【文献阅读】 2019.07.09 肖顺元

作者:时间:2019-07-11点击数:

哈特曼传感器子孔径光斑的局部自适应阈值分割方法

——— ||| 导读 ||| ———

本文为知网上一篇介绍基于统计排序的局部自适应阈值分割方法的文章,作者为中国科学院自适应光学重点实验室的李旭旭、李新阳和王彩霞。

—— ||| 背景介绍 ||| ——

夏克-哈特曼传感器由于采用微透镜阵列结构, 大大提高了光束的透过率和利用率, 逐渐成为波前探测领域的核心器件。光斑偏离子孔径中心的距离对应了局部的波前斜率, 其定位精度直接影响到波前复原和波前校正的效果。传统质心法 (centre of gravity, Co G) , 又称为重心法, 由于原理简单、计算量小、易于实现等特点而被广泛采用, 然而随着噪声的引入和信号强度的降低, 算法计算精度逐渐降低,甚至失效。因此阈值的选择对质心法的计算结果至关重要。

—— ||| 创新与结论 ||| ——

作者本文提出了一种基于统计排序的局部自适应阈值分割方法, 并与传统的全局阈值法进行对比, 发现自适应的局部阈值能够更加有效地分割出阵列光斑, 从而减小背景噪声对质心估计的影响, 降低波面复原误差。

—— ||| 图文一览||| ——

                                              undefined

1 |夏克—哈特曼传感器原理图

衍射主光斑宽度约为W = 2λf/D ,其中λ为光波波长,D为微透镜的直径,f为微透镜焦距。假设CCD像素尺寸为p,则主光斑直径占有的像素数w 约为

undefined

小结:介绍了夏克-哈特曼传感器原理,并给出了主光斑直径占有的像素数的估计值。

undefined

2 |相机靶面区域划分示意图


小结:给出了相机靶面不同区域的噪声分布情况,其中外围正方形区域代表整个相机靶面,大圆形代表光束横截面,小圆形区域代表由卡塞克林结构的光路形成的中心遮拦,而虚线构成的一个个小正方形则代表光束被阵列透镜分割后对应的子孔径阵列。因此,图中区域1(靶面四角)主要包含的是读出噪声、暗电流等电噪声;区域2(中心遮拦)除电噪声外往往有少量信号光的散射形成背景光子噪声;区域3(光斑间隙)则包含了电噪声和更多的背景光子噪声,不同的间隙处光子噪声分布也是有差异的。

传统质心法:

undefined

灰度加权质心法:

undefined

该方法不需要提前选定权函数或者窗口,就可以对光斑进行增强,抑制噪声的影响。经验表明,q 的取值一般在1~3 之间,为了减小计算量及实现难度,通常取整数。

阈值法去噪声:

undefined

全局阈值和迭代阈值:

传统的阈值选取方法仅为整个靶面选取统一的阈值,通常对靶面的四角区域(2 中的1 )进行噪声统计得到均值μ和标准差σ,从而取得阈值T = μ + 3σ。但由于实际靶面中各个子孔径的光斑强度有明显差异,噪声情况也并不相同,而统一阈值无法区分子孔径的差异,造成有的子孔径阈值偏高,另一些子孔径阈值偏低,无法取得最佳阈值。因此有学者提出采用改进的Otsu 法选取阈值,通过不断迭代,调整阈值,直到阈值分割得到的前景和背景的类间方差最大。但由于其迭代的本质,算法复杂且耗时,仅适合仿真计算。


本文提出的自适应阈值方法:

采用当前子孔径的部分灰度值统计噪声的均值和标准差,再选取最佳阈值。

子孔径阈值:T= μ + kσ

其中k通常取3,也可以根据情况取0~5之间的整数。

1) 首先,估计主光斑所占的像素个数ms

undefined

本文实验中ms 约为3040

2) 然后,将该子孔径内的所有像素灰度按照从大到小排序;

3) 对于n×n 像素的子孔径,取最小的n^2 ms个像素灰度估计均值μ和标准差σ。

这样,每个子孔径的阈值仅需要一次估计即可得到,避免了繁复的迭代。同时又结合了当前子孔径的实际噪声和信号水平。

undefined

3 |经过不同阈值处理的光斑阵列图。(a) 全局阈值Tn1(b) 全局阈值Tn3(c) 局部自适应阈值。


小结:可以看到,根据四角区域估计的全局阈值,对噪声去除并不彻底;而根据某个子孔径间隙估计的全局统一阈值忽略了子孔径间的差异,仅有部分子孔径处理效果较好,而其他子孔径则仍有杂散噪声残余;本文提出的局部自适应阈值利用当前子孔径的噪声特性,可以更有针对性地去除背景噪声,保留主光斑区域。

undefined

4 |静态相差测量实验光路图


undefined


小结:四角区域估算结果仅能代表相机本底噪声(读出噪声,暗电流等),中心遮拦处噪声比四角偏大是因为有部分信号光的射散(部分信号光子噪声),而子孔径间隙处的估计相对较接近实际噪声水平。并且随着信号强度增大,三者差异逐渐明显。

undefined

undefined

undefined

5 |测量得到的标准波面(最高信噪比下(L1)采用自适应阈值加重心法计算质心并复原得到的波面)

undefined

6 |采用不同阈值方法时的复原误差(a) 全局阈值Tn1(b) 全局阈值Tn3(c) 局部自适应阈值

undefined

7 |不同信噪比下参数q与质心测量起伏的关系

小结:最佳的q 值通常在12 之间,不应超过3。在较高信噪比下,质心提取精度已经足够,IWC 法改善并不明显;然而在中低信噪比下(L6SNRp 小于40),质心提取精度有所改善,最佳q 值大约在1.5 处。

—— ||| 点评||| ——

本文介绍了一种局部自适应阈值分割方法,给出了相机靶面不同区域的噪声分布情况,其中阈值的选取与噪声的分析很有借鉴意义。

哈特曼传感器子孔径光斑的局部自适应阈值分割方法

李旭旭 李新阳 王彩霞

中国科学院自适应光学重点实验室 中国科学院光电技术研究所 中国科学院大学

http://kns.cnki.net//KXReader/Detail?TIMESTAMP=636984355708723750&DBCODE=CJFQ&TABLEName=CJFDLAST2018&FileName=GDGC201810006&RESULT=1&SIGN=pcFszO7wNp7YIA9SRif%2f04uK%2f4s%3d

  • 作者简介: 肖顺元,华中科技大学,研一,目前研究方向:超表面透镜


版权所有 © 纳米光子学实验室                    地址:华中科技大学新光电大楼C569室、C568室                    联系电话:(027) 8755 7747