01 | 2018-10-04 | 深圳市欢创科技有限公司 | 红外光斑中心点提取方法、装置和电子设备 |
CN110969656A (zh) * | 2019-12-10 | 2020-04-07 | 长春精仪光电技术有限公司 | 一种基于机载设备激光光束光斑大小的检测方法 |
-
2021
- 2021-04-16 CN CN202110411324.4A patent/CN113192121B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045304A1 (zh) * | 2015-09-15 | 2017-03-23 | 苏州中启维盛机器人科技有限公司 | 采用ccd光敏器件的成像光斑计算方法 |
WO2018176938A1 (zh) * | 2017-04-01 | 2018-10-04 | 深圳市欢创科技有限公司 | 红外光斑中心点提取方法、装置和电子设备 |
CN107784669A (zh) * | 2017-10-27 | 2018-03-09 | 东南大学 | 一种光斑提取及其质心确定的方法 |
CN110969656A (zh) * | 2019-12-10 | 2020-04-07 | 长春精仪光电技术有限公司 | 一种基于机载设备激光光束光斑大小的检测方法 |
Non-Patent Citations (1)
Title |
---|
尚学军 ; 何明一 ; 王军良 ; .基于线阵CCD的光斑定位算法研究.激光与红外.2008,(第07期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113192121A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105894499B (zh) | 一种基于双目视觉的空间物体三维信息快速检测方法 | |
CN113192121B (zh) | 一种大气湍流下的光斑中心滑动加权质心定位方法 | |
CN111260788B (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
CN103778645B (zh) | 一种基于图像的圆形目标实时跟踪方法 | |
CN109827502A (zh) | 一种标定点图像补偿的线结构光视觉传感器高精度标定方法 | |
CN107993258A (zh) | 一种图像配准方法及装置 | |
CN109782414A (zh) | 一种基于无参考结构清晰度的自动调焦方法 | |
CN112161586A (zh) | 一种基于编码棋盘格的线结构光视觉传感器标定方法 | |
CN109859247A (zh) | 近地面场景红外小目标检测方法 | |
CN114979489A (zh) | 基于陀螺仪的重型装备生产场景视频监控稳像方法及系统 | |
CN111222472A (zh) | 一种基于结构光频域特征的人脸识别方法 | |
CN112489091A (zh) | 一种基于直瞄模板的全捷联图像导引头目标跟踪方法 | |
CN116385495A (zh) | 一种动态背景下红外视频的运动目标闭环检测方法 | |
CN111145198A (zh) | 一种基于快速角点检测的非合作目标运动估计方法 | |
CN115830064B (zh) | 一种基于红外脉冲信号的弱小目标跟踪方法及装置 | |
CN115660995A (zh) | 一种利用直线图案的相机正畸方法及系统 | |
Hongsheng et al. | Three-dimensional reconstruction of complex spatial surface based on line structured light | |
CN111383260B (zh) | 应用于可见光模态的自适应激光信息高速检测处理方法 | |
CN111292367B (zh) | 一种基线可变的双目相机深度图生成方法 | |
CN114219838A (zh) | 一种基于事件信号的高机动小目标检测方法及系统 | |
CN112325790A (zh) | 一种激光挠度测量中激光光斑检测方法 | |
CN115205369B (zh) | 一种抗大气湍流的灯靶图像位移提取算法 | |
CN113792670B (zh) | 一种自适应重构的高精度机载目标识别方法 | |
Salfer-Hobbs et al. | Software implementation and comparison of image-based optical turbulence estimation techniques |
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 |