CN111553876A - 一种气动光学视线误差图像处理方法及*** - Google Patents

一种气动光学视线误差图像处理方法及*** Download PDF

Info

Publication number
CN111553876A
CN111553876A CN202010198002.1A CN202010198002A CN111553876A CN 111553876 A CN111553876 A CN 111553876A CN 202010198002 A CN202010198002 A CN 202010198002A CN 111553876 A CN111553876 A CN 111553876A
Authority
CN
China
Prior art keywords
image
light beam
flow field
coordinate
structural element
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.)
Granted
Application number
CN202010198002.1A
Other languages
English (en)
Other versions
CN111553876B (zh
Inventor
石伟龙
吴宇阳
甘才俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Aerospace Aerodynamics CAAA
Original Assignee
China Academy of Aerospace Aerodynamics CAAA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Academy of Aerospace Aerodynamics CAAA filed Critical China Academy of Aerospace Aerodynamics CAAA
Priority to CN202010198002.1A priority Critical patent/CN111553876B/zh
Publication of CN111553876A publication Critical patent/CN111553876A/zh
Application granted granted Critical
Publication of CN111553876B publication Critical patent/CN111553876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种气动光学视线误差图像处理方法及***，通过对经过试验流场的光束图像进行图像分割、频域变换、图像滤波、形态学操作等步骤完成图像预处理，然后经过边缘检测、质心确定和灰度统计的方法分别计算光束的面积比、视线误差和平均斯特列尔比。本发明对试验原始图像进行信息提取和统计分析，得到了视线误差评估的关键信息。

Description

一种气动光学视线误差图像处理方法及***
技术领域
本发明属于航空航天实验技术领域，尤其涉及一种气动光学视线误差图像处理方法及***。
背景技术
随着我国国防事业的发展，各类导弹的飞行速度越来越高，对其制导精度的要求也越来越高。然而高速导弹在大气层内飞行时，导弹周围会产生严重的气动加热高温环境，而导弹的制导***一般在头部安装光学玻璃，方便接收目标的图像。同时会采用喷流进行冷却，导致冷却气流和外部气流之间形成混合层流场。目标光线经过气动热场和混合层流场后会发生严重的气动光学效应，光线传播方向产生偏折，导致探测***将会接收到偏移后的目标图像，探测器探测到的目标位置和实际目标位置的偏差就是视线误差。视线误差会导致导弹瞄准错误的目标，影响导弹的探测精度，甚至可能出现脱靶的情况。
为了解决导弹视线误差问题，需要在地面进行大量的试验，通常采取风洞试验的方法模拟导弹在大气中的飞行状态以及探测器接收到目标光线的过程。但是光线经过试验流场后发生的畸变非常复杂，包括方向偏折、能量衰减、抖动、模糊、变形和相位畸变等。如何选择有效的技术指标来评价试验中的视线误差程度，反映流场状态对光线传输的影响，是气动光学试验的关键问题。同时目前也缺乏针对视线误差图像处理的有效方法，不能对试验原始图像进行信息提取和统计分析，得不到视线误差评估的关键信息。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种气动光学视线误差图像处理方法及***，对试验原始图像进行信息提取和统计分析，得到了视线误差评估的关键信息。
本发明目的通过以下技术方案予以实现：一种气动光学视线误差图像处理方法，所述方法包括如下步骤：步骤一：风洞试验中获得的包含N条光束光斑的原始图像，根据原始图像中光束光斑的位置，将原始图像分割为N个包含一个光束光斑的子图像；步骤二：对步骤一中包含光束光斑的子图像进行频域变换，将子图像从时域变化为频域得到频域信息，对频域信息进行低通滤波，过滤掉背景中的噪声，获得滤波后的光束图像；步骤三：对步骤二中滤波后的光束图像进行形态学操作，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作，得到了边缘平滑及内部完整的光束图像；步骤四：对步骤三中的边缘平滑及内部完整的光束图像进行信息提取得到光斑变形信息、方向偏折信息和能量衰减信息。
上述气动光学视线误差图像处理方法中，在步骤三中，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作包括如下步骤：
(31)用结构元b对滤波后的光束图像f进行膨胀得到膨胀后图像f'，表示为
Figure BDA0002418322350000021
定义为：
Figure BDA0002418322350000022
其中，Db为b的域，f(x,y)假设在f域之外为-∞，x为光束图像f的x坐标，y为光束图像f的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标；
(32)用结构元b对膨胀后图像f'进行腐蚀得到腐蚀后图像f”，表示为
Figure BDA0002418322350000023
定义为：
Figure BDA0002418322350000024
其中，Db为b的域，f'(x,y)假设在f'域之外为+∞，x为图像f'的x坐标，y为图像f'的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标。
上述气动光学视线误差图像处理方法中，在步骤四中，得到光斑变形信息包括如下步骤：
首先通过对边缘平滑及内部完整的光束图像进行边缘检测，采用Canny边缘检测算子对图像进行边缘识别，寻找光束图像的梯度局部最大值定义为光束图像的边缘，然后计算光束的面积，光束的面积定义为光束图像内所有像素的总和，对识别出的光束图像的边缘内所有的像素累加，得到光束的面积A，计算此时刻图像与无流场时参考图像面积Aref的比值AR，
AR＝A/Aref
式中，A为某时刻的光束面积，Aref为无流场时的参考光束面积，AR即反映了光束经过试验流场后的光斑变形信息。
上述气动光学视线误差图像处理方法中，在步骤四中，得到方向偏折信息包括如下步骤：
首先需要确定光束的质心位置，定义光束质心为：
X＝(∑XiGi)/(∑Gi)
式中，Xi为图像像素点的坐标，Gi为该像素点的灰度值；
然后计算光束经过试验流场后的质心偏移，定义光束的视线误差BSE:
BSE＝(X-Xref)/L
式中，X为某时刻光束的质心位置，Xref为无流场时参考光束的质心位置，L为试验流场到接收相机的距离；
视线误差BSE即反映了光束经过试验流场后的方向偏折信息。
上述气动光学视线误差图像处理方法中，在步骤四中，得到能量衰减信息包括如下步骤：
首先通过对光束图像进行灰度统计，计算光束图像边缘曲线内所有像素的平均灰度Bm，定义平均斯特列尔比SRm：
SRm＝Bm/Bref
式中Bm为某时刻光束图像的平均灰度，Bref为无流场时参考光束的平均灰度，SRm即反映了光束经过试验流场后的能量衰减。
一种气动光学视线误差图像处理***，包括：第一模块，用于在风洞试验中获得的包含N条光束光斑的原始图像，根据原始图像中光束光斑的位置，将原始图像分割为N个包含一个光束光斑的子图像；第二模块，用于对第一模块中包含光束光斑的子图像进行频域变换，将子图像从时域变化为频域得到频域信息，对频域信息进行低通滤波，过滤掉背景中的噪声，获得滤波后的光束图像；第三模块，用于对第二模块中滤波后的光束图像进行形态学操作，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作，得到了边缘平滑及内部完整的光束图像；第四模块，用于对第三模块中的边缘平滑及内部完整的光束图像进行信息提取得到光斑变形信息、方向偏折信息和能量衰减信息。
上述气动光学视线误差图像处理***中，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作包括如下步骤：
(31)用结构元b对滤波后的光束图像f进行膨胀得到膨胀后图像f'，表示为定义为：
Figure BDA0002418322350000042
其中，Db为b的域，f(x,y)假设在f域之外为-∞，x为光束图像f的x坐标，y为光束图像f的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标；
(32)用结构元b对膨胀后图像f'进行腐蚀得到腐蚀后图像f”，表示为
Figure BDA0002418322350000043
定义为：
Figure BDA0002418322350000044
其中，Db为b的域，f'(x,y)假设在f'域之外为+∞，x为图像f'的x坐标，y为图像f'的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标。
上述气动光学视线误差图像处理***中，得到光斑变形信息包括如下步骤：
首先通过对边缘平滑及内部完整的光束图像进行边缘检测，采用Canny边缘检测算子对图像进行边缘识别，寻找光束图像的梯度局部最大值定义为光束图像的边缘，然后计算光束的面积，光束的面积定义为光束图像内所有像素的总和，对识别出的光束图像的边缘内所有的像素累加，得到光束的面积A，计算此时刻图像与无流场时参考图像面积Aref的比值AR，
AR＝A/Aref
式中，A为某时刻的光束面积，Aref为无流场时的参考光束面积，AR即反映了光束经过试验流场后的光斑变形信息。
上述气动光学视线误差图像处理***中，得到方向偏折信息包括如下步骤：
首先需要确定光束的质心位置，定义光束质心为：
X＝(∑XiGi)/(∑Gi)
式中，Xi为图像像素点的坐标，Gi为该像素点的灰度值；
然后计算光束经过试验流场后的质心偏移，定义光束的视线误差BSE:
BSE＝(X-Xref)/L
式中，X为某时刻光束的质心位置，Xref为无流场时参考光束的质心位置，L为试验流场到接收相机的距离；
视线误差BSE即反映了光束经过试验流场后的方向偏折信息。
上述气动光学视线误差图像处理***中，得到能量衰减信息包括如下步骤：首先通过对光束图像进行灰度统计，计算光束图像边缘曲线内所有像素的平均灰度Bm，定义平均斯特列尔比SRm：
SRm＝Bm/Bref
式中Bm为某时刻光束图像的平均灰度，Bref为无流场时参考光束的平均灰度，SRm即反映了光束经过试验流场后的能量衰减。
本发明与现有技术相比具有如下有益效果：
本发明通过对气动光学视线误差试验得到的光束图像进行一系列图像处理和信息提取，获得光束的图像面积比、质心偏移和平均斯特列尔比等三个统计参量，反映光束穿过试验流场后的变形、偏折和能量衰减，评价光束穿过试验流场的气动光学视线误差，验证试验流场的气动光学效应。本发明提供了一种气动光学视线误差的有效评价方法，弥补了以往气动光学研究评价指标不清晰不全面的不足，更有利于气动光学视线误差试验的研究。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明提供的气动光学视线误差图像处理方法的流程图；
图2为本发明提供的经过试验流场的原始图像；
图3为本发明提供的经过图像分割后单束光的子图像；
图4为本发明提供的经过图像滤波后的光束图像；
图5为本发明提供的经过形态学操作后的光束图像；
图6为本发明提供的经过边缘检测后的光束图像；
图7为本发明提供的试验过程中视线误差BSE的变化曲线；
图8为本发明提供的试验过程中面积比AR的变化曲线；
图9为本发明提供的试验过程中平均斯特列尔比SRm的变化曲线。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1为本发明提供的气动光学视线误差图像处理方法的流程图。如图1所示，该方法包括如下步骤：
步骤一：风洞试验中获得的包含N条光束光斑的原始图像(N为试验中设置的光束条数)，根据原始图像中光束光斑的位置，将原始图像分割为N个包含一个光束光斑的子图像，对子图像分别进行处理；
步骤二：对包含光束光斑的子图像进行频域变换，将子图像的从时域变化为频域，对频域信息进行低通滤波，过滤掉背景中的噪声，获得滤波后的光束图像，此时的图像轮廓比较清晰，但内部存在一些噪声引起的断点；
步骤三：对经过滤波后的光束图像进行形态学操作，采用半径为2的圆形结构元对图像进行闭操作，填补图像内部的断点，平滑边缘的不连续点，得到了边缘平滑、内部完整的光束图像。
步骤四：经过步骤一、步骤二、步骤三后得到经过预处理的图像，对图像进行信息提取，提取的信息主要包括三个部分，光斑变形、方向偏折和能量衰减。其中光斑变形信息首先通过对光束图像进行边缘检测，采用Canny边缘检测算子对图像进行边缘识别，寻找图像的梯度局部最大值定义为图像的边缘，然后计算光束的面积，光束的面积定义为光束图像内所有像素的总和，对识别出的图像边缘内所有的像素累加，得到光束的面积A，计算此时刻图像与无流场时参考图像面积Aref的比值AR，
AR＝A/Aref
式中A为某时刻的光束面积，Aref为无流场时的参考光束面积，AR即反映了光束经过试验流场后的光斑变形。
方向偏折信息首先需要确定光束的质心位置，定义光束质心为：
X＝(∑XiGi)/(∑Gi)
式中Xi为图像像素点的坐标，Gi为该像素点的灰度值。然后计算光束经过试验流场后的质心偏移，定义光束的视线误差BSE:
BSE＝(X-Xref)/L
式中X为某时刻光束的质心位置，Xref为无流场时参考光束的质心位置，L为试验流场到接收相机的距离。视线误差BSE即反映了光束经过试验流场后的方向偏折。
能量衰减信息首先通过对光束图像进行灰度统计，计算光束图像边缘曲线内所有像素的平均灰度Bm，定义平均斯特列尔比SRm：
SRm＝Bm/Bref
式中Bm为某时刻光束图像的平均灰度，Bref为无流场时参考光束的平均灰度，SRm即反映了光束经过试验流场后的能量衰减。
该方法还包括评价步骤：以上步骤二到步骤四为包含单个光束的子图像的处理过程，然后对原始图像分割出的N个子图像均进行上述步骤操作，就得到了在某一时刻不同空间位置的气动光学流场视线误差统计分布。然后在试验过程中可以采集到若干张不同时刻的原始图像(采集张数大于100张)，分别对所有时刻的原始图像进行处理，就可以获得在试验过程中气动光学流场视线误差随时间的变化规律。最后对不同试验状态下的试验流场的气动光学视线误差统计量比较分析，就能获得与试验状态相关的气动光学视线误差机理和规律，可以对高速导弹导引和成像***的设计优化提供数据支撑和理论依据。
参考图1，本发明实施例提供了一种气动光学视线误差图像处理流程，流程主要包括三大部分：图像预处理、信息提取和数据评价。首先从气动光学视线误差试验获得光束原始图像，原始图像为穿过试验流场不同区域的多束平行光的图像，需要对每一束光进行单独处理。对原始图像进行图像分割，得到每一束光的图像，光束经过试验流场后出现了偏移、变形和能量衰减等现象，图像为边缘不规则的圆形。然后对图像进行频域变换和图像滤波，过滤掉背景中的噪声。此时得到的图像轮廓比较清晰，但内部存在一些噪声引起的断点，再对图像进行形态学操作，采用闭操作填补图像内部的断点。这时得到的图像为轮廓清晰、内部连续的圆形光斑，图像的预处理流程完成。接着对经过预处理的图像进行信息提取，采用边缘识别算法提取图像的边缘轮廓，然后计算轮廓内的像素数、质心位置和平均灰度，与相对应的参考图像进行比较计算，得到经过试验流场的光束图像的光斑变形、质心偏移和能量衰减信息。最后对试验中不同空间位置和不同时刻的光束图像中提取的信息统计分析，就可以对光束经过试验流场后的气动光学视线误差进行评价，评估试验流场对光传输的影响程度，为导弹在该种条件下的探测和瞄准提供依据。
图2为上述的经过试验流场的原始图像，同时得到不同空间位置的20束平行光的图像，由于经过试验流场的不同区域，其发生的偏移和畸变量也不同，需要对每一束光进行单独处理。
图3为上述的经过图像分割后单束光的子图像，光线经过试验流场后出现了偏移、变形和能量衰减等现象，得到的光束图像为边缘变形、模糊、位置偏移的近似圆形图像。
图4为上述的经过图像滤波后的光束图像，经过滤波处理去掉了背景中的杂光以及光斑周围的衍射弱光，得到的图像轮廓变得清晰，但存在着边缘不连续和内部存在断点的问题。
图5为上述的经过形态学操作后的光束图像，图像边缘不连续和内部存在断点都会影响后续的信息提取的精度，因此采用形态学操作中的闭操作填补断点。闭操作可以理解为对图像先膨胀再腐蚀处理。用结构元b对灰度图像f进行膨胀得到膨胀后图像f'，表示为
Figure BDA0002418322350000091
定义为：
Figure BDA0002418322350000092
其中，Db为b的域，f(x,y)假设在f域之外为-∞，x为光束图像f的x坐标，y为光束图像f的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标。
用结构元b对膨胀后图像f'进行腐蚀得到腐蚀后图像f”，表示为
Figure BDA0002418322350000093
定义为：
Figure BDA0002418322350000094
其中，Db为b的域，f'(x,y)假设在f'域之外为+∞，x为图像f'的x坐标，y为图像f'的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标。
形态学闭操作趋向于平滑物体的轮廓，可以去除比结构元小的黑暗细节，连接窄的断裂并填充细小的缺陷。采用半径为2个像素的圆形结构元对光束图像进行闭操作，图像内部的黑点以及边缘处不连续的点被平滑掉了。
图6为上述的经过边缘检测后的光束图像，采用Canny边缘检测算子进行图像边缘识别。Canny边缘检测算子通过寻找图像的梯度局部最大值来发现边缘。设图像的像素为二维函数f(x,y)，其梯度定义为向量：
Figure BDA0002418322350000101
该向量的幅值为：
Figure BDA0002418322350000102
在实际计算中，一般采取省略平方根的方法简化为：
Figure BDA0002418322350000103
或者取绝对值：
Figure BDA0002418322350000104
梯度向量的基本性质是：梯度向量的方向即是坐标(x,y)处f的最大变化率方向。其最大变化率的角度为
Figure BDA0002418322350000105
图像首先经过标准差为σ的高斯滤波器平滑，减少的噪声干扰，然后计算了图像中每一点的梯度幅值和角度，边缘点定义为梯度方向上局部强度最大的点，光束图像的边缘用一个像素宽的线标记出来。
定义光束图像的面积为其图像所有像素的总和，对识别出的图像边缘曲线内的所有像素累加，得到图像面积A。光束面积大小的变化反映了图像的抖动，定义某时刻图像与无流场时参考图像面积Aref的比值AR：
AR＝A/Aref
光束穿过试验流场后能量会发生衰减，其表现为图像灰度的减弱，采用图像边缘曲线内所有像素的平均灰度Bm，与无流场时的参考图像平均灰度Bref进行比较，定义为平均斯特列尔比SRm：
SRm＝Bm/Bref
光束经过试验流场后出现变形和偏移，使用光束质心点来代表光束的位置。
定义光束质心为：
X＝(∑XiGi)/(∑Gi)
式中Xi为图像像素点的坐标，Gi为该像素点的灰度值。
则光束的视线误差定义为图像质心位置X与无流场时的参考图像质心位置Xref之差，除以试验流场到接收相机的距离L:
BSE＝(X-Xref)/L
对试验中不同空间位置和不同时刻的光束图像中提取的信息统计分析，就可以对光束经过试验流场后的气动光学视线误差进行评价，评估试验流场对光传输的影响程度。图7为经过试验流场某光束在试验过程中视线误差BSE的变化曲线，图8为经过试验流场某光束在试验过程中面积比AR的变化曲线，图9为经过试验流场某光束在试验过程中平均斯特列尔比SRm的变化曲线。可以看出在试验流场运行过程中上述的三个统计量均发生了明显的变化，尤其是在试验流场启动过程的非定常状态下，光束变化幅度非常大，其气动光学畸变最为严重。对不同状态的试验流场的气动光学视线误差统计量比较分析，可以为高速导弹导引和成像***的设计优化提供理论依据。
本实施例还提供了一种气动光学视线误差图像处理***，包括：第一模块，用于在风洞试验中获得的包含N条光束光斑的原始图像，根据原始图像中光束光斑的位置，将原始图像分割为N个包含一个光束光斑的子图像；第二模块，用于对第一模块中包含光束光斑的子图像进行频域变换，将子图像从时域变化为频域得到频域信息，对频域信息进行低通滤波，过滤掉背景中的噪声，获得滤波后的光束图像；第三模块，用于对第二模块中滤波后的光束图像进行形态学操作，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作，得到了边缘平滑及内部完整的光束图像；第四模块，用于对第三模块中的边缘平滑及内部完整的光束图像进行信息提取得到光斑变形信息、方向偏折信息和能量衰减信息。
本发明通过对气动光学视线误差试验得到的光束图像进行一系列图像处理和信息提取，获得光束的图像面积比、质心偏移和平均斯特列尔比等三个统计参量，反映光束穿过试验流场后的变形、偏折和能量衰减，评价光束穿过试验流场的气动光学视线误差，验证试验流场的气动光学效应。本发明提供了一种气动光学视线误差的有效评价方法，弥补了以往气动光学研究评价指标不清晰不全面的不足，更有利于气动光学视线误差试验的研究。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种气动光学视线误差图像处理方法，其特征在于，所述方法包括如下步骤：
步骤一：风洞试验中获得的包含N条光束光斑的原始图像，根据原始图像中光束光斑的位置，将原始图像分割为N个包含一个光束光斑的子图像；
步骤二：对步骤一中包含光束光斑的子图像进行频域变换，将子图像从时域变化为频域得到频域信息，对频域信息进行低通滤波，过滤掉背景中的噪声，获得滤波后的光束图像；
步骤三：对步骤二中滤波后的光束图像进行形态学操作，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作，得到了边缘平滑及内部完整的光束图像；
步骤四：对步骤三中的边缘平滑及内部完整的光束图像进行信息提取得到光斑变形信息、方向偏折信息和能量衰减信息。
2.根据权利要求1所述的气动光学视线误差图像处理方法，其特征在于：在步骤三中，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作包括如下步骤：
(31)用结构元b对滤波后的光束图像f进行膨胀得到膨胀后图像f'，表示为
Figure FDA0002418322340000011
定义为：
Figure FDA0002418322340000012
其中，Db为b的域，f(x,y)假设在f域之外为-∞，x为光束图像f的x坐标，y为光束图像f的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标；
(32)用结构元b对膨胀后图像f'进行腐蚀得到腐蚀后图像f”，表示为
Figure FDA0002418322340000013
定义为：
Figure FDA0002418322340000014
其中，Db为b的域，f'(x,y)假设在f'域之外为+∞，x为图像f'的x坐标，y为图像f'的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标。
3.根据权利要求1所述的气动光学视线误差图像处理方法，其特征在于：在步骤四中，得到光斑变形信息包括如下步骤：
首先通过对边缘平滑及内部完整的光束图像进行边缘检测，采用Canny边缘检测算子对图像进行边缘识别，寻找光束图像的梯度局部最大值定义为光束图像的边缘，然后计算光束的面积，光束的面积定义为光束图像内所有像素的总和，对识别出的光束图像的边缘内所有的像素累加，得到光束的面积A，计算此时刻图像与无流场时参考图像面积Aref的比值AR，
AR＝A/Aref
式中，A为某时刻的光束面积，Aref为无流场时的参考光束面积，AR即反映了光束经过试验流场后的光斑变形信息。
4.根据权利要求3所述的气动光学视线误差图像处理方法，其特征在于：在步骤四中，得到方向偏折信息包括如下步骤：
首先需要确定光束的质心位置，定义光束质心为：
X＝(∑XiGi)/(∑Gi)
式中，Xi为图像像素点的坐标，Gi为该像素点的灰度值；
然后计算光束经过试验流场后的质心偏移，定义光束的视线误差BSE:
BSE＝(X-Xref)/L
式中，X为某时刻光束的质心位置，Xref为无流场时参考光束的质心位置，L为试验流场到接收相机的距离；
视线误差BSE即反映了光束经过试验流场后的方向偏折信息。
5.根据权利要求4所述的气动光学视线误差图像处理方法，其特征在于：在步骤四中，得到能量衰减信息包括如下步骤：
首先通过对光束图像进行灰度统计，计算光束图像边缘曲线内所有像素的平均灰度Bm，定义平均斯特列尔比SRm：
SRm＝Bm/Bref
式中Bm为某时刻光束图像的平均灰度，Bref为无流场时参考光束的平均灰度，SRm即反映了光束经过试验流场后的能量衰减。
6.一种气动光学视线误差图像处理***，其特征在于包括：
第一模块，用于在风洞试验中获得的包含N条光束光斑的原始图像，根据原始图像中光束光斑的位置，将原始图像分割为N个包含一个光束光斑的子图像；
第二模块，用于对第一模块中包含光束光斑的子图像进行频域变换，将子图像从时域变化为频域得到频域信息，对频域信息进行低通滤波，过滤掉背景中的噪声，获得滤波后的光束图像；
第三模块，用于对第二模块中滤波后的光束图像进行形态学操作，采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作，得到了边缘平滑及内部完整的光束图像；
第四模块，用于对第三模块中的边缘平滑及内部完整的光束图像进行信息提取得到光斑变形信息、方向偏折信息和能量衰减信息。
7.根据权利要求6所述的气动光学视线误差图像处理***，其特征在于：采用半径为2个像素的圆形结构元对滤波后的光束图像进行闭操作包括如下步骤：
(31)用结构元b对滤波后的光束图像f进行膨胀得到膨胀后图像f'，表示为
Figure FDA0002418322340000031
定义为：
Figure FDA0002418322340000032
其中，Db为b的域，f(x,y)假设在f域之外为-∞，x为光束图像f的x坐标，y为光束图像f的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标；
(32)用结构元b对膨胀后图像f'进行腐蚀得到腐蚀后图像f”，表示为
Figure FDA0002418322340000033
定义为：
Figure FDA0002418322340000034
其中，Db为b的域，f'(x,y)假设在f'域之外为+∞，x为图像f'的x坐标，y为图像f'的y坐标，x′为结构元b的x坐标，y′为结构元b的y坐标。
8.根据权利要求6所述的气动光学视线误差图像处理***，其特征在于：得到光斑变形信息包括如下步骤：
首先通过对边缘平滑及内部完整的光束图像进行边缘检测，采用Canny边缘检测算子对图像进行边缘识别，寻找光束图像的梯度局部最大值定义为光束图像的边缘，然后计算光束的面积，光束的面积定义为光束图像内所有像素的总和，对识别出的光束图像的边缘内所有的像素累加，得到光束的面积A，计算此时刻图像与无流场时参考图像面积Aref的比值AR，
AR＝A/Aref
式中，A为某时刻的光束面积，Aref为无流场时的参考光束面积，AR即反映了光束经过试验流场后的光斑变形信息。
9.根据权利要求6所述的气动光学视线误差图像处理***，其特征在于：得到方向偏折信息包括如下步骤：
首先需要确定光束的质心位置，定义光束质心为：
X＝(∑XiGi)/(∑Gi)
式中，Xi为图像像素点的坐标，Gi为该像素点的灰度值；
然后计算光束经过试验流场后的质心偏移，定义光束的视线误差BSE:
BSE＝(X-Xref)/L
式中，X为某时刻光束的质心位置，Xref为无流场时参考光束的质心位置，L为试验流场到接收相机的距离；
视线误差BSE即反映了光束经过试验流场后的方向偏折信息。
10.根据权利要求9所述的气动光学视线误差图像处理***，其特征在于：得到能量衰减信息包括如下步骤：
首先通过对光束图像进行灰度统计，计算光束图像边缘曲线内所有像素的平均灰度Bm，定义平均斯特列尔比SRm：
SRm＝Bm/Bref
式中Bm为某时刻光束图像的平均灰度，Bref为无流场时参考光束的平均灰度，SRm即反映了光束经过试验流场后的能量衰减。
CN202010198002.1A 2020-03-19 2020-03-19 一种气动光学视线误差图像处理方法及*** Active CN111553876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010198002.1A CN111553876B (zh) 2020-03-19 2020-03-19 一种气动光学视线误差图像处理方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010198002.1A CN111553876B (zh) 2020-03-19 2020-03-19 一种气动光学视线误差图像处理方法及***

Publications (2)

Publication Number Publication Date
CN111553876A true CN111553876A (zh) 2020-08-18
CN111553876B CN111553876B (zh) 2023-11-10

Family

ID=72007240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010198002.1A Active CN111553876B (zh) 2020-03-19 2020-03-19 一种气动光学视线误差图像处理方法及***

Country Status (1)

Country Link
CN (1) CN111553876B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034415A (zh) * 2021-03-23 2021-06-25 哈尔滨市科佳通用机电股份有限公司 一种铁路机车小部件图像扩增的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050225747A1 (en) * 2002-06-16 2005-10-13 Rafael - Armament Development Authothority Ltd. Method and system for evaluating optical disturbances occurring in a supersonic flow field
CN101886972A (zh) * 2010-04-09 2010-11-17 中国科学院上海技术物理研究所 真空羽流场对红外激光特性影响的测试***及方法
CN108692820A (zh) * 2018-05-23 2018-10-23 马晓燠 一种波前测量装置及方法
CN110246115A (zh) * 2019-04-23 2019-09-17 西安理工大学 一种远场激光光斑图像的检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050225747A1 (en) * 2002-06-16 2005-10-13 Rafael - Armament Development Authothority Ltd. Method and system for evaluating optical disturbances occurring in a supersonic flow field
CN101886972A (zh) * 2010-04-09 2010-11-17 中国科学院上海技术物理研究所 真空羽流场对红外激光特性影响的测试***及方法
CN108692820A (zh) * 2018-05-23 2018-10-23 马晓燠 一种波前测量装置及方法
CN110246115A (zh) * 2019-04-23 2019-09-17 西安理工大学 一种远场激光光斑图像的检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙喜万 等: "气动光学效应研究进展综述" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034415A (zh) * 2021-03-23 2021-06-25 哈尔滨市科佳通用机电股份有限公司 一种铁路机车小部件图像扩增的方法

Also Published As

Publication number Publication date
CN111553876B (zh) 2023-11-10

Similar Documents

Publication Publication Date Title
CN104981105B (zh) 一种快速精确获得元件中心和偏转角度的检测及纠偏方法
CN111626290B (zh) 一种复杂海面环境下的红外舰船目标检测识别方法
CN109636771B (zh) 基于图像处理的飞行目标检测方法及***
CN106910204B (zh) 一种对海面船只自动跟踪识别的方法和***
CN111709968B (zh) 一种基于图像处理的低空目标探测跟踪方法
CN110728668B (zh) 一种小目标形态保持的空域高通滤波器
CN102494675A (zh) 一种运动目标特征高速视觉捕捉方法
CN103247032B (zh) 一种基于姿态补偿的微弱扩展目标定位方法
CN115546170B (zh) 一种基于激光测距的风机叶片缺陷定位方法及***
CN112683228A (zh) 单目相机测距方法及装置
CN114972083A (zh) 一种基于实测数据的复杂光学成像条件下图像复原方法
CN111553876A (zh) 一种气动光学视线误差图像处理方法及***
CN116883897A (zh) 一种低分辨率目标识别方法
CN110440792A (zh) 基于小天体不规则度的导航信息提取方法
Yang et al. Method for building recognition from FLIR images
CN114943738A (zh) 一种基于视觉识别的传感器封装固化胶缺陷识别方法
CN109101940A (zh) 一种无人机红外视频信息显示于可见光视频中的方法
CN111473944B (zh) 观测流场中存在复杂壁面的piv数据修正方法、装置
CN115096196B (zh) 一种用于火箭回收的视觉测高测速方法、***及存储介质
CN114596271A (zh) 一种高反光表面腐蚀特征提取方法
CN109781259B (zh) 一种图谱关联的精准测量空中运动小目标红外光谱的方法
CN112330669A (zh) 基于点光源衍射星芒现象的星敏感器星点位置定位方法
Xu et al. A strong background daytime star image processing method using improved morphology Top-Hat filter and pipeline filter
CN112967303B (zh) 一种图像边缘检测及其边缘精度验证方法
CN108830885B (zh) 一种基于多向差分残差能量相关的检测虚警抑制方法

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