[发明专利]一种光学测量中条纹滤波器的构造方法

说明书

本发明公开了一种光学测量中条纹滤波器的构造方法，该滤波器属于空间滤波器，采用一种正弦辅助的筛分计算方法，通过设置合适的滤波尺寸，直接将条纹分量从图像中分离出来，首先，在空域中对条纹图像进行二维自相关计算，提取自相关系数的横、纵中心轴，将两者进行相关性计算，得到的系数涵盖横、纵方向的共同周期信息；其次，提取相关性系数中的周期信息，并分析其变化情况和趋势，进而估算出条纹分量中对应于最大局部变形的最大截止空间周期，用该周期作为条纹滤波器的尺寸；最后，通过正弦辅助的筛分计算直接滤出含有重要信息的条纹分量，以用于后续的计算处理。本发明的有益效果在于：该方法简单、速度快、鲁棒性好，非常具有实用的潜力。

技术领域

本发明涉及光学、计算机视觉和人工智能技术领域，尤其涉及一种光学测量中条纹滤波器的构造方法。

背景技术

光栅投影三维测量技术已经实现对静态或慢速运动物体的有效测量，但该技术对动态快速物体的测量还始终处于研究阶段。动态快速测量最重要的一点就是对单个条纹图像的处理，其计算方法还受计算精度、速度等的综合影响。

传统的基于傅里叶思想的方法能够实现对单帧条纹图像的有效测量，但是会受到低频的背景环境光所带来的干扰，使得频域滤波变得极为困难和不准确，而为了改善该问题，出现了各种时频分析方法，如窗口傅里叶变换、小波变换等等，可这些方法均需要较大计算量且需要预先设置参数，不适于实际应用。近年来的深度学习是一种新兴的技术手段，来实现条纹图的快速动态提取，可是目前为止，大部分基于深度学习的方法仍需要输入至少两幅不同频率的条纹图像来保证精度，如果仅用一张图像，则还是需要事先去除背景光干扰。

为了去除背景光，提取条纹分量，出现了不少基于傅里叶思想等的技术，它们仍然面临参数预置、计算量大等问题。经验模态分解近些年被大量用于条纹图的预先处理，可是这种方法通常采用先将条纹图分解成很多单模函数，然后再将分解所得的单模函数进行分类，从而提取其中的条纹分量。这种做法需要大量的迭代计算，非常浪费时间，并且实际应用情况复杂，对单模函数的组合分类很难做到非常鲁棒。本发明的条纹滤波器则是打破传统的先分解再分类的思维习惯，而是直接分析出所要提取的条纹分量的周期变动范围，找到最大的截止周期，用该周期值作为经验模态分解中筛分方法的尺寸，从而实现一次性分解，既不会迭代计算，也不再需要额外的分类组合工作，大大提高了工作效率和精度，保证了鲁棒性。

发明内容

技术问题：

条纹图像的背景光滤除很难做到自适应、快速且具有鲁棒性；基于傅里叶思想的时频分析方法容易受到频谱混叠、计算量大、需要预置很多参数等问题；基于经验模态分解的方法容易却受到先分解、再分类的思想禁锢，会产生大量的迭代计算，分类规则需要设置的极其复杂却仍难以保证鲁棒性。针对这些问题，本发明提出一种构造光学测量中条纹滤波器的方法，通过空间统计方法分析出条纹分量的统计周期范围，从而估算出滤波器的尺寸，结合基于正弦辅助的筛分过程可以一次性将条纹分量准确、快速地提取出来，方法简单、有效，且能保证鲁棒性，具有较好的应用前景。

技术方案：

一种光学测量中条纹滤波器的构造方法，基于正弦辅助的筛分计算，可自适应地设置滤波器的尺寸，从而快速、有效地直接提取出有用的条纹分量，其特征在于，具体步骤为：

步骤1：对条纹图像进行自相关计算，提取横、纵方向的自相关系数值，进一步计算两者的相关性系数，截取有用的系数部分并从中提取出代表正弦条纹周期的信息；

步骤2：分析所提取周期的变化情况和变化趋势，估算出条纹滤波器的尺寸；

步骤3：使用基于正弦辅助的筛分计算，直接滤取有用的条纹信息。

进一步的，所述步骤1对长度为r、高度为c的二维条纹图像I(x,y)进行如式(1)的二维自相关函数的计算：