CN114252163B - 一种基于图像噪声去除的低信噪比子光斑波前复原方法 - Google Patents
一种基于图像噪声去除的低信噪比子光斑波前复原方法 Download PDFInfo
- Publication number
- CN114252163B CN114252163B CN202111574350.5A CN202111574350A CN114252163B CN 114252163 B CN114252163 B CN 114252163B CN 202111574350 A CN202111574350 A CN 202111574350A CN 114252163 B CN114252163 B CN 114252163B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- noise
- wavefront
- facula
- 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 48
- 238000001914 filtration Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 8
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 230000003044 adaptive effect Effects 0.000 abstract description 5
- 230000003287 optical effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J9/00—Measuring optical phase difference; Determining degree of coherence; Measuring optical wavelength
-
- 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
- G06T7/60—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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J9/00—Measuring optical phase difference; Determining degree of coherence; Measuring optical wavelength
- G01J2009/002—Wavefront phase distribution
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像噪声去除的低信噪比子光斑波前复原方法,受天光背景、环境噪声、大气湍流强度、信标光回光特性、探测器噪声等因素影响,夏克‑哈特曼波前传感器常常出现子孔径光斑信噪比较低的情况,使得子光斑质心位置提取精度下降,影响自适应光学系统波前探测精度。最终,导致自适应光学系统校正效果下降,甚至闭环不稳定。针对上述问题,本发明首先根据夏克‑哈特曼波前传感器子光斑图像噪声特性,通过噪声去除方法去除图像噪声,减弱环境噪声、探测器噪声等对子光斑位置定位的影响,以提升存在低信噪比子光斑时夏克‑哈特曼波前传感器的波前探测精度。尤其当波前传感器入射光束近场动态非均匀时,本发明方法具有兼容性高的特点。
Description
技术领域
本发明属于波前探测技术领域,尤其涉及一种基于图像噪声去除的低信噪比子光斑波前复原方法,可用于天文观测、激光大气传输补偿、自由空间激光通信等多个领域的波前探测。
背景技术
夏克-哈特曼波前传感器(SH-WFS)结构简单紧凑、光能利用率高,在自适应光学系统中得到了广泛应用。夏克-哈特曼波前传感器主要由微透镜阵列和光电传感器组成,当入射波前存在波前畸变时,微透镜对应的聚焦子光斑质心位置发生偏移,通过测量聚焦子光斑质心位置相对标定位置的偏移量,可以得到该子孔径对应的波前斜率。已知入射波前斜率数据后,通过波前复原算法可以得到入射波面的相位分布。
实际应用中,受天光背景、环境噪声、大气湍流强度、信标光回光特性、探测器噪声等因素影响,夏克-哈特曼波前传感器常常出现子孔径光斑信噪比较低的情况,使得子光斑质心位置提取精度下降,影响自适应光学系统波前探测精度。最终,导致自适应光学系统校正效果下降,甚至闭环不稳定。此外,采用分段阈值质心法定位子光斑位置时,该方法需要根据子光斑强度和噪声特性对每个子孔径分别设置阈值,以保证质心计算精度,计算过程复杂。尤其,当波前传感器探测光束近场光强动态非均匀时,分段阈值质心法的参数需要实时响应近场光强变化,进一步增加了自适应光学系统处理机时间开销,引入更高的系统延迟。
为此,需要寻找一种高实时性、高兼容性的夏克-哈特曼波前传感器低信噪比子光斑高精度定位算法,进一步扩展自适应光学系统在强天光背景、强环境噪声等条件下的适应性。
发明内容
本发明要解决的技术问题是:夏克-哈特曼波前传感器存在低信噪比子光斑时的高精度波前复原问题。
本发明解决上述技术问题采用的技术方案是:一种基于图像噪声去除的低信噪比子光斑波前复原方法,该方法根据夏克-哈特曼波前传感器子光斑图像噪声特性,通过噪声去除方法去除图像噪声以提高子光斑信噪比,减弱环境噪声、探测器噪声等对子光斑位置定位的影响,进而可以提升存在低信噪比子光斑时夏克-哈特曼波前传感器的波前探测精度。该方法具体通过以下步骤实现:
步骤1:采集夏克-哈特曼波前传感器图像,利用图像噪声去除方法去除夏克-哈特曼波前传感器子光斑图像噪声。
步骤2:利用子光斑定位技术提取夏克-哈特曼波前传感器子光斑位置,并计算子光斑相对标定位置的偏移量。
步骤3:利用子光斑偏移计算波前斜率,通过波前复原算法复原入射光束波前。
进一步地,步骤1所述的图像噪声去除方法包括均值滤波、中值滤波、非局部均值滤波(NLM)、三维块匹配滤波(BM3D)、深度卷积神经网络等噪声去除方法,也可以是其他任意可以去取图像噪声方法。
进一步地,步骤2所述的光斑定位技术包括加权质心法、阈值质心法、匹配滤波法、配准算法等光斑定位方法,也可以是其他任意可以定位光斑位置的方法。
进一步地,步骤3所述的波前复原算法包括区域法、模式法、直接斜率法等波前复原算法,也可以是其他任意通过波前斜率复原入射光束波前的方法。
本发明与现有技术相比有如下优点:
(1)本发明通过去除图像噪声提高了低信噪比子光斑信噪比,提升了夏克-哈特曼波前传感器存在低信噪比子光斑时的波前探测精度,能够广泛用于强天光背景、强环境噪声等条件下的波前复原;
(2)本发明在波前传感器入射光束近场动态非均匀时具有兼容性高的特点,不需要根据夏克-波前传感器子光斑状态和探测器噪声特性实时调整噪声去除算法和光斑定位算法参数。
附图说明
图1为本发明一种基于图像噪声去除的低信噪比子光斑波前复原方法流程示意图;
图2为无噪声、有噪声、噪声去除后的夏克-哈特曼波前传感器光斑图;
图3为无噪声、有噪声、噪声去除后复原的波前和波前复原残差。
具体实施方式
为使本发明的目的和技术方案更加清楚明白,以下结合具体实施示例,并参照附图,对本发明进一步详细说明。
本发明实施例中,入射光束口径为30mm、激光波长为1064nm、波前传感器子孔径数目为14×14、子孔径尺寸为270μm、微透镜焦距为11.5mm、CCD探测器像素尺寸为15μm×15μm,位深为10位。
本发明一种基于图像噪声去除的低信噪比子光斑波前复原方法,具体步骤包括:
步骤1:采集夏克-哈特曼波前传感器图像v,利用图像噪声去除方法去除夏克-哈特曼波前传感器子光斑图像噪声。
所述步骤1中图像噪声去除方法选用非局部均值滤波(NLM)算法,具体过程如下:
步骤1.1:确定搜索块(D×D)和相似度比较块(d×d)的大小,一般搜索块大小21×21、相似度比较块大小7×7;
步骤1.2:取图像一点i,以该点为中心构建搜索块,取搜索块一点j,计算以i、j为中心的两个比较块的权重矩阵ω(i,j)值,
其中,
式中,i为图像中一点,j为搜索块内一点,V(i)为以i点中心的相似度比较块,V(j)为以j点为中心的相似度比较块,d为相似度比较块大小,h为衰减因子,sd表示相似度比较块坐标集,Δ为以i、j为中心的比较块内点的坐标;
步骤1.3:重复步骤1.2,完成搜索块内点遍历;
步骤1.4:将最大权重赋值给图像中的i点,并进行权重归一化,利用得到图像i位置的新数值。式中,NL[v](i)为图像i点去除噪声后的数值,j为搜索块内一点,ω(i,j)为权重矩阵,v为原始图像,I为搜索块坐标集;
步骤1.5:取图像像素值,重复步骤1.2~步骤1.4,直到完成图像遍历,即可得到去除噪声的图像。
步骤2:夏克-哈特曼波前传感器子光斑图像噪声去除后,利用子光斑定位技术提取子光斑在x方向、y方向的位置坐标,并计算子光斑相对标定位置的偏移量Δx、Δy。
所述步骤2中光斑定位技术选用分段阈值质心法,具体过程如下:
步骤2.1:夏克-哈特曼波前传感器整体减去固定阈值Thresh_fix,将图像数值小于0的数据置零,示例中固定阈值Thresh_fix为50;
步骤2.2:遍历夏克-哈特曼波前传感器子孔径对应的图像,单个子孔径对应的图像减去图像峰值的Thresh_p倍,将图像数值小于0的数据置零,其中Thresh_p为阈值系数,示例中阈值系数Thresh_p为0.2;
步骤2.3:步骤2.1和步骤2.2去除图像噪声后,利用加权质心法计算子光斑位置。
步骤3:利用子光斑偏移计算波前斜率矩阵Sxy,斜率矩阵中子孔径x方向斜率和y方向斜率交替放置,其中x方向波前斜率等于y方向波前斜率等于/>λ为入射光束波长,f为微透镜焦距,最后通过波前复原算法复原入射光束波前,示例中波前复原算法选用模式法。
图2给出了无噪声、有噪声、噪声去除后的夏克-哈特曼波前传感器光斑图,图3给出了无噪声、有噪声、噪声去除后复原的波前和波前复原残差。如图2所示,利用非局部均值滤波算法可以去除夏克-哈特曼波前传感器子光斑图像噪声,提升子光斑图像清晰度。如图3所示,利用无噪声子光斑图像和噪声去除后子光斑图像复原的波前二维分布一致,利用有噪声子光斑图像复原的波前和上述结果差异较明显,子光斑图像无噪声、有噪声、噪声去除后波前复原残差RMS值分别为0.0396λ、0.1283λ、0.071λ。图3结果表明,相比于有噪声图像直接利用分段阈值质心法计算光斑位置进行波前复原,本发明所述方法波前复原精度提升约2倍。综上所述,本发明通过去除夏克-哈特曼波前传感器子光斑图像噪声,能够提升波前传感器的波前探测精度。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内。
Claims (1)
1.一种基于图像噪声去除的低信噪比子光斑波前复原方法,其特征在于:通过以下步骤实现:
步骤1:采集夏克-哈特曼波前传感器图像,利用图像噪声去除方法去除夏克-哈特曼波前传感器子光斑图像噪声;
所述步骤1中图像噪声去除方法选用非局部均值滤波算法,具体过程如下:
步骤1.1:确定搜索块(D×D)和相似度比较块(d×d)的大小;
步骤1.2:取图像一点i,以该点为中心构建搜索块,取搜索块一点j,计算以i、j为中心的两个比较块的权重矩阵ω(i,j)值,
其中,
式中,i为图像中一点,j为搜索块内一点,V(i)为以i点中心的相似度比较块,V(j)为以j点为中心的相似度比较块,d为相似度比较块大小,h为衰减因子,sd表示相似度比较块坐标集,Δ为以i、j为中心的比较块内点的坐标;
步骤1.3:重复步骤1.2,完成搜索块内点遍历;
步骤1.4:将最大权重赋值给图像中的i点,并进行权重归一化,利用得到图像i位置的新数值,式中,NL[v](i)为图像i点去除噪声后的数值,j为搜索块内一点,ω(i,j)为权重矩阵,v为原始图像,I为搜索块坐标集;
步骤1.5:取图像像素值,重复步骤1.2~步骤1.4,直到完成图像遍历,即可得到去除噪声的图像;
步骤2:利用子光斑定位技术提取夏克-哈特曼波前传感器子光斑在x方向、y方向的位置坐标,并计算子光斑相对标定位置的偏移量Δx、Δy;
所述步骤2中光斑定位技术选用分段阈值质心法,具体过程如下:
步骤2.1:夏克-哈特曼波前传感器整体减去固定阈值Thresh_fix,将图像数值小于0的数据置零,固定阈值Thresh_fix为50;
步骤2.2:遍历夏克-哈特曼波前传感器子孔径对应的图像,单个子孔径对应的图像减去图像峰值的Thresh_p倍,将图像数值小于0的数据置零,其中Thresh_p为阈值系数,阈值系数Thresh_p为0.2;
步骤2.3:步骤2.1和步骤2.2去除图像噪声后,利用加权质心法计算子光斑位置;
步骤3:利用子光斑偏移计算波前斜率矩阵Sxy,斜率矩阵中子孔径x方向斜率和y方向斜率交替放置,其中x方向波前斜率等于y方向波前斜率等于/>λ为入射光束波长,f为微透镜焦距,通过波前复原算法复原入射光束波前。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111574350.5A CN114252163B (zh) | 2021-12-21 | 2021-12-21 | 一种基于图像噪声去除的低信噪比子光斑波前复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111574350.5A CN114252163B (zh) | 2021-12-21 | 2021-12-21 | 一种基于图像噪声去除的低信噪比子光斑波前复原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114252163A CN114252163A (zh) | 2022-03-29 |
CN114252163B true CN114252163B (zh) | 2023-12-22 |
Family
ID=80793909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111574350.5A Active CN114252163B (zh) | 2021-12-21 | 2021-12-21 | 一种基于图像噪声去除的低信噪比子光斑波前复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114252163B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100051194A (ko) * | 2008-11-07 | 2010-05-17 | 국방과학연구소 | 중적외선 레이저의 기준파면 측정장치 및 그 방법 |
JP2012003528A (ja) * | 2010-06-17 | 2012-01-05 | Mitsubishi Electric Corp | 画像処理装置および画像処理方法 |
CN103105235A (zh) * | 2013-01-27 | 2013-05-15 | 中国科学院光电技术研究所 | 一种测量哈特曼波前传感器子孔径中倾斜像差的方法 |
CN103278247A (zh) * | 2013-05-06 | 2013-09-04 | 中国科学院光电技术研究所 | 一种用于点源哈特曼波前探测器的背景噪声特征估计方法 |
CN113295287A (zh) * | 2021-05-26 | 2021-08-24 | 中国科学院光电技术研究所 | 一种针对光瞳动态强度分布的哈特曼子孔径减阈值方法 |
CN115031856A (zh) * | 2022-06-08 | 2022-09-09 | 中国科学院光电技术研究所 | 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法 |
CN116046183A (zh) * | 2023-02-03 | 2023-05-02 | 中国科学院光电技术研究所 | 基于图像增强的夏克-哈特曼波前传感器波前复原方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7988293B2 (en) * | 2008-11-14 | 2011-08-02 | AMO Wavefront Sciences LLC. | Method of qualifying light spots for optical measurements and measurement instrument employing method of qualifying light spots |
US8622546B2 (en) * | 2011-06-08 | 2014-01-07 | Amo Wavefront Sciences, Llc | Method of locating valid light spots for optical measurement and optical measurement instrument employing method of locating valid light spots |
-
2021
- 2021-12-21 CN CN202111574350.5A patent/CN114252163B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100051194A (ko) * | 2008-11-07 | 2010-05-17 | 국방과학연구소 | 중적외선 레이저의 기준파면 측정장치 및 그 방법 |
JP2012003528A (ja) * | 2010-06-17 | 2012-01-05 | Mitsubishi Electric Corp | 画像処理装置および画像処理方法 |
CN103105235A (zh) * | 2013-01-27 | 2013-05-15 | 中国科学院光电技术研究所 | 一种测量哈特曼波前传感器子孔径中倾斜像差的方法 |
CN103278247A (zh) * | 2013-05-06 | 2013-09-04 | 中国科学院光电技术研究所 | 一种用于点源哈特曼波前探测器的背景噪声特征估计方法 |
CN113295287A (zh) * | 2021-05-26 | 2021-08-24 | 中国科学院光电技术研究所 | 一种针对光瞳动态强度分布的哈特曼子孔径减阈值方法 |
CN115031856A (zh) * | 2022-06-08 | 2022-09-09 | 中国科学院光电技术研究所 | 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法 |
CN116046183A (zh) * | 2023-02-03 | 2023-05-02 | 中国科学院光电技术研究所 | 基于图像增强的夏克-哈特曼波前传感器波前复原方法 |
Non-Patent Citations (5)
Title |
---|
Detection error of Shack-Hartmann wavefront sensor;Wenhan Jiang et.al.;《PROCEEDINGS OF SPIE》;534-544 * |
哈特曼传感器子孔径光斑的 局部自适应阈值分割方法;李旭旭 等;《光电工程》;第45卷(第10期);170699-1-8 * |
哈特曼-夏克波前传感器的高精度质心探测方法;李晶 等;《中国激光》;第41卷(第3期);0316002-1-7 * |
基于噪声模型变换的子光斑质心提取方法;陈春璐 等;《光学学报》;第43卷(第3期);0312005-1-11 * |
王薇等.光斑图抑噪预处理的方法研究.《激光技术》.2007,第31卷(第31期),第54-56、60页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114252163A (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1040445A1 (en) | Feature-free registration of dissimilar images using a robust similarity metric | |
CN111694016B (zh) | 一种非干涉合成孔径超分辨成像重构方法 | |
CN115031856A (zh) | 基于子光斑筛选的夏克-哈特曼波前传感器波前复原方法 | |
CN110751677A (zh) | 一种基于改进cmt算法的视觉振动测量方法和设备 | |
CN114370820B (zh) | 光谱共焦位移传感器的峰值提取方法、检测方法及系统 | |
CN110595374B (zh) | 基于传递像机的大型结构件实时形变监测方法 | |
CN111179333A (zh) | 一种基于双目立体视觉的散焦模糊核估计方法 | |
CN114252163B (zh) | 一种基于图像噪声去除的低信噪比子光斑波前复原方法 | |
CN113223065B (zh) | Sar卫星图像与光学图像自动匹配方法 | |
CN113587904A (zh) | 一种融合机器视觉和激光参照点信息的目标位姿测量方法 | |
Subbarao et al. | Analysis of defocused image data for 3D shape recovery using a regularization technique | |
CN104502992A (zh) | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 | |
CN116046183A (zh) | 基于图像增强的夏克-哈特曼波前传感器波前复原方法 | |
CN109754435B (zh) | 一种基于小靶标模糊图像的摄像机在线标定方法 | |
CN115267724B (zh) | 一种基于激光雷达可估位姿的移动机器人位置重识别方法 | |
CN114565564B (zh) | 一种基于相关法阈值迭代的拟合质心亚像素定位方法 | |
CN113592953A (zh) | 一种基于特征点集的双目非合作目标位姿测量方法 | |
CN111008952A (zh) | 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法 | |
Abdelkawy et al. | Small infrared target detection using two-dimensional fast orthogonal search (2D-FOS) | |
Liu et al. | Blind deblurring using space target features | |
CN116433577B (zh) | 基于一维多尺度卷积特征提取的光斑检测与光束质量估算方法及装置 | |
Cao et al. | Infrared dim and small target detection algorithm based on background perception | |
Chang et al. | Application of Improved Rapid Spot Center Detection Algorithm in Spot Alignment | |
Wang et al. | Variable window for outlier detection and impulsive noise recognition in range images | |
CN117197061A (zh) | 基于激光雷达与相机融合的水下船体表面缺陷检测方法 |
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 |