CN113409417A - 一种基于小波变换的莫尔条纹信息提取方法 - Google Patents

一种基于小波变换的莫尔条纹信息提取方法 Download PDF

Info

Publication number
CN113409417A
CN113409417A CN202110798837.5A CN202110798837A CN113409417A CN 113409417 A CN113409417 A CN 113409417A CN 202110798837 A CN202110798837 A CN 202110798837A CN 113409417 A CN113409417 A CN 113409417A
Authority
CN
China
Prior art keywords
moire fringe
phase
gabor wavelet
filtering
wavelet transform
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
CN202110798837.5A
Other languages
English (en)
Other versions
CN113409417B (zh
Inventor
陈雅宜
陈云云
徐梦
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202110798837.5A priority Critical patent/CN113409417B/zh
Publication of CN113409417A publication Critical patent/CN113409417A/zh
Application granted granted Critical
Publication of CN113409417B publication Critical patent/CN113409417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/10072—Tomographic images
    • 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]
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于小波变换的莫尔条纹信息提取方法，包括如下步骤：步骤1：对一级滤波下的莫尔条纹光场强度进行预处理，推导出莫尔条纹相位的表达式；步骤2：对莫尔条纹光强运用伽柏小波变换；步骤3：根据莫尔条纹光强表达式，采用伽柏小波滤波器对莫尔条纹图像滤波；步骤4：对莫尔条纹光强进行卷积，得到主幅角；将步骤1中的莫尔条纹相位与主幅角表达式联立，以获取伽柏小波变换方法提取的莫尔条纹相位；步骤5：用多重网格法对步骤4得到的莫尔条纹相位进行相位解包。本发明的一种基于小波变换的莫尔条纹信息提取方法，莫尔条纹相位信息整体上更加平滑，能够有效减少噪点数，轮廓更加清晰，高精度且操作简便。

Description

一种基于小波变换的莫尔条纹信息提取方法
技术领域
本发明涉及一种基于小波变换提取莫尔条纹相位信息的方法，属于光学测量技术领域。
背景技术
莫尔层析技术作为光学计算机层析技术的一个分支，具有实时、稳定和非接触等优点，在流场检测方面具有广泛应用。在利用莫尔层析技术对高温复杂流场的关键参数进行测量时，为了保证测量精度，需要尽量确保条纹相位信息提取的精度。到目前为止，实际测量中采用傅里叶变换法进行莫尔条纹相位信息提取的情况更加普遍。因此，寻找一种更加简单、精确的条纹相位信息提取方法对莫尔层析技术用于流场测量领域有着重要的意义。
发明内容
本发明针对现有技术中的不足，提供一种高精度且易于实现的基于小波变换的莫尔条纹相位信息提取的方法，以便用于进一步被测流场的折射率重建和关键参数测量。
为实现上述目的，本发明采用以下技术方案：
一种基于小波变换的莫尔条纹信息提取方法，包括如下步骤：
步骤1：对一级滤波下的莫尔条纹光场强度进行预处理，推导出莫尔条纹相位的表达式；
步骤2：对莫尔条纹光强运用伽柏小波变换，由于伽柏小波的滤波特性，可将伽柏小波视作中心频率为(u,v)的滤波器；
步骤3：根据莫尔条纹光强表达式，选取中心频率为(0，f)的伽柏小波滤波器对莫尔条纹图像滤波，其输出结果为复数形式；
步骤4：用伽柏小波函数的实部与虚部分别对莫尔条纹光强进行卷积，得到步骤3中输出结果的主幅角；将步骤1中的莫尔条纹相位与本步骤中滤波输出的主幅角表达式联立，以获取伽柏小波变换方法提取的莫尔条纹相位；
步骤5：用多重网格法对步骤4得到的莫尔条纹相位进行相位解包。
进一步地，步骤1具体为：一级滤波下的莫尔条纹光场强度为：
Figure BDA0003163860340000011
其中，x,y分别为莫尔条纹图上各点距离图像中心的x方向与y方向的位移；α为光栅G1与G2的栅线方向夹角；a0、a1分别为基尔霍夫边界条件下在光栅G1后表面的光波复振幅的级数形式表达式的第一项和第二项的系数；d为光栅常数，两光栅的光栅系数相同；φ(x,y)为被测场扰动引起的莫尔条纹相位；
对一级滤波下的莫尔条纹相位进行预处理，式(1)去除直流分量后可被表示为：
Figure BDA0003163860340000021
令(2)式中的
Figure BDA0003163860340000022
得：
I(x,y)＝2a0 2a1 2cos[fy+φ(x,y)]. (3)
此外，式(3)可写成：
I(x,y)＝2a0 2a1 2[c(x,y)cos(fy)+s(x,y)sin(fy)], (4)
其中，
c2(x,y)+s2(x,y)＝1, (5)
c(x,y)，s(x,y)是为了便于推导相位表达式而设置的中间量。
得到数学预处理后的莫尔条纹相位：
Figure BDA0003163860340000023
进一步地，步骤2具体为：对莫尔条纹光强运用伽柏小波变换，其变换可表达为：
Guv[I(x,y)]＝huv(x,y)*I(x,y), (7)
其中，符号*表示卷积运算，huv(x,y)代表二维伽柏小波函数，由于伽柏小波变换的性质，huv(x,y)可看作是幅值呈高斯线型的等相面为平面的光栅,即一个中心频率调谐为(u,v)的带通滤波器，具体表达式为：
huv(x,y)＝g(x,y)exp[2πj(ux+vy)], (8)
Figure BDA0003163860340000024
其中，u与v为二维伽柏小波函数定义的系数，g(x,y)为二维高斯函数，σ是尺度函数，λ为入射激光波长。
进一步地，步骤3具体为：用中心频率为(0,f)的伽柏小波滤波器对莫尔条纹图像进行滤波，得到滤波输出：
G(0,f)[I(x,y)]＝kr(x,y)+jki(x,y), (10)
其中，kr(x,y)与ki(x,y)分别为滤波输出的实部与虚部。
进一步地，步骤4具体为：分别用伽柏小波函数的实部与虚部对莫尔条纹光强进行卷积，可得到式(10)中的滤波输出的实部与虚部分别为：
Figure BDA0003163860340000031
Figure BDA0003163860340000032
其中，hr为伽柏小波函数的实部，hi为伽柏小波函数的虚部；
由于φ(x,y)具有低频、窄带等特点，只要对g(x,y)选择的空间尺度足够小，且g(x,y)的带宽足够宽以包含φ(x,y)，那么在此空间尺度内，φ(x,y)可看作常数，因此，我们可得：
Figure BDA0003163860340000033
最终，经过伽柏小波变换后的滤波输出的主幅角为：
Figure BDA0003163860340000034
结合式(6)，可得一级滤波下的莫尔条纹相位φ(x,y):
Figure BDA0003163860340000035
进一步地，步骤5具体为：采用基于最小二乘(LMS)相位估计算法的多重网格方法对提取出的莫尔条纹相位进行相位解包。
本发明的有益效果是：本发明提供了一种基于小波变换的莫尔条纹信息提取方法，基于伽柏小波变换提取出的莫尔条纹相位信息整体上更加平滑，能够有效减少噪点数，轮廓更加清晰，高精度且操作简便。
附图说明
图1为莫尔偏折仪的光路设置，其中，1-激光；2-第一透镜，3-第二透镜，2和3共同组成扩束准直系统；4-待测场；5-第一伦奇光栅、6-第二伦奇光栅；7-第一成像镜头，8-滤波器，9-第二成像镜头，10-接收屏；
图2(a)为电烙铁加热前的莫尔条纹，图2(b)为电烙铁加热后的莫尔条纹；
图3(a)为伽柏小波变换提取出的加热电烙铁的流场相位图，图3(b)为傅里叶变换提取出的加热电烙铁的流场相位图；
图4(a)为蜡烛点燃前的莫尔条纹，图4(b)为蜡烛点燃后的莫尔条纹；
图5(a)为伽柏小波变换提取出的燃烧蜡烛的流场相位图，图5(b)为傅里叶变换提取出的燃烧蜡烛的流场相位图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
本发明实验装置如图1所示，激光1通过依次放置的由2和3构成的扩束准直系统、待测场4、第一伦奇光栅5和第二伦奇光栅6、即G1，G2，第一成像镜头7、滤波器8、第二成像镜头9，在接收屏10上呈现莫尔条纹偏折图，光栅常数为d，两光栅的光栅系数相同，光栅间距为Δ，且为了获得更好的条纹对比度，Δ应满足塔尔博特距离，即有Δ＝jd2/λ，两光栅的栅线方向分别与y轴呈+α/2和-α/2的夹角，α为光栅G1与G2的栅线方向夹角，从光栅G2的背面到接收屏10是一个典型的4-f系统。利用图1装置可获得被测流场的莫尔条纹，利用电荷耦合元件(CCD)获取莫尔条纹，并传输到计算机中，以便用于相位信息提取。本专利选取两类典型被测流场进行实验，证明此相位信息提取方法的可行性和优越性。
一种基于小波变换的莫尔条纹信息提取方法，包括如下步骤：
步骤1：对一级滤波下的莫尔条纹光场强度进行预处理，推导出莫尔条纹相位的表达式，具体为：
一级滤波下的莫尔条纹光场强度为：
Figure BDA0003163860340000041
其中，x,y分别为莫尔条纹图上各点距离图像中心的x方向与y方向的位移；a0、a1分别为基尔霍夫边界条件下在光栅G1后表面的光波复振幅的级数形式表达式的第一项和第二项的系数；φ(x,y)为被测场扰动引起的莫尔条纹相位；
对一级滤波下的莫尔条纹相位进行预处理，式(1)去除直流分量后可被表示为：
Figure BDA0003163860340000051
令(2)式中的
Figure BDA0003163860340000052
得：
I(x,y)＝2a0 2a1 2cos[fy+φ(x,y)]. (3)
此外，式(3)可写成：
I(x,y)＝2a0 2a1 2[c(x,y)cos(fy)+s(x,y)sin(fy)], (4)
其中，
c2(x,y)+s2(x,y)＝1, (5)
c(x,y)，s(x,y)是为了便于推导相位表达式而设置的中间量。
得到数学预处理后的莫尔条纹相位：
Figure BDA0003163860340000053
步骤2：对莫尔条纹光强运用伽柏小波变换，由于伽柏小波的滤波特性，可将伽柏小波视作中心频率为(u,v)的滤波器，具体为：对莫尔条纹光强运用伽柏小波变换，其变换可表达为：
Guv[I(x,y)]＝huv(x,y)*I(x,y), (7)
其中，符号*表示卷积运算，huv(x,y)代表二维伽柏小波函数，由于伽柏小波变换的性质，huv(x,y)可看作是幅值呈高斯线型的等相面为平面的光栅,即一个中心频率调谐为(u,v)的带通滤波器，具体表达式为：
huv(x,y)＝g(x,y)exp[2πj(ux+vy)], (8)
Figure BDA0003163860340000061
其中，u与v为二维伽柏小波函数定义的系数，g(x,y)为二维高斯函数，σ是尺度函数，λ为入射激光波长。
步骤3：根据莫尔条纹光强表达式，选取中心频率为(0，f)的伽柏小波滤波器对莫尔条纹图像滤波，其输出结果为复数形式，具体为：
用中心频率为(0,f)的伽柏小波滤波器对莫尔条纹图像进行滤波，得到滤波输出：
G(0,f)[I(x,y)]＝kr(x,y)+jki(x,y), (10)
其中，kr(x,y)与ki(x,y)分别为滤波输出的实部与虚部。
步骤4：用伽柏小波函数的实部与虚部分别对莫尔条纹光强进行卷积，得到步骤3中输出结果的主幅角；将步骤1中的莫尔条纹相位与本步骤中滤波输出的主幅角表达式联立，以获取伽柏小波变换方法提取的莫尔条纹相位，具体为：
分别用伽柏小波函数的实部与虚部对莫尔条纹光强进行卷积，可得到式(10)中的滤波输出的实部与虚部分别为：
Figure BDA0003163860340000062
Figure BDA0003163860340000063
其中，hr为伽柏小波函数的实部，hi为伽柏小波函数的虚部；
由于φ(x,y)具有低频、窄带等特点，只要对g(x,y)选择的空间尺度足够小，且g(x,y)的带宽足够宽以包含φ(x,y)，那么在此空间尺度内，φ(x,y)可看作常数，因此，我们可得：
Figure BDA0003163860340000064
最终，经过伽柏小波变换后的滤波输出的主幅角为：
Figure BDA0003163860340000065
结合式(6)，可得一级滤波下的莫尔条纹相位φ(x,y):
Figure BDA0003163860340000071
步骤5：采用基于最小二乘(LMS)相位估计算法的多重网格方法对步骤4提取出的莫尔条纹相位进行相位解包。
如图2(a)、图2(b)所示，电烙铁未加热时呈现莫尔直条纹，电烙铁加热后，莫尔条纹弯曲；如图4(a)、图4(b)所示，蜡烛未点燃时呈现莫尔直条纹，蜡烛点燃后，莫尔条纹弯曲。
对电烙铁和蜡烛燃烧场两种典型流场的莫尔条纹相位信息提取的结果如图3和图5所示。为了看出伽柏小波变换在相位信息提取中的优势，同时给出了现有使用较多的傅里叶变换下的结果进行对比。不难看出，基于伽柏小波变换提取出的莫尔条纹相位信息整体更加平滑，有效减少噪点数，轮廓更加清晰。用伽柏小波变换对电烙铁和蜡烛燃烧场两种典型流场的莫尔条纹相位信息提取的结果如图3(a)和图5(a)所示。为了看出伽柏小波变换在相位信息提取中的优势，同时给出了现有使用较多的傅里叶变换下的结果，图3(b)和图5(b))进行对比，不难看出，基于伽柏小波变换提取出的莫尔条纹相位信息整体更加平滑，有效减少噪点数，轮廓更加清晰。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (6)

1.一种基于小波变换的莫尔条纹信息提取方法，其特征在于，包括如下步骤：
步骤1：对一级滤波下的莫尔条纹光场强度进行预处理，推导出莫尔条纹相位的表达式；
步骤2：对莫尔条纹光强运用伽柏小波变换，由于伽柏小波的滤波特性，可将伽柏小波视作中心频率为(u,v)的滤波器；
步骤3：根据莫尔条纹光强表达式，选取中心频率为(0，f)的伽柏小波滤波器对莫尔条纹图像滤波，其输出结果为复数形式；
步骤4：用伽柏小波函数的实部与虚部分别对莫尔条纹光强进行卷积，得到步骤3中输出结果的主幅角；将步骤1中的莫尔条纹相位与本步骤中滤波输出的主幅角表达式联立，以获取伽柏小波变换方法提取的莫尔条纹相位；
步骤5：用多重网格法对步骤4得到的莫尔条纹相位进行相位解包。
2.根据权利要求1所述的一种基于小波变换的莫尔条纹信息提取方法，其特征在于，步骤1具体为：一级滤波下的莫尔条纹光场强度为：
Figure FDA0003163860330000011
其中，x,y分别为莫尔条纹图上各点距离图像中心的x方向与y方向的位移；α为光栅G1与G2的栅线方向夹角；a0、a1分别为基尔霍夫边界条件下在光栅G1后表面的光波复振幅的级数形式表达式的第一项和第二项的系数；d为光栅常数，两光栅的光栅系数相同；φ(x,y)为被测场扰动引起的莫尔条纹相位；
对一级滤波下的莫尔条纹相位进行预处理，式(1)去除直流分量后可被表示为：
Figure FDA0003163860330000012
令(2)式中的
Figure FDA0003163860330000013
得：
I(x,y)＝2a0 2a1 2cos[fy+φ(x,y)]. (3)
此外，式(3)可写成：
I(x,y)＝2a0 2a1 2[c(x,y)cos(fy)+s(x,y)sin(fy)], (4)
其中，
c2(x,y)+s2(x,y)＝1, (5)
c(x,y)，s(x,y)是为了便于推导相位表达式而设置的中间量。
得到数学预处理后的莫尔条纹相位：
Figure FDA0003163860330000021
。
3.根据权利要求1所述的一种基于小波变换的莫尔条纹信息提取方法，其特征在于，步骤2具体为：对莫尔条纹光强运用伽柏小波变换，其变换可表达为：
Guv[I(x,y)]＝huv(x,y)*I(x,y), (7)
其中，符号*表示卷积运算，huv(x,y)代表二维伽柏小波函数，由于伽柏小波变换的性质，huv(x,y)可看作是幅值呈高斯线型的等相面为平面的光栅,即一个中心频率调谐为(u,v)的带通滤波器，具体表达式为：
huv(x,y)＝g(x,y)exp[2πj(ux+vy)], (8)
Figure FDA0003163860330000022
其中，u与v为二维伽柏小波函数定义的系数，g(x,y)为二维高斯函数，σ是尺度函数，λ为入射激光波长。
4.根据权利要求1所述的一种基于小波变换的莫尔条纹信息提取方法，其特征在于，步骤3具体为：用中心频率为(0,f)的伽柏小波滤波器对莫尔条纹图像进行滤波，得到滤波输出：
G(0,f)[I(x,y)]＝kr(x,y)+jki(x,y), (10)
其中，kr(x,y)与ki(x,y)分别为滤波输出的实部与虚部。
5.根据权利要求1所述的一种基于小波变换的莫尔条纹信息提取方法，其特征在于，步骤4具体为：分别用伽柏小波函数的实部与虚部对莫尔条纹光强进行卷积，可得到式(10)中的滤波输出的实部与虚部分别为：
Figure FDA0003163860330000023
Figure FDA0003163860330000031
其中，hr为伽柏小波函数的实部，hi为伽柏小波函数的虚部；
由于φ(x,y)具有低频、窄带等特点，只要对g(x,y)选择的空间尺度足够小，且g(x,y)的带宽足够宽以包含φ(x,y)，那么在此空间尺度内，φ(x,y)可看作常数，因此，我们可得：
Figure FDA0003163860330000032
最终，经过伽柏小波变换后的滤波输出的主幅角为：
Figure FDA0003163860330000033
结合式(6)，可得一级滤波下的莫尔条纹相位φ(x,y):
Figure FDA0003163860330000034
6.根据权利要求1所述的一种基于小波变换的莫尔条纹信息提取方法，其特征在于，步骤5具体为：采用基于最小二乘(LMS)相位估计算法的多重网格方法对提取出的莫尔条纹相位进行相位解包。
CN202110798837.5A 2021-07-15 2021-07-15 一种基于小波变换的莫尔条纹信息提取方法 Active CN113409417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110798837.5A CN113409417B (zh) 2021-07-15 2021-07-15 一种基于小波变换的莫尔条纹信息提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110798837.5A CN113409417B (zh) 2021-07-15 2021-07-15 一种基于小波变换的莫尔条纹信息提取方法

Publications (2)

Publication Number Publication Date
CN113409417A true CN113409417A (zh) 2021-09-17
CN113409417B CN113409417B (zh) 2023-05-30

Family

ID=77686387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110798837.5A Active CN113409417B (zh) 2021-07-15 2021-07-15 一种基于小波变换的莫尔条纹信息提取方法

Country Status (1)

Country Link
CN (1) CN113409417B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485690A (zh) * 2023-06-20 2023-07-25 中国科学院苏州生物医学工程技术研究所 一种x射线光栅成像莫尔条纹漂移校准方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789138A (zh) * 2012-08-27 2012-11-21 中国科学院光电技术研究所 一种莫尔条纹倾角测量方法
WO2013136620A1 (ja) * 2012-03-14 2013-09-19 独立行政法人産業技術総合研究所 高次元輝度情報を用いた縞画像の位相分布解析方法、装置およびそのプログラム
CN104406702A (zh) * 2014-11-18 2015-03-11 中国科学院上海光学精密机械研究所 一种光束准直性检测方法
CN104504710A (zh) * 2014-12-30 2015-04-08 中国科学技术大学 X射线光栅相位衬度成像中摩尔条纹的识别方法及装置
EP2924972A1 (en) * 2014-03-27 2015-09-30 Canon Kabushiki Kaisha Image processing apparatus and imaging system
WO2016054904A1 (zh) * 2014-10-11 2016-04-14 京东方科技集团股份有限公司 图像处理方法、图像处理装置及显示设备
WO2017149687A1 (ja) * 2016-03-02 2017-09-08 株式会社日立製作所 撮像装置
JP2019009622A (ja) * 2017-06-23 2019-01-17 株式会社日立製作所 撮像装置、撮像システム、及び撮像方法
CN110363205A (zh) * 2019-06-25 2019-10-22 浙江大学 一种基于Talbot效应光学卷积的图像特征提取系统及方法
CN111412867A (zh) * 2020-05-06 2020-07-14 上海艾克森集团有限公司 一种板式热交换器板片结构测量装置及测量方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013136620A1 (ja) * 2012-03-14 2013-09-19 独立行政法人産業技術総合研究所 高次元輝度情報を用いた縞画像の位相分布解析方法、装置およびそのプログラム
CN102789138A (zh) * 2012-08-27 2012-11-21 中国科学院光电技术研究所 一种莫尔条纹倾角测量方法
EP2924972A1 (en) * 2014-03-27 2015-09-30 Canon Kabushiki Kaisha Image processing apparatus and imaging system
WO2016054904A1 (zh) * 2014-10-11 2016-04-14 京东方科技集团股份有限公司 图像处理方法、图像处理装置及显示设备
CN104406702A (zh) * 2014-11-18 2015-03-11 中国科学院上海光学精密机械研究所 一种光束准直性检测方法
CN104504710A (zh) * 2014-12-30 2015-04-08 中国科学技术大学 X射线光栅相位衬度成像中摩尔条纹的识别方法及装置
WO2017149687A1 (ja) * 2016-03-02 2017-09-08 株式会社日立製作所 撮像装置
JP2019009622A (ja) * 2017-06-23 2019-01-17 株式会社日立製作所 撮像装置、撮像システム、及び撮像方法
CN110363205A (zh) * 2019-06-25 2019-10-22 浙江大学 一种基于Talbot效应光学卷积的图像特征提取系统及方法
CN111412867A (zh) * 2020-05-06 2020-07-14 上海艾克森集团有限公司 一种板式热交换器板片结构测量装置及测量方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
C. QUAN 等: "An improved windowed fourier transform for fringe demodulation", 《OPTICS & LASER TECHNOLOGY》 *
JUN MA 等: "Wavelet selection in two-dimensional continuous wavelet transform technique for optical fringe pattern analysis", 《JOURNAL OF OPTICS》 *
YA-YI CHEN 等: "Extraction information of moire fringes based on Gabor wavelet", 《INTERNATIONAL ENTERPRENEURSHIP AND MANAGEMENT JOURNAL》 *
周剑 等: "基于二进小波多分辨率逼近的层析三维数字化图像边缘检测研究", 《中国机械工程》 *
王玉山: "X射线波面检测系统控制与图像处理", 《中国优秀硕士学问论文全文数据库 基础科学辑》 *
钟平 等: "一种应用于非亮度均衡干涉条纹的提取方法", 《应用激光》 *
韩影: "自干涉数字全息成像分辨率特性研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
高泽宇: "基于语义提取的高光谱图像分类方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485690A (zh) * 2023-06-20 2023-07-25 中国科学院苏州生物医学工程技术研究所 一种x射线光栅成像莫尔条纹漂移校准方法及装置
CN116485690B (zh) * 2023-06-20 2023-09-05 中国科学院苏州生物医学工程技术研究所 一种x射线光栅成像莫尔条纹漂移校准方法及装置

Also Published As

Publication number Publication date
CN113409417B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
Zuo et al. Transport of intensity phase retrieval and computational imaging for partially coherent fields: The phase space perspective
US10371580B2 (en) Method and apparatus for wavefront sensing
WO2003050472A1 (en) Systems and methods for wavefront measurement
Servin et al. Modern fringe pattern analysis in interferometry
CN106054570B (zh) 强度传输方程实现单幅数字全息图较大相位重建方法
CN109709786A (zh) 一种超分辨率数字全息成像系统和成像方法
Katkovnik Phase retrieval from noisy data based on sparse approximation of object phase and amplitude
CN115235618B (zh) 一种超快激光场三维时空分布的单帧测量系统及方法
Min et al. Phase retrieval without unwrapping by single-shot dual-wavelength digital holography
CN111521112A (zh) 一种傅里叶及窗口傅里叶变换的联合相位重构算法
CN113409417A (zh) 一种基于小波变换的莫尔条纹信息提取方法
Shanmugam et al. Variable shearing holography with applications to phase imaging and metrology
Vithin et al. Deep learning based single shot multiple phase derivative retrieval method in multi-wave digital holographic interferometry
CN102095503B (zh) 基于差分传感器的波前检测和重构方法
WO2021191717A1 (en) Single-shot astigmatic phase retrieval laser wavefront sensor and method
CN111207910B (zh) 基于色散条纹斜率分析的拼接镜共位相误差校正方法
CN103698022A (zh) 横向剪切干涉仪波前测量方法
CN103267485A (zh) 一种点衍射三维绝对位移测量方法
CN117031684A (zh) 一种数字全息成像自动聚焦方法及装置
Liu et al. A robust phase extraction method for overcoming spectrum overlapping in shearography
CN109655012A (zh) 一种光学界面面型测量的方法
Widjaja et al. Holographic particle tracking using Wigner–Ville distribution
CN112013973B (zh) 基于斐波那契光子筛的变剪切比四波剪切干涉仪
Katkovnik et al. Multiwavelength surface contouring from phase-coded diffraction patterns
CN105426898A (zh) 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

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