CN110500965B - 一种数字散斑干涉***光阑狭缝尺寸的选取方法 - Google Patents
一种数字散斑干涉***光阑狭缝尺寸的选取方法 Download PDFInfo
- Publication number
- CN110500965B CN110500965B CN201910777825.7A CN201910777825A CN110500965B CN 110500965 B CN110500965 B CN 110500965B CN 201910777825 A CN201910777825 A CN 201910777825A CN 110500965 B CN110500965 B CN 110500965B
- Authority
- CN
- China
- Prior art keywords
- speckle
- size
- image
- slit
- stability
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
- G01B11/161—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge by interferometric means
- G01B11/162—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge by interferometric means by speckle- or shearing interferometry
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明提出了一种应用于活性生物材料应变检测的数字散斑干涉***光阑狭缝尺寸的选取方法,通过评估计算散斑干涉图像稳定性、信息量与干涉***光阑狭缝尺寸的约束关联,实现对激光散斑干涉***光阑狭缝最优尺寸的选取,以满足散斑剪切散斑干涉***直接应用于空气环境下活性生物材料动态加载应变检测。本发明所获取的最优光阑狭缝尺寸,可使***在满足形变前、后散斑相位图像的强相关性的基础上获取信息量最大,从而获取最佳的相位图,为实现散斑剪切散斑干涉***应用于生物活性材料动态加载形变检测提供保证。
Description
技术领域
本发明涉及一种应用于生物活性材料应变检测的数字散斑干涉***光阑狭缝尺寸的选取方法,属于激光检测技术领域。
背景技术
对截肢的患者和全关节替换的患者而言,提高假体的性能还存在着种种的困难。在现有装置中,最重要的问题是硬度较高的金属和较柔软骨骼表面的生物界面相互作用力的适配问题。所以,对生物活性材料应变分布检测及评价具有重要的实际意义和价值。而采用传统的三维有限元分析方法,通常需要预知其正确的边界条件和力学参数,并通过精确测量来加以验证。因此,对生物材料与植入物界面的动态加载应变测量是十分重要的。然而,生理环境下生物活性表面存在大量液体分子等做永不停息的随机运动,检测表面的去湿过程会使骨骼生理表面的薄膜出现大量的膜破裂、膜收缩等现象,这些变化均会导致散斑及其不稳定,进而引起目前的激光散斑干涉***(DSPI)获取的***形变前、后的散斑干涉图像的去相关现象严重,甚至无法检测到形变的相位信息。因此,对于活性生物材料的DSPI检测来说,如何获取稳定的散斑干涉图像以满足形变前、后散斑相位图像的相关性,同时又能从散斑图像中获取足够的信息量是精确检测形变的前提条件。根据散斑干涉成像机理,散斑图像的稳定性受制于散斑的颗粒尺寸,而散斑的颗粒尺寸可通过调控散斑干涉***的光阑狭缝尺寸来调制。对于非活性材料的应变检测,在满足奈奎斯特定理和光谱分离的条件下,利用尽可能小尺寸的散斑可以获得更高信息量、更高质量的散斑图案。但对于活性生物材料,不同活性的检测对象其最佳散斑尺寸不同。小尺寸的散斑更容易引起散斑图的不稳定,导致变形前和变形后散斑图之间的去相关,从而无法获取精确的形变信息。因此,在选择散斑尺寸时,需要考虑获取散斑图像稳定性和信息容量之间的平衡关系,以实现DSPI的检测要求。
发明内容
本发明的目的是:实现生理环境下生物材料界面散斑稳定性及散斑图像的信息量的评估,得到反射介质活性、散斑颗粒参数与激光散斑稳定性关系及其对干涉相位图相关性、信息的量值之间的关系,解决表面水分子随机波动及液体超薄膜的变化对散斑测量技术应用于生物活性材料应变检测带来干扰和影响,解决生理成像环境下水分子随机运动对散斑的去相关效应,实现生物活性材料散斑稳定性和其信息的量值之间的平衡。
为了达到上述目的,本发明的技术方案是提供了一种数字散斑干涉***光阑狭缝尺寸的选取方法,其特征在于,通过评估散斑干涉图像的质量,实现对激光散斑干涉***光阑狭缝尺寸选取,以实现数字散斑干涉***有效应用于活性生物材料动态加载应变检测,散斑干涉图像的质量的评价指标包括散斑干涉图像的稳定性和对比度,通过图像稳定性参数及对比度参数,构建光阑狭缝最优尺寸选择模型,包括以下步骤:
(1)控制光阑的狭缝尺寸来调整散斑的颗粒尺寸并对散斑稳定性进行定量评估,散斑干涉图像稳定性评估方法是建立其时间序列散斑干涉图像并在推算其共生矩阵基础上,计算出其差异绝对值的均值AVD,从而对某一时间段散斑稳定性进行定量评估并建立散斑干涉***的光阑狭缝尺寸与散斑干涉图像稳定性的关系模型;
所述调散斑的颗粒尺寸σ(M,λ,f,D)是通过调控散斑干涉***的光阑狭缝尺寸来实现,其中,M是光学放大倍数,f是镜头的焦距,λ是激光器的波长,而D是成像***的光阑狭缝尺寸。根据散斑干涉成像机理,通过选取不同成像***的光阑狭缝大小,来控制获取散斑颗粒参数,最终实现散斑图像的稳定性的调控;
(2)通过对比度评估散斑图像承载信息量的多少,散斑图像的对比度是基于散斑图像的功率谱半极值所对应的带宽来进行评估,通过计算散斑图像的功率谱带宽,实现对散斑图像承载信息量进行评估,并建立散斑干涉***的光阑狭缝尺寸与散斑干涉图像对比度的关系模型;
(3)以光阑狭缝尺寸与散斑干涉图像的稳定性关系模型及光阑狭缝尺寸与散斑干涉图像对比度的关系模型为基础,将两模型利用权向量进行加权计算,建立散斑干涉***的光阑狭缝最优尺寸选择模型,判断散斑稳定性和信息量是否是最优解,如不是,则返回步骤(1)再次调整光阑的狭缝尺寸参数,重新计算并再次判断,最终确定***参数,达到生物活性材料散斑相关性和其信息的量值之间的平衡。
优选地,步骤(1)中,控制光阑狭缝尺寸来调整散斑的颗粒尺寸是通过散斑的平均尺寸σ与数字散斑干涉***中成像***的光阑狭缝尺寸D成反比例、与数字散斑干涉***所使用的成像***的焦距f成正比的关系进行设定或调整的,具体表达式为:σ=1.22*(1+M)*λ*f/D,式中,λ是数字散斑干涉***所使用的激光器的波长,M是数字散斑干涉***的光学放大倍数,通过选取不同成像***的光圈大小,改变散斑颗粒平均尺寸,同时,根据散斑干涉成像机理,动态散斑的稳定性与散斑大小正相关,以此来控制散斑的稳定性。
优选地,步骤(1)中,建立时间序列散斑图像是指对设定的光阑狭缝检测序列中每一个光阑狭缝尺寸Tf的一个时间邻域[t1,tn]内,对生物活性材料表面摄取N帧激光动态散斑图像M1...Mi...MN,并对获取的每一帧激光动态散斑图像Mi根据样本的检测位置等间距提取其L列或行数据,合成新的图像G1...GI...GL,称之为时间序列散斑图,分别计算合成的新图像G1...GI...GL的共生矩阵,由以下表达式建立共生矩阵COM:COM=[Ni,j],式中,Ni,j表示元素i后面接着出现元素j的次数,元素i、元素j分别表示像素的灰度值;在此基础上,再计算共生矩阵对应的差异绝对值的均值AVD,并将图像G1...GI...GL差异绝对值的平均值归一化后的值作为该光阑狭缝尺寸大小时生物样本稳定性的评价参数。
优选地,步骤(2)中,散斑图像的功率谱Γ(u,v)通过下式计算得到:
数字散斑干涉***中,光阑的狭缝尺寸在检测活性生物材料形变过程中起重要的作用。光阑的狭缝尺寸的尺寸,可实现对散斑颗粒大小的控制。而散斑颗粒尺寸,影响散斑干涉图像稳定性。一般地,光阑狭缝小,散斑颗粒尺寸大,散斑图像稳定,但其包含信息量少,在后端处理中,无法检测出形变的相位信息;狭缝尺寸大,所产生的散斑颗粒小,散斑图像所包含的信息量大,易受非结构性因素影响,无法获取稳定的散斑干涉图像,形变前、后的散斑干涉相位图像相关性差,也无法检测出由形变引起的相位变化量。
检测生物活性材料的形变的前提是需要获取形变前后散斑图像具有相关性,而相关性的前提条件是散斑图像的稳定性。通过光阑的狭缝尺寸的大小,控制散斑颗粒的大小。一般地,光阑狭缝小,散斑颗粒尺寸大,散斑图像稳定,但对比度小,包含信息量少,散斑所携带相位信息少,在后端处理中,无法检测出形变的相位信息;狭缝尺寸大,信息量大,但散斑颗粒小,易受非结构性因素影响,无法获取稳定的散斑干涉图像,形变前、后的散斑干涉相位图像相关性差,也无法检测出由形变引起的相位变化量。
根据散斑干涉成像机理,散斑图像的稳定性受制于散斑的颗粒尺寸,而散斑的颗粒尺寸是通过调控散斑干涉***的光阑狭缝尺寸来控制。在检测时,首先,控制光阑狭缝尺寸来调整散斑的颗粒尺寸并对散斑稳定性进行定量评估。然后通过对比度评估散斑图像承载信息量的多少。最后计算散斑图像质量综合评估图像稳定性参数及对比度参数,构建光阑狭缝最优尺寸选择模型,判断散斑稳定性和信息量是否是最优解。如不是则再次调整光学***光阑狭缝尺寸参数,重新计算并再次判断,最终确定***参数,达到生物活性材料散斑相关性和其信息的量值之间的平衡。
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明的所提出的光阑狭缝尺寸的选择方法,为获取生物材料应变检测高质量相位图像提供一种有效的方法,特别是解决活性生物材料由于检测界面的活性导致形变前、后散斑图像间的去相关现象和散斑图像信息量之间的矛盾;同时,本发明所提出采用实验的方法,无需改变DSPI***的整体结构,仅通过可变光阑狭缝,调控散斑颗粒的尺寸,建立光阑狭缝尺寸与激光散斑的稳定性及散斑图像信息量的模型,从而建立散斑干涉***的光阑狭缝最优尺寸选择模型,所获取的最优光阑狭缝尺寸,可使***在满足形变前、后散斑相位图像的强相关性的基础上获取信息量最大,从而获取最佳的相位图,为实现散斑剪切散斑干涉***应用于生物活性材料动态加载形变检测提供保证。
附图说明
图1是本发明所采用的散斑图像重构技术原理图
图2是本发明建立散斑稳定性与光阑狭缝尺寸特征曲线
图3是本发明建立散斑对比度与光阑狭缝尺寸特征曲线
图4是本发明建立的光阑狭缝最优尺寸选择模型结构示意图
图5是本发明中数字散斑干涉***及光阑狭缝位置示意图
图中:激光器光源1,分束器2,反光镜3,扩束镜4,扩束镜5,剪切镜6,狭缝光阑7,聚焦镜8,反射镜9,CCD相机10,计算机11,加载装置12,检测对象13。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
采用数字散斑干涉***(DSPI)对活性生物材料动态加载应变检测,其关键的是如何获取形变所引起的相位信息。要精确获取由形变所引起的相位变化,必须形变前、后散斑图像具有高度的相关性。由于相关性受散斑图像的稳定性影响,而稳定性又可通过调控散斑干涉***的光阑狭缝尺寸来控制散斑的颗粒尺寸来实现。对于非活性材料的应变检测,在满足奈奎斯特定理和光谱分离的条件下,利用尽可能小尺寸的散斑可以获得更高质量的散斑图案。但对于活性生物材料应变检测,不同的检测对象,其最佳散斑尺寸是不同的。小尺寸的散斑更容易引起散斑图的不稳定,导致变形前、后散斑图之间的去相关,从而无法获取精确的形变信息。因此,在设计DSPI***时,需要考虑散斑图像的稳定性及信息容量对散斑干涉图像质量的影响,选择最优的光栅狭缝尺寸。
本发明的实施方式涉及一种应用于活性生物材料应变检测的数字散斑干涉***光阑狭缝尺寸的选取方法,通过图像稳定性参数及对比度参数,构建光阑狭缝最优尺寸选择模型,建立光阑狭缝尺寸参数与图像稳定性及对比度之间的关系模型,将两模型进行融合,建立散斑干涉***的光阑狭缝最优尺寸选择模型,并通过优化***的参数设计,获得光阑狭缝尺寸最优情况下的散斑图像,满足散斑剪切散斑干涉***直接应用于空气环境下的动态加载形变检测。采用本发明的***设计方法选取光阑狭缝大小的流程包括以下步骤:
(1)控制光阑狭缝尺寸来调整散斑的颗粒尺寸
(2)评估动态散斑稳定性及对比度
(3)分别建立散斑稳定性及对比度与光阑狭缝尺寸模型
(4)融合并建立散斑干涉***的光阑狭缝最优尺寸选择模型
(5)结束
所述控制光阑狭缝尺寸来调整散斑的颗粒尺寸是通过散斑的平均尺寸σ与光阑狭缝大小D成反比例、与成像***的焦距f成正比的关系进行设定或调整的,具体表达式为:σ=1.22*(1+M)*λ*f/D,式中,λ是激光器的波长,M是光学放大倍数。通过选取不同成像***的光圈大小,改变散斑颗粒平均尺寸。同时,根据散斑干涉成像机理,动态散斑的稳定性与散斑大小正相关,以此来控制散斑的稳定性。
所述对散斑稳定性的评估是根据各个设定的不同光阑狭缝尺寸大小T1...Tj...Ts的多张图像序列建立时间序列散斑图(THSP),生成的新图像。通过对生成的新图像进行分析来定量评定采样时光阑狭缝大小对应的生物样品的稳定性,即整个散斑稳定性评估过程是通过不同光阑狭缝尺寸大小T1...Tj...Ts所获取的一系列图像所合成的新图像G1...GI...GL分析其随光阑狭缝变化规律来描述。
如图1所示,建立时间序列散斑图(THSP)是指对设定的光阑狭缝检测序列的中每一个光阑狭缝尺寸Tf的一个时间邻域内[t1,tn],对生物活性材料表面摄取N帧激光动态散斑图像M1...Mi...MN,并对获取的每一帧图像Mi根据样本的检测位置等间距提取其L列或行数据,合成新的图像G1...GI...GL,称之为时间序列散斑图。对合成的新图像G1...GI...GL的分析是指先分别计算合成的时间序列散斑图G1...GI...GL的共生矩阵,可由以下表达式建立共生矩阵(co-occurrence matrix,COM):COM=[Ni,j],式中,Ni,j表示元素i后面接着出现元素j的次数,元素i、元素j分别表示像素的灰度值。在此基础上,再计算共生矩阵对应的差异绝对值,并将合成图像G1...GI...GL差异绝对值的平均值(AVD)归一化后的值作为该光阑狭缝大小时生物样本稳定性的评价参数。通过共生矩阵,可由下式计算差异绝对值的均值AVD:对于不同光阑狭缝尺寸时的多组散斑图像建立共生矩阵并求其AVD值,可定量的分析散斑变化剧烈程度是否满足***的检测要求,评估散斑稳定性并建立散斑稳定性与光阑狭缝特征曲线模型,如图2所示。
为了评估散斑信息的对比度,计量光圈孔径减小带来的激光能量损失,满足全域高分辨率动态加载检测的要求,利用激光散斑图像散斑图像的功率谱半极值对应的带宽大小对散斑图像的对比度进行定量评估。可由下式计算图像的功率谱:其中,F(u,v)为图像f(x,y)的傅里叶变换;F*(u,v)为F(u,v)的共轭。其中,图像的大小为M×N。再定义功率谱谱宽W′为半极值点所对应的频率全宽度,散斑图像的变化将引起能量分布的变化,进而影响散斑图像功率谱谱宽的变化,可利用这一特性对激光散斑的对比度进行评价并建立散斑对比度与光阑狭缝特征曲线模型,如图3所示。
所述光阑狭缝最优尺寸选择模型是通过稳定性和对比度两个子模型融合得到的,以此判断散斑稳定性和信息量是否是最优解,最终确定光阑狭缝尺寸,结构如图4所示。第一层两个子模型,是以散斑图像时间序列的共生矩阵的差异绝对值的平均值和功率谱半极值带宽大小参数分别建立的生物散斑稳定性及对比度评估模型。再计算权向量ω1ω2进行加权计算,采用自适应径向基函数,输入层到隐层的连接权固定不变,隐层到输出层的连接权则随着散斑图像数据X1X2……XT的增加而不断的修正和改变。这种设计,从函数逼近意义来说,可实现输入层到隐层实现非线性映射,而输出层则实现隐层到输出的线性变换,输出为隐层两基函数的线性组合,完成两函数模型的融合。在实现过程中,选择模型在光阑狭缝尺寸最优位置存在一个最值,此时的光阑狭缝尺寸就是生物活性材料散斑稳定性和其信息的量值之间平衡的最优尺寸。
本发明的涉及一种应用于活性生物材料应变检测的数字散斑干涉***光阑狭缝尺寸的选取方法,利用本发明在进行上述检测过程中可以采如图5所示的装置***,主要由激光器光源1、狭缝光阑7、CCD相机10等组成。所述激光器光源1发出激光,经分束器2分为两束相干光。一束相干光经扩束镜4后照射检测对象13,照射后反射光通过狭缝光阑7控制散斑颗粒后入射聚焦镜8、剪切镜6;另一束相干光经过扩束镜5作为参考光束进入剪切镜6,实现与带有检测对象13表面调制信息的反射光进行干涉。最后由CCD相机10完成图像采集,计算机11完成数据处理。
如图5所示,***应用于生物湿表面形变检测时,将检测对象13安装在适当位置。随后对光学***进行初始化,确保光阑作为狭缝光阑且位置位于成像***的焦平面上。在开始检测之前,首先需要对***进行初始化,包括通过调整扩束镜5调整参考光束的角度,对模型参数进行标定,以满足单帧图像解调相位信息。在选取狭缝光阑7尺寸时,建立散斑图像稳定性及对比度与光阑狭缝尺寸模型,首先控制狭缝光阑7尺寸来调整散斑的颗粒尺寸并对散斑稳定性进行定量评估。然后通过对比度参数评估散斑图像承载信息量的多少。最后通过图像稳定性参数及对比度参数,构建光阑狭缝尺寸最优控制模型,综合判断散斑稳定性和对比度是否是最优解。如不是则再次调整光学***狭缝光阑7大小,重新计算并再次判断,最终确定***参数,达到生物活性材料散斑相关性和其信息的量值之间的平衡。在选取光阑狭缝尺寸后,开始检测应变。
不难发现,本发明利用数字散斑技术、散斑图像重构技术、共生矩阵原理和散斑颗粒参数,提高了生物材料界面散斑干涉图像稳定性和形变前、后散斑干涉图像的相关性,有助于实现在动态加载条件下,对生物材料的应变进行全域、高分辨率检测的高精度应变测量。
Claims (3)
1.一种数字散斑干涉***光阑狭缝尺寸的选取方法,其特征在于,通过评估散斑干涉图像的质量,实现对激光散斑干涉***光阑狭缝尺寸选取,以实现数字散斑干涉***有效应用于活性生物材料动态加载应变检测,散斑干涉图像的质量的评价指标包括散斑干涉图像的稳定性和对比度,通过图像稳定性参数及对比度参数,构建光阑狭缝最优尺寸选择模型,包括以下步骤:
(1)控制光阑的狭缝尺寸来调整散斑的颗粒尺寸并对散斑稳定性进行定量评估,散斑干涉图像稳定性评估方法是建立其时间序列散斑干涉图像并在推算其共生矩阵基础上,计算出其差异绝对值的均值AVD,从而对某一时间段散斑稳定性进行定量评估并建立散斑干涉***的光阑狭缝尺寸与散斑干涉图像稳定性的关系模型;
建立时间序列散斑图像是指对设定的光阑狭缝检测序列中每一个光阑狭缝尺寸Tf的一个时间邻域[t1,tn]内,对生物活性材料表面摄取N帧激光动态散斑图像M1...Mi...MN,并对获取的每一帧激光动态散斑图像Mi根据样本的检测位置等间距提取其L列或行数据,合成新的图像G1...GI...GL,称之为时间序列散斑图,分别计算合成的新图像G1...GI...GL的共生矩阵,由以下表达式建立共生矩阵COM:COM=[Ni,j],式中,Ni,j表示元素i后面接着出现元素j的次数,元素i、元素j分别表示像素的灰度值;在此基础上,再计算共生矩阵对应的差异绝对值的均值AVD,并将图像G1...GI...GL差异绝对值的平均值归一化后的值作为该光阑狭缝尺寸大小时生物样本稳定性的评价参数;
(2)通过对比度评估散斑图像承载信息量的多少,散斑图像的对比度是基于散斑图像的功率谱半极值所对应的带宽来进行评估,通过计算散斑图像的功率谱带宽,实现对散斑图像承载信息量进行评估,并建立散斑干涉***的光阑狭缝尺寸与散斑干涉图像对比度的关系模型;
(3)以光阑狭缝尺寸与散斑干涉图像的稳定性关系模型及光阑狭缝尺寸与散斑干涉图像对比度的关系模型为基础,将两模型利用权向量进行加权计算,建立散斑干涉***的光阑狭缝最优尺寸选择模型,判断散斑稳定性和信息量是否是最优解,如不是,则返回步骤(1)再次调整光阑的狭缝尺寸参数,重新计算并再次判断,最终确定***参数,达到生物活性材料散斑相关性和其信息的量值之间的平衡。
2.如权利要求1所述的一种数字散斑干涉***光阑狭缝尺寸的选取方法,其特征在于,步骤(1)中,控制光阑狭缝尺寸来调整散斑的颗粒尺寸是通过散斑的平均尺寸σ与数字散斑干涉***中成像***的光阑狭缝尺寸D成反比例、与数字散斑干涉***所使用的成像***的焦距f成正比的关系进行设定或调整的,具体表达式为:σ=1.22*(1+M)*λ*f/D,式中,λ是数字散斑干涉***所使用的激光器的波长,M是数字散斑干涉***的光学放大倍数,通过选取不同成像***的光圈大小,改变散斑颗粒平均尺寸,同时,根据散斑干涉成像机理,动态散斑的稳定性与散斑大小正相关,以此来控制散斑的稳定性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777825.7A CN110500965B (zh) | 2019-08-22 | 2019-08-22 | 一种数字散斑干涉***光阑狭缝尺寸的选取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777825.7A CN110500965B (zh) | 2019-08-22 | 2019-08-22 | 一种数字散斑干涉***光阑狭缝尺寸的选取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110500965A CN110500965A (zh) | 2019-11-26 |
CN110500965B true CN110500965B (zh) | 2021-07-27 |
Family
ID=68588534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910777825.7A Active CN110500965B (zh) | 2019-08-22 | 2019-08-22 | 一种数字散斑干涉***光阑狭缝尺寸的选取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110500965B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114754669B (zh) * | 2022-03-22 | 2024-01-30 | 南京理工大学 | 一种多模光纤束扩展光源抑制干涉仪相干噪声的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7221356B2 (en) * | 2004-02-26 | 2007-05-22 | Microsoft Corporation | Data input device and method for detecting an off-surface condition by a laser speckle size characteristic |
CN101236465A (zh) * | 2007-01-29 | 2008-08-06 | 立信科技股份有限公司 | 控制散斑尺寸大小及分布状态的方法与其光学*** |
CN101784227B (zh) * | 2007-07-06 | 2013-12-04 | 工业研究有限公司 | 激光散斑成像***和方法 |
CN101655352B (zh) * | 2009-09-15 | 2011-02-09 | 西安交通大学 | 一种三维散斑应变测量装置的测量方法 |
FR2976068B1 (fr) * | 2011-05-31 | 2013-06-14 | Peugeot Citroen Automobiles Sa | Caracterisation des deformees d'un organe en defilement par stereocorrelation d'images |
CN104833483A (zh) * | 2015-04-29 | 2015-08-12 | 山东大学 | 一种激光投影显示中散斑的测量评价方法及应用 |
CN105300307B (zh) * | 2015-11-20 | 2018-06-08 | 北京理工大学 | 二维散斑数字相关技术的光学镜面变形测量装置和方法 |
CN106840015A (zh) * | 2017-01-16 | 2017-06-13 | 东华大学 | 一种应用于全域形变检测的三相机数字散斑传感器及方法 |
CN207232546U (zh) * | 2017-07-17 | 2018-04-13 | 华侨大学 | 一种动态控制散斑场对比度的装置 |
KR102016740B1 (ko) * | 2017-10-11 | 2019-10-21 | 한국철도기술연구원 | 시편에 대한 다중 위치에서의 다중 요인 측정 시스템 및 그 동작 방법 |
CN108195298B (zh) * | 2017-12-14 | 2019-09-06 | 清华大学 | 一种高温散斑及其可调控制备方法 |
-
2019
- 2019-08-22 CN CN201910777825.7A patent/CN110500965B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110500965A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7577309B2 (en) | Direct vision sensor for 3D computer vision, digital imaging, and digital video | |
CN111366557B (zh) | 一种基于薄散射介质的相位成像方法 | |
CN111551129B (zh) | 大口径平面镜的中、低阶面形检测装置、***及存储介质 | |
US20210144278A1 (en) | Compressed sensing based object imaging system and imaging method therefor | |
CN101266334A (zh) | 基于随机并行梯度下降算法的无波前探测器自适应光学*** | |
JP4531431B2 (ja) | 波面補償装置、波面補償方法、プログラム、及び、記録媒体 | |
Vishnevskiy | The initial processing of the gas electron diffraction data: An improved method for obtaining intensity curves from diffraction patterns | |
CN111579097B (zh) | 基于神经网络的高精度光学散射补偿方法 | |
WO2023142628A1 (zh) | 一种自适应散斑干涉测量方法及*** | |
CN113158487B (zh) | 一种基于长短期记忆深度网络的波前相位差探测方法 | |
CN110500965B (zh) | 一种数字散斑干涉***光阑狭缝尺寸的选取方法 | |
Huang et al. | Continuous-wave off-axis and in-line terahertz digital holography with phase unwrapping and phase autofocusing | |
Fang et al. | Image reconstruction through thin scattering media by simulated annealing algorithm | |
WO2015033692A1 (en) | Image processing method, image processing apparatus, image pickup apparatus, and non-transitory computer-readable storage medium | |
Sweere et al. | Deep learning-based super-resolution and de-noising for XMM-newton images | |
KR101875515B1 (ko) | 디지털 마이크로미러 소자를 활용한 구조 입사 3차원 굴절률 토모그래피 장치 및 방법 | |
Archinuk et al. | Mitigating the nonlinearities in a pyramid wavefront sensor | |
Smith et al. | Enhanced adaptive optics control with image to image translation | |
CN113298700A (zh) | 一种在散射场景中的高分辨图像重构方法 | |
CN108760056B (zh) | 一种基于相干衍射成像的激光复振幅测量方法及*** | |
Yue et al. | Wavefront sensorless adaptive optics system for extended objects based on linear phase diversity technique | |
Allan et al. | Deep neural networks to improve the dynamic range of Zernike phase-contrast wavefront sensing in high-contrast imaging systems | |
Pellizzari et al. | Coherent plug-and-play artifact removal: Physics-based deep learning for imaging through aberrations | |
Smith et al. | Image-to-image translation for wavefront and point spread function estimation | |
CN113870184A (zh) | 基于x射线吸收图像生成相位衬度图像和暗场图像的方法、装置、计算设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |