数字散斑的边缘相关测量法

利用数字激光散斑图像测量物体的形变和微小位移是一种新兴的非接触测量方法,为提高测量速度,通过对数字散斑相关测量方法(DSCM)和激光散斑图像的特点进行研究,提出一种针对数字散斑图像的边缘相关测量法(DSMC)。该方法把移动前后的激光散斑图像像素在单方向上求和,使整幅图像的能量集中在边缘上,然后使用边缘上所形成的一维数列,通过插值和相关的方法求解激光散斑图像的位移。而激光散斑图像的位移可以反映出物体的位移或形变。理论和实验证明了该算法可行,可以大大节省数字散斑相关测量中数据处理的时间而不影响计算精度,因为此算法的运算精度主要取决于插值点的个数和散斑图像自身的综合误差。     

数字激光散斑的L型梯度位移检测法

利用数字激光散斑图像测量物体的形变和微小位移是一种新兴的非接触测量方法,为提高这种测量方法的速度及精度,提出一种针对数字散斑图像的L型梯度位移检测法.该方法将现有的梯度算法扩展到二维空间并做变形,对散斑图像进行梯度运算,测量出位移.大量实验证明,上述算法可行,能够精确测出微小位移,且运算速度较快.     

基于相位分析的散斑图像位移测量算法

通过对数字散斑图像位移测量方法和激光散斑图像特点的研究,提出了一种利用数字散斑图像进行位移测量的新方法:同频率相位比较法.该方法把移动前后的激光散斑图像像素分别在X、Y方向上叠加,对叠加后的一维序列进行频谱分析,找出同一频率的信号的存前后两幅散斑中的相位偏移,然后通过统计分析求解激光散斑图像的位移.大量实验证明,上述算法可行,不使用插值法即可求解亚像素级位移,并能大幅度提高位移测量速度.     

数字散斑时间序列相关三维面形测量中提高精度的方法

本文提出一种基于数字散斑时间序列相关三维面形测量法中提高测量精度的方法－多相关峰优化法。在数字散斑时间序列相关测量法中,当物体表面存在复杂细微结构时,被物体调制的散斑图中局部区域的散斑子图像会出现明显变形和局部阴影,这时相关曲线会出现多相关峰。由于相关值很低,这些相关峰对应高度都有可能是测量点的高度值。本文用特殊的算法对这些相关峰对应高度值进行辨别,找出最适合的高度值作为测量值,对测量结果进行优化。实验证明该方法对改善因局部区域的散斑子图像的变形和局部阴影影响而导致的测量误差具有非常显著的效果,使得数字散斑时间序列相关三维面形测量法能够用来测量复杂三维物体面形。     

基于分形插值的频域散斑相关法面内位移测量

针对传统频域数字散斑相关法在测量物体面内位移测量精度较低的问题,提出一种基于分形插值的频域数字散斑相关法。该方法在频域数字散斑相关法的基础上,引入Hanning窗函数对图像进行滤波处理,克服了图像边缘效应对最终位移值的影响;同时利用散斑图像的子区域与整幅图像在结构形态和灰度特征的自相似性,采用分形插值的方法进行亚像素插值,进而能精确定位相关点,得到更精确的亚像素位移值。实验结果表明:该方法保持了频域散斑相关法的测量速度,且将测量的绝对误差降低在0.01~0.03 pixel以内,并进一步通过刚体平移实验测试了算法的可靠性。     

激光散斑三维形貌绝对测量技术

为了实现对物体的三维形貌绝对测量,避免相位解包裹处理,研究实现了一种基于激光散斑场纵向相关性质的三维形貌绝对测量技术。实验研究了激光散斑场纵向相关性质,利用CCD相机拍摄不同纵向深度的散斑图,通过相关运算获得散斑图的纵向深度与横向偏移之间的线性关系。利用这一线性关系,实现了对处于激光散斑场中的物体表面到参考面之间高度的绝对测量,三维形貌重建无需相位解包裹处理,并且由于激光散斑场是激光照射毛玻璃形成的,避免了投影数字散斑技术中的透镜投影系统,技术装置简单,操作方便。该技术有望在实践中获得应用。     

基于散斑图像的远程振动频率提取方法研究

为了得到远程物体的微米级振动的频率信息,采用基于散斑图像的远程振动频率提取方法,以波长为532nm连续激光器作为光源照射50m远处被测物体表面,通过高速摄像机记录物体表面反射空间内的散斑图样提取物体的微振动频率。采用激光散斑图像的数据处理方法,进行了研究分析和实验验证,利用长焦镜头对远程散斑图像进行适当散焦处理,然后提取视频散斑图像间互相关系数峰值点与原点之间的矢量大小来获取散斑的变化信息,同时对一定宽频率范围内的振动频率进行提取。结果表明,用该方法得到的激光散斑远程微振动频率的提取准确度达99.22%。该数据结果为激光散斑应用于远程频率振动检测提供了一定的论证依据。     

计算机辅助全自动位移散斑测量技术的研究

本文提出一种计算机辅助的全自动位移散斑测量技术，用ＣＣＤ摄像要拍摄物体位移前后的散斑图，然后重叠，分割图像，对于图像进行两次快速傅里叶变换，最后通过寻找峰值点位置，并由此计算得位移矢量。     

计算机辅助全自动位移散斑测量技术的研究

本文提出了一种计算机辅助的全自动位移散斑测量技术，用CCD摄像机拍摄物体位移前后的散斑图，然后重叠、分割图像，对于图像进行两次快速傅里叶变换，最后通过寻找峰值点位置，并由此计算得位移矢量．     

环形孔径锥镜剪切激光散斑照相法的研究

研制了环形孔径锥镜剪切相机，并利用它进行激光散斑照相，测量物体的位移导数场。该相机一次实验即可在一张散斑图上同时记录物体所有各方向的位移导数场，且在全场滤波时连续再现各方向的位移导数场。     

激光散斑光强分布的阈化处理及其对功率谱的影响

给出了一种阈化处理激光散斑光强多灰度值分布（如２５６级灰度）的方法。采用此种处理方法，激光散斑的功率谱强度随空间频率的分布保持不变，而计算机存贮散斑图样所需的存贮空间可极大地减少。针对具体的圆形和环形散射屏引入的散斑图样，采取使处理前后的功率谱偏差最小的方法，找出了最佳的阈值。     

激光三角法位移测量中数字散斑相关法的研究

在三角法位移测量中散斑是一种噪声,当成像光斑过弱而湮没于散斑中时,抑制散斑已没有意义;但散斑同样是位移信息的载体。为此针对激光三角法位移测量系统,研究数字散斑相关法;对强散射、粗糙界面的位移进行了实测,且进行了数据分析。结果表明,在激光三角法位移测量中运用数字散斑相关法对强散射、粗糙界面进行位移测量是可行的,测量范围可达微米级,测量误差小于2%。此法可改善三角法位移测量系统在强散射、粗糙界面的情形下传统测量方法的缺陷,有效提高了测量精度,并扩展了激光三角法位移测量的实用范围。     

数字图像相关法散斑图质量评价方法

为了研究数字图像相关方法中散斑图质量的有效评价问题, 采用散斑图质量表征参量——平均灰度2阶导数对散斑图质量进行了有效评价。通过分析图像插值误差与图像灰度信息分布形式之间关系, 指出散斑图平均灰度2阶导数与散斑图灰度信息分布形式之间的关系; 为了验证该散斑图质量表征参量的有效性, 利用傅里叶变换对散斑图进行平移实验, 通过Newton-Raphson(N-R)方法对平移前后的散斑图进行亚像素位移计算, 由位移计算结果可知, 具有低的平均灰度2阶导数的散斑图对应小的位移测量误差。结果表明, 平均灰度2阶导数在散斑图质量评价中具有一定的有效性; 在实际应用中, 应结合散斑图平均灰度2阶导数和平均灰度梯度对散斑图质量进行综合有效的评价。该研究为高质量散斑图的制备与选取提供了参考。     

基于大气湍流传输激光散斑的真随机数提取研究

为生成真随机数序列,提出了先将大气湍流传输中激光散斑图像作为随机数发生器的熵源,再采用变帧频采样方法进行提取随机数的算法。首先,为降低相邻激光散斑图像间高相关性对随机性的影响,提出了变帧频采样方法。其次,对实验数据进行处理,根据大气湍流造成激光光斑质心的随机抖动特征,对散斑图像划分灰度等级,编码和后处理等操作,从而提取随机数。最后,利用NIST测试工具对提取的随机序列进行实验分析,结果表明:该序列不仅达到真随机数的标准,而且序列的数量和随机性均高于等帧频采样方法生成的随机序列。此外,对激光散斑视频归一化方差与最优采样区间之间的关系进行分析,为进一步的研究提供重要依据。     

基于灰度共生矩阵的激光散斑评价方法

为了抑制激光成像中的散斑噪声,采用灰度共生矩阵构建了激光显微散斑分析评价系统。系统采用波长为405nm的激光作为显微系统光源,利用电压驱动音圈电机振动样品对激光散斑噪声大小进行控制,同时采用CCD图像传感器采集不同驱动电压下的激光散斑噪声。通过对散斑噪声的角二阶矩、对比度、熵和逆差距特征参量的分析,较好地表征了激光散斑噪声的变化。结果表明,灰度共生矩阵方法可对激光显微成像中的散斑进行评价。     

基于光纤振动的激光散斑控制

散斑噪声的存在使得图像灰度剧烈变化,降低了图像分辨率,影响成像质量。为了控制散斑噪声,使用波长为405nm的激光作为显微系统照明光源,利用音圈电机振动光纤,通过对抛光玻璃显微成像,用CCD图像采集卡采集图像后进行了散斑噪声对比度分析。结果表明,在光纤振动幅度不变、振动频率在4Hz~55Hz内逐渐增加时,图像散斑对比度在0.0326~0.1197范围内逐渐变小;当频率大于51Hz时,图像散斑对比度曲线趋于平稳且对比度在0.0326处获得了最小值,图像清晰,达到良好的散斑控制。     

基于主成分分析的激光麦克风的语音信号提取

主成分分析(Principal Component Analysis,PCA)法用于高速视觉的激光麦克风的音频信号重建,可从声场中轻质弹性物体表面的激光散斑动态变化中提取语音信息。将高速散斑视频中的一帧图像视为高维空间中的向量,顺序将视频图像堆栈成数据矩阵,利用PCA做特征提取,语音信息就存在于方差较大的主成分中,通常应用第一主成分就可以重建清晰的语音信号。实验表明,PCA对激光散斑颗粒尺度和灰度分布没有过多限制,即使在采样区域较小、反射物体材质不同的情况下,都可以重建人耳可分辨的语音信号。而且基于PCA的无监督机器学习算法特性,选取视频开始部分的帧图像做训练集,还可以提取含有音频信息的主成分的特征向量,作为后续视频图像向量的投影基,实现语音信号的快速提取。