[发明专利]一种基于辐射标定的亚像素光学元件损伤在线检测方法

说明书

技术领域

本发明涉及光学元件在线检测领域，尤其涉及大型光学系统大口径光学元件快速在线检测的方法。

背景技术

大型光学系统光学元件在线检测系统中，由于成像分辨率限制，仅通过传统像素级图像处理方法难以满足越来越高的检测精度需求。另外，由于跨像素成像等原因，损伤区域在CCD上所成像一般大于理论尺寸，该误差对于小尺寸损伤区域的检测精度影响很大。某些尺寸小于成像系统像素当量的损伤区域在检测图像中甚至大于1个像素。传统像素级光学元件损伤图像处理方法对于损伤的自动识别及区域确定效果很好，但不能得到在线检测图像中损伤的高精度尺寸。

发明内容

本发明是要解决现有在线检测方法不能得到在线检测图像中损伤的高精度尺寸的问题，而提供了一种基于辐射标定的亚像素光学元件损伤在线检测方法。

基于辐射标定的亚像素光学元件损伤在线检测方法包括以下内容：

一、通过传统在线检测方法得到光学元件全部损伤区域的总灰度后，随机抽取N个损伤区域，在离线检测系统中得到损伤区域的准确尺寸，建立样本集

D＝{(x₁，y₂)，....，(x_k，y_k)，....，(x_N，y_N)}，x_k，y_k∈R；其中x_k为在线图像中各损伤区域的总灰度，y_k为损伤区域在高精度离线系统下获得的高精度尺寸；

二、估算样品集非离群点概率ε，通过式计算需要进行随机抽样的组数M；

三、从样本集D中随机抽取M组小样本{W₁(x_1，1，y_1，1，...，x_1，I，y_1，I)，...，W_m(x_m，1，y_m，1，...，x_m，Iy_m，I)，...，W_M(x_M，1，y_M，1，...，x_M，I，y_M，I)}，W_m∈D；

四、将一定数量损伤区域的精确尺寸与损伤区域在线检测方法得到光学元件全部损伤区域的总灰度作为样本建立回归模型，通过交叉验证法建立一系列LSSVM回归模型{f(W₁)，...，f(W_m)，...，f(W_M)}；

五、通过样本集D，选取合适的误差评价函数Z(x)逐一验证回归模型{f(W₁)，...，f(W_m)，...，f(W_M)}，得到误差评价结果{Z(f(W₁))，..，Z(f(W_m))，...，Z(f(W_M))}；

其中，Z_min＝min{Z(f(W₁))，...，Z(f(W_m))，...，Z(f(W_M))}所对应的样本集W_min即为一组无离群点样本集，由该样本集建立的回归模型f(W_min)即为最优回归模型；

六、在进行检测该光学元件时，首先将检测条件调整到与建模时相同，通过像素级检测算法得到全部损伤区域的总灰度，带入到第五步中的回归模型f(W_min)中，即可得到全部损伤区域的高精度亚像素尺寸。

基本原理：

最小二乘支持向量机(LSSVM)是支持向量机(SVM)的一个改进版本，因其准确率高、泛化性强等优点，目前被广泛应用于各个领域的分类、回归问题当中。随机抽样一致性(RANSAC)是最有效的离群点剔除算法之一，对于高错误率样本仍然有很好的效果，由Fischler以及Bolles提出后被广泛应用于机器视觉等领域当中。本发明基于RANSAC-LSSVM回归原理提出了一种光学元件损伤在线检测方法。该方法的核心思想是将一定数量损伤区域的精确尺寸与其在线检测图像中的灰度参数作为样本建立回归模型，检测时通过该模型对待检测损伤区域的尺寸进行预测，得到其亚像素级精确损伤尺寸。