CN102865830A - 一种滤除干涉检测数据中随机噪声的滤波方法 - Google Patents
一种滤除干涉检测数据中随机噪声的滤波方法 Download PDFInfo
- Publication number
- CN102865830A CN102865830A CN2012103365075A CN201210336507A CN102865830A CN 102865830 A CN102865830 A CN 102865830A CN 2012103365075 A CN2012103365075 A CN 2012103365075A CN 201210336507 A CN201210336507 A CN 201210336507A CN 102865830 A CN102865830 A CN 102865830A
- Authority
- CN
- China
- Prior art keywords
- filtering
- data
- centerdot
- random noise
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title abstract description 11
- 230000003287 optical effect Effects 0.000 description 2
- 238000010587 phase diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种滤除干涉检测数据中随机噪声的滤波方法,该方法以选取的数据点为中心点,采用多次函数对滤波窗口(滤波窗口大小可调)内的数据进行基于最小二乘法的多项式拟合(多次函数阶数可选),得到多项式系数,并以常数项系数作为该点滤波后的值,然后依次按行或按列递增进行滤波。相比于一般的均值滤波和带通滤波,该方法可准确滤除随机噪声并保留原始数据细节信息,不会丢失任何频率信息。本发明通过对检测面形数据进行滤波,提供了一种滤除随机噪声的方法,对高精度面形检测中进一步提高面形检测精度有重要的应用价值。
Description
技术领域
本发明涉及一种滤除干涉检测数据中随机噪声的滤波方法,属于光学检测领域。
背景技术
高精度面形干涉检测一直是光学检测测试领域的热点和难点问题。为达到纳米级超高精度的面形检测,必须要对影响干涉仪检测精度的各种微小误差因素进行控制,其中检测结果中由环境随机噪声、CCD探测器电子噪声引入的随机噪声可通过滤波的方法滤除。
常用的滤波方法有均值滤波、低通滤波、高通滤波和带通滤波等。均值滤波方法是以数据相邻点的算术平均值作为该点滤波后的值,这种方法原理简单可行,滤波速度快,但会丢失原始数据信息,不能保留原始数据细节;低通滤波、高通滤波、带通滤波等滤波方法都是基于傅里叶变换,保留或滤除特定空间频率的数据信息,这种滤波方法对分析数据中不同频率的分布十分有效,但并不适用于滤除面形检测数据中的随机噪声。
为了满足高精度面形检测中,对各种随机噪声的滤除,本发明提出了一种准确滤除随机噪声的滤波方法。
发明内容
本发明的目的在于:为了解决高精度面形过程中,各种随机噪声对检测精度的影响,本发明提出了一种滤除干涉检测数据中随机噪声的滤波方法。
本发明为了实现上述的目的采用的技术方案为:一种滤除干涉检测数据中随机噪声的滤波方法,其包含以下步骤:
步骤1)、对于数据点(i0,j0),选取滤波窗口大小为(2n+1)×(2m+1),以数据点(i0,j0)为原点,并确定多次拟合函数阶数N,其中N<(2n+1)×(2m+1),对滤波窗口内的数据为对象,构建目标函数:
A=[A1 A2 A3 … A(2n+1)(2m+1)]T,
其中,B为滤波窗口内的数据按行或列排列的列向量,起始点为(i0-n,j0-m)),系数矩阵A的排列顺序与之对应,解此超定方程组即可得到多项式系数解(a0,a1,a2,…,a3N-1);
步骤4)、然后以下一个数据点(i0,j0+1)或(i0+1,j0)为原点,返回步骤2),如此往复,直至对所有的数据点都完成滤波以滤除随机噪声,其中,所述的所有的数据点中边界数据点除外。
进一步的,所述的数据点是逐行或逐列递增进行滤波滤除的。
进一步的,所述的滤波窗口大小可选和多次函数阶数可选。
进一步的,所述的多项式拟合方法采用最小二乘拟合算法。
进一步的,所述的边界数据点直接采用原始值。
本发明与现有技术相比的优势在于:
1)本发明提出的滤除随机噪声的滤波方法基于最小二乘拟合,方法简单有效。
2)本发明提出的滤除随机噪声的滤波方法可以准备地滤除面形检测数据中的各种随机噪声,且保留原始数据的细节信息。
3)本发明提出的滤波采用多次函数拟合,可以准确拟合面形检测数据,可应用于面形数据的拟合、旋转、平移等操作中。
附图说明
图1为本发明实施例中原始面形检测数据;
图2为本发明实施例中滤波之后的面形检测数据;
图3为本发明实施例中面形检测数据滤波前后的差值;
图4为本发明实施例中面形检测光强数据滤波前后对比;
图5为本发明实施例中面形检测光强数据滤波前后的差值。
具体实施方式
下面结合附图以及具体实施方式来说明本发明。
滤除面形检测数据中的随机噪声的过程如下:
1)以数据点(i0,j0)=(5,5)(像素坐标)为原点,选取滤波窗口大小为5×5,这里n=m=2,并采用2次函数进行拟合,即N=6,对滤波窗口内的数据为对象,构建目标函数:
其中Pi,j为相对像素坐标为(i,j)的值,坐标原点为选取的数据点P5,5,(a0,a1,a2,…,a5)为多项式系数。
2)采用最小二乘法对滤波窗口内的数据进行多项式拟合,使目标函数最小,即(i=0,1,2,…,5),得到超定方程组AX=B,其中,A=[A1 A2 A3 … A25]T, k=1,2,3,…,25,-2≤i≤2,-2≤j≤2,
X=[a0 a1 a2 … a5]T,
B=[Pi+5,j+5]T,-2≤i≤2,-2≤j≤2,B为滤波窗口内的数据按行或列排列的列向量(起始点为(3,3)),系数矩阵A的排列顺序与之对应。
解此超定方程组即可得到多项式系数解(a0,a1,a2,…,a5)。
3)经过滤波之后,该数据点(5,5)的值即为a0,即P5,5=a0。
4)然后以下一个数据点(i0,j0)=(5,6)或(6,5)为原点,返回步骤2),如此往复,直至对所有的数据点都完成滤波以滤除随机噪声。
5)滤波前后的数据分别如图1和图2所示,图3为滤波前后的数据差值,即滤除的随机噪声。
6)同样可应用上述滤波方法来滤除光强图或相位图中的随机噪声,图4为滤波前后的相位图数据,二者的差值即滤除的随机噪声如图5所示。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内的局部修改或替换,都应涵盖在本发明的包含范围之内。
Claims (5)
1.一种滤除干涉检测数据中随机噪声的滤波方法,其特征在于包含以下步骤:
步骤1)、对于数据点(i0,j0),选取滤波窗口大小为(2n+1)×(2m+1),以数据点(i0,j0)为原点,并确定多次拟合函数阶数N,其中N<(2n+1)×(2m+1),对滤波窗口内的数据为对象,构建目标函数:
A=[A1 A2 A3 … A(2n+1)(2m+1)]T,
其中,B为滤波窗口内的数据按行或列排列的列向量,起始点为(i0-n,j0-m)),系数矩阵A的排列顺序与之对应,解此超定方程组即可得到多项式系数解(a0,a1,a2,…,a3N-1);
步骤4)、然后以下一个数据点(i0,j0+1)或(i0+1,j0)为原点,返回步骤2),如此往复,直至对所有的数据点都完成滤波以滤除随机噪声,其中,所述的所有的数据点中边界数据点除外。
2.根据权利要求1所述的一种滤除干涉检测数据中随机噪声的滤波方法,其特征在于所述的数据点是逐行或逐列递增进行滤波滤除的。
3.根据权利要求1所述的一种滤除干涉检测数据中随机噪声的滤波方法,其特征在于所述的滤波窗口大小可选和多次函数阶数可选。
4.根据权利要求1所述的一种滤除干涉检测数据中随机噪声的滤波方法,其特征在于所述的多项式拟合方法采用最小二乘拟合算法。
5.根据权利要求1所述的一种滤除干涉检测数据中随机噪声的滤波方法,其特征在于所述的边界数据点直接采用原始值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103365075A CN102865830A (zh) | 2012-09-12 | 2012-09-12 | 一种滤除干涉检测数据中随机噪声的滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103365075A CN102865830A (zh) | 2012-09-12 | 2012-09-12 | 一种滤除干涉检测数据中随机噪声的滤波方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102865830A true CN102865830A (zh) | 2013-01-09 |
Family
ID=47444853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103365075A Pending CN102865830A (zh) | 2012-09-12 | 2012-09-12 | 一种滤除干涉检测数据中随机噪声的滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102865830A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648154A (zh) * | 2018-04-27 | 2018-10-12 | 合肥工业大学 | 相位图的滤波评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06201344A (ja) * | 1993-01-07 | 1994-07-19 | Ricoh Co Ltd | 被検面の測定方法 |
CN101237524A (zh) * | 2008-03-03 | 2008-08-06 | 中国科学院光电技术研究所 | 一种保留高频信息的图像噪声去除方法 |
CN102095385A (zh) * | 2010-12-09 | 2011-06-15 | 中国科学院光电技术研究所 | 新型球面绝对测量***及方法 |
-
2012
- 2012-09-12 CN CN2012103365075A patent/CN102865830A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06201344A (ja) * | 1993-01-07 | 1994-07-19 | Ricoh Co Ltd | 被検面の測定方法 |
CN101237524A (zh) * | 2008-03-03 | 2008-08-06 | 中国科学院光电技术研究所 | 一种保留高频信息的图像噪声去除方法 |
CN102095385A (zh) * | 2010-12-09 | 2011-06-15 | 中国科学院光电技术研究所 | 新型球面绝对测量***及方法 |
Non-Patent Citations (2)
Title |
---|
宋伟红 等: "基于平移旋转的球面绝对检测技术仿真分析", 《强激光与粒子束》, vol. 23, no. 12, 31 December 2011 (2011-12-31), pages 3229 - 3234 * |
蔡天净 等: "Savitzky-Golay平滑滤波器的最小二乘拟合原理综述", 《数字通信》, no. 1, 28 February 2011 (2011-02-28) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648154A (zh) * | 2018-04-27 | 2018-10-12 | 合肥工业大学 | 相位图的滤波评价方法 |
CN108648154B (zh) * | 2018-04-27 | 2020-12-15 | 合肥工业大学 | 相位图的滤波评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104634460A (zh) | 一种分布式fbg传感网络多峰自适应精确寻峰方法 | |
CN105931232A (zh) | 结构光光条中心高精度亚像素提取方法 | |
CN104111082A (zh) | 一种高精度fbg传感信号寻峰方法 | |
CN103292701A (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN103514604B (zh) | 电子散斑干涉条纹图像骨架线提取方法 | |
CN105466908A (zh) | 一种样品瓶固定干扰噪声的拉曼光谱去除方法 | |
CN105509653A (zh) | 机械零件轮廓度视觉测量方法及*** | |
CN104268837B (zh) | 电子散斑干涉条纹图相位信息提取方法 | |
CN103487074A (zh) | 利用三点寻峰算法处理fbg传感信号的方法 | |
CN107490397A (zh) | 高精度自适应滤波fbg光谱快速寻峰方法 | |
CN110942460A (zh) | 一种轮胎花纹深度测量方法、***及存储介质 | |
CN103913765B (zh) | 一种核素能谱寻峰方法 | |
CN108921170B (zh) | 一种有效的图像噪声检测和去噪方法及*** | |
Liu et al. | Gaussian process machine learning-based surface extrapolation method for improvement of the edge effect in surface filtering | |
CN106091987A (zh) | 基于散斑时域相关的大尺寸光学毛坯三维测量方法 | |
CN106840022A (zh) | 一种复杂曲面面形误差评价方法 | |
CN103395000B (zh) | Ccos抛光工艺抑制不同频段误差能力的评价方法 | |
CN105021199B (zh) | 基于ls的多模型自适应状态估计方法及*** | |
CN111079893B (zh) | 用于干涉条纹图滤波的生成器网络的获取方法和装置 | |
CN105929380A (zh) | 一种卫星激光高度计全波形激光雷达数据去噪方法 | |
CN104890131A (zh) | 一种基于面形误差斜率的确定性修形加工方法 | |
CN103213068B (zh) | 超精密气囊抛光技术中工件边缘去除函数的测量方法 | |
CN103791854A (zh) | 高空间分辨率子孔径拼接方法 | |
CN103886600A (zh) | 一种连续相位板加工误差识别方法 | |
CN102865830A (zh) | 一种滤除干涉检测数据中随机噪声的滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130109 |