[發(fā)明專利]一種大口徑反射鏡表面顆粒污染物亞像素尺寸標定方法

有效

• 申請?zhí)枺?/td>: 201910722708.0
• 申請日: 2019-08-06
• 公開（公告）號: CN110389090B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設計）人: 陳明君;趙林杰;張德志;程健;蔣曉東;尹朝陽;苗心向;牛龍飛;呂海兵;劉昊
• 申請（專利權）人: 哈爾濱工業(yè)大學
• 主分類號: G01N15/02
• 分類號: G01N15/02
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

1.一種大口徑反射鏡表面顆粒污染物亞像素尺寸標定方法，其特征在于：所述方法具體過程為：

步驟一、將整個通光域均分為4×4個子區(qū)域，制備與子區(qū)域尺寸相同的標定板，并在標定板上預置不同尺寸的二氧化硅顆粒；

步驟二、將標定板依次放置在反射鏡表面均勻分割的不同的子區(qū)域上，并分別采集不同區(qū)域的標定板圖片；

步驟三、對采集到的不同區(qū)域的標定板圖片進行圖像處理，得到顆粒污染物在圖像中的位置坐標、像素面積、像素直徑、總灰度信息；

步驟四、根據步驟三得到的顆粒污染物在圖像中的位置坐標信息，在超景深顯微鏡下測量顆粒污染物的實際直徑和實際面積；

步驟五、根據步驟四得到的顆粒污染物的實際直徑和實際面積與步驟三三得到的顆粒污染物在標定板采集圖像的位置坐標、像素面積、像素直徑、總灰度信息訓練污染物面積、直徑標定模型，由訓練好的污染物面積、直徑標定模型對測試樣本進行估計；

所述步驟三中對采集到的不同區(qū)域的標定板圖片進行圖像處理，得到顆粒污染物在圖像中的位置坐標、像素面積、像素直徑、總灰度信息；具體過程為：

步驟三一、獲取采集的標定板圖像的畸變矯正矩陣，對采集的標定板圖像進行畸變矯正；具體過程為：

設校正前四邊形邊長為W₁，W₂，L₁，L₂，校正后圖像尺寸為W×L，W為校正后長方形的長，L為校正后長方形的寬；且已知校正后圖像長寬比α；

為最大程度保存原圖像信息，校正前圖像中的一個像素應至少被映射到校正后圖像的一個像素；校正后圖像分辨率應滿足如下條件：

式中，為L₁、L₂中的較大值，為W₁、W₂中的較大值，為等效長寬比，

步驟三二、采用拉普拉斯算子加權的自適應二值化算法對校正后圖像進行二值化處理；

步驟三三、提取二值化處理后圖像的表面顆粒污染物在標定板采集圖像的位置坐標、像素面積、像素直徑、總灰度信息；

所述步驟五中根據步驟四得到的顆粒污染物的實際直徑和實際面積與步驟三三得到的顆粒污染物在標定板采集圖像的位置坐標、像素面積、像素直徑、總灰度信息訓練污染物面積、直徑標定模型，由訓練好的污染物面積、直徑標定模型對測試樣本進行估計；具體過程為：

步驟五一、建立顆粒污染物散射模型；

步驟五二、基于RANSAC-LSSVM回歸建立污染物面積標定模型；

步驟五三、基于線性回歸建立污染物直徑標定模型；

步驟五四、根據訓練好的污染物面積、直徑標定模型對污染物顆粒進行評估，并計算污染物直徑標定模型的預測誤差；

所述步驟五二中基于RANSAC-LSSVM回歸建立污染物面積標定模型；具體過程為：

RANSAC為隨機抽樣一致性，LSSVM為最小二乘支持向量機；

通過步驟四得到的顆粒污染物的實際直徑和總面積與步驟三得到的顆粒污染物在標定板采集圖像的總灰度，得到樣本集S＝{(G₁,A₁),···,(G_k,A_k),···,(G_N,A_N)},G_k,A_k∈R，G_k為顆粒污染物在標定板采集圖像的總灰度，A_k為超景深顯微鏡下測量顆粒污染物的實際直徑和實際面積，根據LSSVM算法，污染物面積標定模型為：

式中，N為正整數，R為實數，ω為權重向量，為非線性映射函數，b為偏置項，T為轉置；

所述步驟五三中基于線性回歸建立污染物直徑標定模型；具體過程為：

顆粒污染物直徑標定模型的輸入集合為：

I＝{(G₁,A_P1,D_P1),···,(G_k,A_Pk,D_Pk),···,(G_N,A_PN,D_PN)} (6)

式中，G為污染物總灰度，A_P為污染物在圖像中的像素面積，D_P為污染物在圖像中的像素直徑，G₁為第1個污染物總灰度，A_P1為第1個污染物在圖像中的像素面積，D_P1為第1個污染物在圖像中的像素直徑，G_k為第k個污染物總灰度，A_Pk為第k個污染物在圖像中的像素面積，D_Pk為第k個污染物在圖像中的像素直徑，G_N為第N個污染物總灰度，A_PN為第N個污染物在圖像中的像素面積，D_PN為第N個污染物在圖像中的像素直徑；

顆粒污染物直徑標定模型的輸出集合

O＝{(A₁,D₁),···,(A_k,D_k),···,(A_N,D_N)} (7)

式中，A為污染物實際面積，D為污染物實際直徑，A₁為第1個污染物實際面積，D₁為第1個污染物實際直徑，A_k為第k個污染物實際面積，D_k為第k個污染物實際直徑，A_N為第N個污染物實際面積，D_N為第N個污染物實際直徑；

應用污染物面積標定模型，根據輸入量污染物總灰度G，求得污染物估計面積A_E，由估計面積A_E與像素面積A_P，像素直徑D_P，求得污染物顆粒理論直徑D_T；

采用線性回歸模型進行修正，得到污染物直徑標定模型為

f(D_T)＝a·D_T+c (9)

式中，a為模型系數，c為模型系數。