[發明專利]一種光學測量中條紋濾波器的構造方法

有效

• 申請號: 201911260110.0
• 申請日: 2019-12-10
• 公開（公告）號: CN111220092B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 王辰星;任海東
• 申請（專利權）人: 東南大學
• 主分類號: G01B11/25
• 分類號: G01B11/25
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 郭微

本發明公開了一種光學測量中條紋濾波器的構造方法，該濾波器屬于空間濾波器，采用一種正弦輔助的篩分計算方法，通過設置合適的濾波尺寸，直接將條紋分量從圖像中分離出來，首先，在空域中對條紋圖像進行二維自相關計算，提取自相關系數的橫、縱中心軸，將兩者進行相關性計算，得到的系數涵蓋橫、縱方向的共同周期信息；其次，提取相關性系數中的周期信息，并分析其變化情況和趨勢，進而估算出條紋分量中對應于最大局部變形的最大截止空間周期，用該周期作為條紋濾波器的尺寸；最后，通過正弦輔助的篩分計算直接濾出含有重要信息的條紋分量，以用于后續的計算處理。本發明的有益效果在于：該方法簡單、速度快、魯棒性好，非常具有實用的潛力。

技術領域

本發明涉及光學、計算機視覺和人工智能技術領域，尤其涉及一種光學測量中條紋濾波器的構造方法。

背景技術

光柵投影三維測量技術已經實現對靜態或慢速運動物體的有效測量，但該技術對動態快速物體的測量還始終處于研究階段。動態快速測量最重要的一點就是對單個條紋圖像的處理，其計算方法還受計算精度、速度等的綜合影響。

傳統的基于傅里葉思想的方法能夠實現對單幀條紋圖像的有效測量，但是會受到低頻的背景環境光所帶來的干擾，使得頻域濾波變得極為困難和不準確，而為了改善該問題，出現了各種時頻分析方法，如窗口傅里葉變換、小波變換等等，可這些方法均需要較大計算量且需要預先設置參數，不適于實際應用。近年來的深度學習是一種新興的技術手段，來實現條紋圖的快速動態提取，可是目前為止，大部分基于深度學習的方法仍需要輸入至少兩幅不同頻率的條紋圖像來保證精度，如果僅用一張圖像，則還是需要事先去除背景光干擾。

為了去除背景光，提取條紋分量，出現了不少基于傅里葉思想等的技術，它們仍然面臨參數預置、計算量大等問題。經驗模態分解近些年被大量用于條紋圖的預先處理，可是這種方法通常采用先將條紋圖分解成很多單模函數，然后再將分解所得的單模函數進行分類，從而提取其中的條紋分量。這種做法需要大量的迭代計算，非常浪費時間，并且實際應用情況復雜，對單模函數的組合分類很難做到非常魯棒。本發明的條紋濾波器則是打破傳統的先分解再分類的思維習慣，而是直接分析出所要提取的條紋分量的周期變動范圍，找到最大的截止周期，用該周期值作為經驗模態分解中篩分方法的尺寸，從而實現一次性分解，既不會迭代計算，也不再需要額外的分類組合工作，大大提高了工作效率和精度，保證了魯棒性。

發明內容

技術問題：

條紋圖像的背景光濾除很難做到自適應、快速且具有魯棒性；基于傅里葉思想的時頻分析方法容易受到頻譜混疊、計算量大、需要預置很多參數等問題；基于經驗模態分解的方法容易卻受到先分解、再分類的思想禁錮，會產生大量的迭代計算，分類規則需要設置的極其復雜卻仍難以保證魯棒性。針對這些問題，本發明提出一種構造光學測量中條紋濾波器的方法，通過空間統計方法分析出條紋分量的統計周期范圍，從而估算出濾波器的尺寸，結合基于正弦輔助的篩分過程可以一次性將條紋分量準確、快速地提取出來，方法簡單、有效，且能保證魯棒性，具有較好的應用前景。

技術方案：

一種光學測量中條紋濾波器的構造方法，基于正弦輔助的篩分計算，可自適應地設置濾波器的尺寸，從而快速、有效地直接提取出有用的條紋分量，其特征在于，具體步驟為：

步驟1：對條紋圖像進行自相關計算，提取橫、縱方向的自相關系數值，進一步計算兩者的相關性系數，截取有用的系數部分并從中提取出代表正弦條紋周期的信息；

步驟2：分析所提取周期的變化情況和變化趨勢，估算出條紋濾波器的尺寸；

步驟3：使用基于正弦輔助的篩分計算，直接濾取有用的條紋信息。

進一步的，所述步驟1對長度為r、高度為c的二維條紋圖像I(x,y)進行如式(1)的二維自相關函數的計算：