CN113570639B - 一种基于条纹修正相关的运动目标纹影检测系统 - Google Patents
一种基于条纹修正相关的运动目标纹影检测系统 Download PDFInfo
- Publication number
- CN113570639B CN113570639B CN202111117929.9A CN202111117929A CN113570639B CN 113570639 B CN113570639 B CN 113570639B CN 202111117929 A CN202111117929 A CN 202111117929A CN 113570639 B CN113570639 B CN 113570639B
- Authority
- CN
- China
- Prior art keywords
- image
- schlieren
- target
- detection
- power spectrum
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000012937 correction Methods 0.000 title claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- 230000002708 enhancing effect Effects 0.000 claims abstract description 3
- 238000005728 strengthening Methods 0.000 claims abstract description 3
- 238000001228 spectrum Methods 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000001427 coherent effect Effects 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 abstract description 17
- 230000010365 information processing Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 206010040925 Skin striae Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20201—Motion blur correction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于条纹修正相关的运动目标纹影检测系统，属于目标纹影检测技术领域。所述系统针对传统相关器存在较强的零衍射级且较弱的相关信号强度，依托基于纹影图像预处理的条纹修正目标纹影检测方法，首先将参考图像预先存储在图像处理器1中，通过超高速相机对目标场景进行对焦采集目标纹影图像；然后在图像处理器1中对采集到的目标纹影图像进行预处理；最后，对参考图像与预处理图像联合输入进行条纹调制，消除零级衍射光的同时加强互相关峰的强度，增强相关器的检测能力。所述系统将BOS系统采集的数据加载到光学相关器上，利用光学信息处理技术和光学相关器高速、并行处理信息的优势，实现高速目标纹影光速检测，提高了相关峰的探测。
Description
技术领域
本发明具体涉及一种基于条纹修正相关的运动目标纹影检测系统，属于目标纹影检测技术领域。
背景技术
目标在高速运动过程中会与气流发生剧烈的相互作用，折射率随之发生变化。由气流扰动导致的失真像点往往是小于一个亚像素级的，因此高速运动目标在飞行过程中所产生的纹影是肉眼不可见的。然而对高速运动目标的纹影预警与检测具有非常重大的研究意义，尤其是在国家防空识别领域。
背景纹影技术，即Background Oriented Schlieren，简称BOS，是目前获取纹影图像的主要技术手段。该光学系统简单易实现并可应用在户外全尺寸场景下，其原理是透过变化的折射率场观察某一带有斑点的粒子图像，图像上受扰动区域的斑点会产生偏移。目标在飞行过程中，结构的不均匀性导致折射率场非均匀分布，光线的传输路径改变，使得探测器接收到的目标图像模糊、抖动、偏移，降低了成像质量。为了实现BOS光学成像系统具有对目标纹影检测和预警的功能，本发明应用光学相关检测技术，通过检测目标与背景模型的相关性来实现目标光速检测。
联合变换相关器在光学处理领域具有非常广泛的应用，是图像检测的重要手段，其原理是通过将参考图像和目标图像放置于透镜的前焦面处，使用相干光对其进行照射，可通过超高速相机等探测器在透镜后焦面处获得其功率谱，再次经过透镜就可获得图像之间的相关信息。传统的联合变换相关器系统受环境的影响较大，探测能力较弱，同时其探测能力与精度和待检测图像的状态强相关，如当目标图像与参考图像之间存在一定的角度和比例变化，或者存在较强的背景噪声干扰等等，都会造成其探测能力下降。为了实现BOS系统可对高速飞行目标进行检测，本发明提出将条纹修正联合变换相关器与BOS成像系统相结合，实现对目标纹影光速预警与检测。条纹修正联合变换相关器主要通过增加互相关峰强度对传统方法进行改进，能有效地防止在参考图像太弱时产生的溢出现象。
发明内容
本发明的目的在于针对传统的联合变换相关器存在较强和较宽的零衍射级且相关信号强度较弱的技术现状，提出了一种基于条纹修正相关的运动目标纹影检测系统，将地对空式背景纹影成像系统，即BOS系统采集的数据加载到光学相关器上，利用光学信息处理技术和光学相关器高速、并行处理信息的优势，实现对高速目标纹影光速检测及目标预警功能，基于纹影图像预处理的条纹修正目标纹影检测方法，提高相关峰的探测。
为了达到上述目的，本发明采取如下技术方案。
所述基于条纹修正相关的运动目标纹影检测系统，包括超高速相机、平面分光镜、空间光调制器、傅里叶透镜、准直透镜、相干光源产生器、反射镜、图像处理器、CCD和光源；
其中，光源为太阳光。
超高速相机的参数包括：焦距、分辨率、孔径、帧率和快门；超高速相机采用像素为百万级以上，帧频为每秒1000帧～10000帧的相机，如PHANTOM V711或SPEEDCAM VISARIOg2。
场景和滤波均采用液晶型空间光调制器，分辨率为1024×768像素。
傅里叶透镜焦距为400mm；反射镜采用介质反射镜；图像处理器采用计算机实现，包括图像处理器1和图像处理器2。
参考图像预先存储在图像处理器1中。
在太阳光光线作用下，超高速相机对目标场景进行对焦，目标纹影序列图像存储到图像处理器1中，并对目标纹影序列图像进行图像预处理；相干光源产生器产生的光线摄入准直透镜，然后通过平面分光镜和反射镜，将光线按比率分开，参考图像和目标图像组成的联合图像并排显示输入到在空间光调制器上SLM1；准直的相干光源垂直照射空间光调制器SLM1，经过傅里叶透镜L1，在L1的后焦面上得到联合变换功率谱，输出到CCD并计算该功率谱，经过模数转换电路存储到图像处理器2中，处理后的功率谱通过条纹修正滤波器SLM2进行调制，再通过傅里叶透镜L2进行傅里叶逆变换，最后在输出面上得到相关输出。
其中，图像处理器1中的图像预处理是指高斯滤波、边缘检测和图像分割。
基于条纹修正相关的运动目标纹影检测系统的连接关系为：
超高速相机用来对目标场景进行对焦获取纹影信息，与图像处理器1相连接；图像处理器1与空间光调制器SLM1相连；相干光源通过准直透镜和平面分光镜垂直照射SLM1；SLM1与傅里叶透镜L1相连；傅里叶透镜L1与CCD相连，CCD记录功率谱；CCD与模数转换电路相连；模数转换电路与SLM2相连；SLM2是由条纹修正滤波器与联合功率谱组成；经过条纹修正的功率谱SLM2与傅里叶透镜L2相连；最后在输出面显示零级衍射相关输出。
基于条纹修正相关的运动目标纹影检测系统各元器件的功能如下：
图像处理器1的功能是用于预先存储参考图像，并进行图像预处理，预处理可以使相关输出峰变窄；光线摄入准直透镜，然后通过平面分光镜和反射镜，将光线按比率分开；将预处理图像、参考图像和水平的相关光源输出给SLM1；SLM1的功能是将信息量加载在光学数据场，有效地利用光速和并行性，实现实时光学信息处理；SLM2是通过条纹调制滤波函数对联合变换功率谱进行调制，得到更加锐利的相关峰，进而提高相关识别能力；傅里叶透镜L1和L2的功能是得到参考图像和目标图像的联合变换功率谱；超高速相机的功能是采集高动态目标纹影图像；CCD的功能是记录该组图像的功率谱，并输入到图像处理器2；图像处理器2根据获得的功率谱，判定纹影序列图像中是否有目标存在，并对存在目标的纹影序列图像进行后续的纹影图像处理，所述图像处理是指对图像增强纹影信息，使亚像元的纹影信息达到肉眼可见，并在图像处理器的显示装置显示。
所述基于条纹修正相关的运动目标纹影检测系统的工作过程及信号传输关系如下：
步骤1、获取运动目标纹影序列图像，采用地对空式BOS系统获取高动态目标纹影序列图像。
其中，高动态目标纹影序列图像具体通过超高速相机采集。
步骤2、将高动态纹影序列图像加载到图像处理器1进行预处理，得到预处理后的目标图像。
其中，预处理具体包括如下子步骤：
步骤2.1利用小波方法对纹影图像去噪。
步骤2.2 采用迭代阈值法对纹影图像进行阈值分割。
步骤2.3 利用Canny算子对纹影图像进行边缘检测，得到预处理后的目标图像。
步骤3、将预处理后的目标图像与参考图像并列加载到空间光调制器SLM1，并将两者相加，得到输入面的联合图像。
其中，预处理后的目标图像与参考图像，分别表示为
，
，目标图像与参考图像之和构成输入面的联合图像，记为
。
步骤4、将联合图像经傅里叶透镜L1后焦面，得到新的联合输入图像，再计算联合图像的傅里叶变换功率谱及联合变换功率谱。
其中，联合图像的傅里叶变换功率谱，记为
；联合变换功率谱，记为
。
步骤5、由CCD记录联合变换功率谱并将新的联合输入图像经过数模转换电路转换为数字图像，并将数字图像存储到图像处理器2中，再通过条纹修正滤波器进行条纹调制，将其功率谱
与条纹调制函数
相乘，经透镜L2的傅里叶逆变换，得出一组由δ函数构成的相关输出图像，消除零级衍射光的同时加强互相关峰的强度，增强相关器的检测能力。
有益效果
本发明提出一种基于条纹修正相关的运动目标纹影检测系统，与已有技术的传统事件检测系统相比，具有如下有益效果：
1.所述系统基于现有的背景纹影成像系统，将BOS系统采集的数据加载到光学相关器上，光学图像处理具有明显的速度优势，使BOS系统实现全天候的目标纹影光速预警与检测。
2.所述系统对纹影图像进行目标检测，消除了零级衍射光的影响同时加强了互相关峰的强度，进一步增强了现有光学相关器的检测能力。
3.所述系统经过对纹影图像预处理，降低了联合图像的背景噪声，减少了杂散光的影响，提高了相关峰的对比度，有效地提高了联合图像检测的效率和准确度。
4.传统的背景纹影成像系统，无法实时的对高速运动目标监控，当监控系统规模比较庞大时，传统人工方式需要投入更多人力财力，实施本发明可大幅节省人力成本。
附图说明
图1为基于条纹修正相关的运动目标纹影检测系统的原理图；
图2为基于纹影图像预处理的条纹修正目标纹影检测方法流程图；
图3为基于条纹修正联合变换相关器的联合图像；
图4为基于纹影图像预处理的条纹修正联合变换相关器的联合图像；
图5 为基于条纹修正联合变换相关器的联合功率谱；
图6 为基于纹影图像预处理的条纹修正联合变换相关器的联合功率谱；
图7 为基于条纹修正联合变换相关器的相关峰示意图；
图8 为基于纹影图像预处理的条纹修正联合变换相关器的相关峰示意图。
具体实施方式
下面结合附图对本发明一种基于条纹修正相关的运动目标纹影检测系统的优选实施方式做详细说明。
实施例1
本发明方法考虑到图像检测与识别需要较强的计算能力，本发明利用光学信息处理技术和光学相关器高速、并行处理信息的优势，提出一种基于条纹修正相关的运动目标纹影检测系统，解决传统BOS光学系统无法自动预警与检测的难题。针对传统联合变换相关器存在较强和较宽的零衍射级，本发明采用条纹调制滤波器，通过调制联合功率谱消除零级衍射光，同时加强互相关峰的强度，增强相关器的检测能力。另外，考虑到纯光学器件易受到环境的影响，易形成散斑现象，因此对条纹修正相关器件采用预处理方法，有效地改善相关检测效果。
本发明的设计思想为：首先将参考图像预先存储在图像处理器1中，通过超高速相机对目标场景进行对焦采集目标纹影图像；然后在图像处理器1中对采集到的目标纹影图像进行预处理，这里采用的预处理手段是高斯滤波、边缘检测和图像分割；最后，对参考图像与预处理图像联合输入进行条纹调制，消除零级衍射光的同时加强互相关峰的强度，增强相关器的检测能力。
本发明提出的基于条纹修正相关的运动目标纹影检测系统原理图如图1所示，参考图像预先存储在图像处理器1中。在太阳光光线作用下，超高速相机对目标场景进行对焦，目标纹影序列图像存储到图像处理器1中，并对目标纹影序列图像进行图像预处理。光线摄入准直透镜，然后通过平面分光镜和反射镜，将光线按一定的比率分开，参考图像和目标图像组成的联合图像并排显示输入到在空间光调制器SLM1上。准直的相干光源垂直照射空间光调制器SLM1，经过傅里叶透镜L1，在L1的后焦面上得到联合变换功率谱，输出到CCD并计算该功率谱，并经过模数转换电路存储到图像处理器2中，处理后的功率谱通过条纹修正滤波器进行调制，再进行傅里叶逆变换，最后在输出面上得到相关输出。
本发明提出的基于纹影图像预处理的条纹修正目标纹影检测方法流程图如图2所示，具体步骤如下：
步骤一、获取运动目标纹影序列图像，采用地对空式BOS系统获取高动态纹影序列图像。
在获取纹影目标时，以太阳为背景，且高速相机与空气动力流场、背景之间的光路距离参数满足
时，可以获取到很好的纹影图像。
为超高速相机与空气动力流场之间的距离。
为超高速相机与太阳之间的距离。
流场指飞机马赫数超过1.5在空中飞过。
步骤二、将成像系统采集的数据加载到图像处理器1中，对纹影图像进行预处理。首先利用小波方法对纹影图像去噪，本发明选用具有良好紧支集性和标准正交性的Daubechines小波基，尺度函数和小波函数的支撑区为2N-1，小波函数的消失矩为N，在本发明中选择N=3。
步骤三、采用迭代阈值法对纹影图像进行阈值分割，通过选定合适的阈值对目标图像与背景进行区分，本发明设定的阈值为150。
其中，迭代阈值纹影特征分割算法流程包括：
（1）输入纹影图像
，对纹影图像进行直方图统计，寻找纹影图像当中最大值
和最小值
，设初始值为最大和最小值和的一半，即
。
（2）使用初始值将纹影图像分为两部分，分别是目标
和背景
。
（3）分别计算目标
和背景
的平均灰度值
和
。
（4）更新阈值
，
。
（5）比较原始值
和更新值
，若
，则达到终止循环条件，
即为最终阈值；否则，将
的值赋给
，重复（2）~（4）步进行迭代运算。
步骤四、本发明利用Canny算子对纹影图像进行边缘检测，消除在实际探测中由于照明系统误差导致边缘信息变得模糊。
步骤五、将处理好的高动态纹影序列图像加载到条纹修正联合变换光学相关器上。首先，处理后的目标图像与参考图像并列加载到空间光调制器SLM1，参考图像
的坐标位置
以及目标图像
，坐标位置
，输入面的联合图像分布
为：
步骤六、通过傅里叶透镜L1可在后焦面处得到新的联合变换功率谱
其中，
分别表示傅里叶平面上的频率值。
，
表示为参考图像在频谱面上的振幅和相位，
，
表示为目标图像在频谱面上的振幅和相位。
步骤七、对新的联合输入图像进行调制，本发明利用条纹修正滤波器对功率谱进行调制，具体形式定义为：
步骤八、调制后的功率谱经过傅里叶逆变换，得到由零级项和一组δ函数构成的相关输出：
其中，
是由
位相项造成的脉冲函数高度比。
本发明采用计算机模拟实现条纹调制的相关器仿真图像，图3为基于条纹修正联合变换相关器的仿真图。图4为基于纹影图像预处理的条纹修正联合变换相关器的联合图像仿真图。图5为基于条纹修正联合变换相关器的功率谱仿真结果图，图7为基于条纹修正联合变换相关器的相关峰示意图，x和y轴表示为像素点，z轴为相关值，可以看出背景光存在着极强的零级衍射光，对相关点检测造成较大的干扰；同时在有背景光干扰时，相关图噪声较大，存在较大的弥散斑。图6 为基于纹影图像预处理的条纹修正联合变换相关器的联合功率谱，图8为基于纹影图像预处理的条纹修正联合变换相关器的相关峰示意图，x和y轴表示为像素点，z轴为相关值，可以看出经过预处理后的相关图像几乎不包含零级衍射光，联合图像的背景噪声大大降低，杂散光的影响减小，相关峰对比度提升，可有效地提高了联合图像检测的效率和准确度。
虽然结合了附图描述了本发明的实施方式，但是对于本领域技术人员来说，在不脱离本发明原理的前提下，还可以做出若干变形和改进，这些也应视为属于本发明的保护范围。
Claims (5)
1.一种基于条纹修正相关的运动目标纹影检测系统，其特征在于：包括超高速相机、平面分光镜、空间光调制器、傅里叶透镜、准直透镜、相干光源产生器、反射镜、图像处理器、CCD和光源；
其中，光源为太阳光；
反射镜采用介质反射镜；图像处理器采用计算机实现，包括图像处理器1和图像处理器2；
参考图像预先存储在图像处理器1中；图像处理器1中的图像预处理是指高斯滤波、边缘检测和图像分割；
基于条纹修正相关的运动目标纹影检测系统的连接关系为：
超高速相机用来对目标场景进行对焦获取纹影信息，与图像处理器1相连接；图像处理器1与空间光调制器SLM1相连；相干光源通过准直透镜和平面分光镜垂直照射SLM1；SLM1与傅里叶透镜L1相连；傅里叶透镜L1与CCD相连，CCD记录功率谱；CCD与模数转换电路相连；模数转换电路与空间光调制器SLM2相连；SLM2是由条纹修正滤波器与联合功率谱组成；经过条纹修正的功率谱SLM2与傅里叶透镜L2相连；最后在输出面显示傅里叶透镜L2的零级衍射相关输出；
所述基于条纹修正相关的运动目标纹影检测系统的工作过程及信号传输关系如下：
步骤1、获取运动目标纹影序列图像，采用地对空式BOS系统获取高动态目标纹影序列图像；
其中，高动态目标纹影序列图像具体通过超高速相机采集；
步骤2、将目标纹影序列图像加载到图像处理器1进行预处理，得到预处理后的目标图像；
其中，预处理具体包括如下子步骤：
步骤2.1利用小波方法对纹影图像去噪；
步骤2.2 采用迭代阈值法对纹影图像进行阈值分割；
步骤2.3 利用Canny算子对纹影图像进行边缘检测，得到预处理后的目标图像；
步骤3、将预处理后的目标图像与参考图像并列加载到空间光调制器SLM1，并将两者相加，得到输入面的联合图像；
其中，预处理后的目标图像与参考图像，分别表示为
，
，目标图像与参考图像之和构成输入面的联合图像，记为
，其中，x, y表示为图像像素点的位置坐标；
步骤4、将联合图像经傅里叶透镜L1后焦面，得到新的联合输入图像，再计算联合图像的傅里叶变换功率谱及联合变换功率谱；
其中，联合图像的傅里叶变换功率谱，记为
；联合变换功率谱，记为
，其中，u,v分别表示傅里叶平面上的频率值；
步骤5、由CCD记录联合变换功率谱并将新的联合输入图像经过模数转换电路转换为数字图像，并将数字图像存储到图像处理器2中，再通过条纹修正滤波器进行条纹调制，将其功率谱
与条纹调制函数
相乘，经透镜L2的傅里叶逆变换，得出由一组δ函数构成相关输出图像，消除零级衍射光的同时加强互相关峰的强度，增强相关器的检测能力。
2.依据权利要求1所述的一种基于条纹修正相关的运动目标纹影检测系统，其特征在于：超高速相机的参数包括：焦距、分辨率、孔径、帧率和快门。
3.依据权利要求2所述的一种基于条纹修正相关的运动目标纹影检测系统，其特征在于：超高速相机采用像素为百万级以上，帧频为每秒1000帧～10000帧的相机。
4.依据权利要求3所述的一种基于条纹修正相关的运动目标纹影检测系统，其特征在于：在太阳光光线作用下，超高速相机对目标场景进行对焦，目标纹影序列图像存储到图像处理器1中，并对目标纹影序列图像进行图像预处理。
5.依据权利要求4所述的一种基于条纹修正相关的运动目标纹影检测系统，其特征在于：相干光源产生器产生的光线摄入准直透镜，然后通过平面分光镜和反射镜，将光线按比率分开，参考图像和目标图像组成的联合图像并排显示输入到在空间光调制器SLM1上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111117929.9A CN113570639B (zh) | 2021-09-24 | 2021-09-24 | 一种基于条纹修正相关的运动目标纹影检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111117929.9A CN113570639B (zh) | 2021-09-24 | 2021-09-24 | 一种基于条纹修正相关的运动目标纹影检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113570639A CN113570639A (zh) | 2021-10-29 |
| CN113570639B true CN113570639B (zh) | 2022-01-25 |
Family
ID=78174173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111117929.9A Active CN113570639B (zh) | 2021-09-24 | 2021-09-24 | 一种基于条纹修正相关的运动目标纹影检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113570639B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114383668B (zh) * | 2022-03-24 | 2022-05-24 | 北京航空航天大学 | 一种基于可变背景的流场测量装置及方法 |
| CN116678583B (zh) * | 2023-01-12 | 2024-04-05 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种基于相位调制的纹影系统及其调节方法 |
| CN116580076B (zh) * | 2023-07-10 | 2023-09-12 | 中国空气动力研究与发展中心计算空气动力研究所 | 获取包含模型边界的粒子图的设备、方法、装置及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9599497B1 (en) * | 2015-07-29 | 2017-03-21 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Background oriented Schlieren using celestial objects |
| CN107782288A (zh) * | 2017-09-22 | 2018-03-09 | 北京空间机电研究所 | 基于背景纹影成像的大气扰动式光学监测飞行器的方法 |
| US10169847B1 (en) * | 2015-08-06 | 2019-01-01 | The United States Of America As Represented By The Administrator Of Nasa | Air-to-air background oriented schlieren technique |
| CN112504976A (zh) * | 2020-08-28 | 2021-03-16 | 中国科学院合肥物质科学研究院 | 一种多功能大气流场二维成像探测装置及探测方法 |
-
2021
- 2021-09-24 CN CN202111117929.9A patent/CN113570639B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9599497B1 (en) * | 2015-07-29 | 2017-03-21 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Background oriented Schlieren using celestial objects |
| US10169847B1 (en) * | 2015-08-06 | 2019-01-01 | The United States Of America As Represented By The Administrator Of Nasa | Air-to-air background oriented schlieren technique |
| CN107782288A (zh) * | 2017-09-22 | 2018-03-09 | 北京空间机电研究所 | 基于背景纹影成像的大气扰动式光学监测飞行器的方法 |
| CN112504976A (zh) * | 2020-08-28 | 2021-03-16 | 中国科学院合肥物质科学研究院 | 一种多功能大气流场二维成像探测装置及探测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Two-channel model based adaptive schlieren detection algorithm for BOS system;Liu Han 等;《 Journal of Systems Engineering and Electronics》;20190513;全文 * |
| 基于光学相关的空间目标干涉探测技术研究;贺仕杰 等;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》;20210715;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113570639A (zh) | 2021-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113570639B (zh) | 一种基于条纹修正相关的运动目标纹影检测系统 | |
| Lin et al. | Vehicle speed detection from a single motion blurred image | |
| US7692709B2 (en) | End-to-end design of electro-optic imaging systems with adjustable optical cutoff frequency | |
| US20130242188A1 (en) | Method and Apparatus for Detection and Removal of Rain from Videos using Temporal and Spatiotemporal Properties | |
| US20210144278A1 (en) | Compressed sensing based object imaging system and imaging method therefor | |
| CN103477644A (zh) | 记录图像和从图像获得3d信息的方法、相机系统 | |
| CN111986118B (zh) | 一种加权核范数最小化的水下计算鬼成像图像去噪方法及系统 | |
| Shinya | Post-filtering for depth of field simulation with ray distribution buffer | |
| Mohammadi et al. | Vehicle speed estimation based on the image motion blur using radon transform | |
| CN114998441B (zh) | 无人机云台灯自适应调节方法、装置、电子设备及存储介质 | |
| Yao et al. | The Retinex-based image dehazing using a particle swarm optimization method | |
| WO2023027822A1 (en) | Spatial metrics for denoising depth image data | |
| Bijelic et al. | Recovering the Unseen: Benchmarking the Generalization of Enhancement Methods to Real World Data in Heavy Fog. | |
| Khan et al. | High-density single shot 3D sensing using adaptable speckle projection system with varying preprocessing | |
| Kuciš et al. | Simulation of camera features | |
| CN117218026B (zh) | 一种红外图像增强方法及装置 | |
| Hu et al. | A low-illumination image enhancement algorithm based on morphological-Retinex (MR) operator | |
| CN114460805A (zh) | 一种基于高通滤波的遮挡物散射成像系统 | |
| CN111811481A (zh) | 一种应用于关联成像的消除图像拖影的处理方法 | |
| Boehrer et al. | Turbulence mitigation in neuromorphic camera imagery | |
| CN114049263B (zh) | 基于均值滤波的关联成像的去噪方法 | |
| Xu et al. | Active non-line-of-sight imaging through dense fog via hybrid intelligent enhancement perception system | |
| Cai et al. | PSF Estimation of Simple Lens Based on Circular Partition Strategy | |
| CN115629482A (zh) | 一种傅里叶叠层成像系统 | |
| CN118134798A (zh) | 一种基于局部窗口的噪声滤波方法及系统 |
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 |