激光绘图仪成像过程中的图像处理技术研究

来源:用户上传      作者:

　　摘  要： 激光绘图仪成像过程中的图像处理技术是激光绘图仪图像输出精度的保障，因此对其进行深入研究。分析激光绘图仪成像原理后，通过图像加窗处理，截取220×220像素的图像，提升激光图像处理效率;采用基于核方法的自适应维纳滤波去噪算法对截取的激光图像进行降噪处理后，采用灰度值形态学方法提取图像边缘;在此基础上采用Radon尺度变换方法对激光图像进行RGB分解，获取激光图像几何结构纹理分布特征集合。经实验证明，采用所研究的图像处理技术得到的目标物体成像最小误差和最大误差分别为0.002 m和0.319 m，大大提高了成像精度，且具有较高的降噪性能和处理性能。
　　关键词： 图像处理技术; 激光绘图仪; 成像过程; 图像降噪; 图像边缘提取; RGB分解
　　中图分类号： TN911.73?34; TP301                  文献标识码： A                   文章编号： 1004?373X（2020）07?0062?04
　　Research on image processing technology in imaging process of laser plotter
　　LI Xinxin， REN Ran
　　（School of Software， Chongqing Institute of Engineering， Chongqing 400000， China）
　　Abstract： The image processing technology in the imaging process is the guarantee of the laser plotter′ image output precision， so the technology is studied in depth. On the basis of analyzing the imaging principle of the laser plotter， the image of 220×220 pixels is intercepted by image windowing to improve the efficiency of laser image processing， and the image edges are extracted by gray value morphology method after an adaptive Wiener filtering denoising algorithm based on the kernel method is adopted to perform denoising processing of the intercepted laser image. On this basis， the Radon scale transform method is used for RGB decomposition of the laser image to obtain the texture distribution feature set of the geometric structure of laser image. The experiment results show that the minimum error and maximum error of the target object imaging obtained with the proposed image processing technology are 0.002 m and 0.319 m respectively， which greatly improves the imaging accuracy， and is of higher denoising performance and processing performance.
　　Keywords： image processing technology; laser plotter; imaging process; image denoising; image edge extraction; RGB decomposition
　　0  引  言
　　当今社会，计算机技术愈发成熟，诸多工作领域内均涉及图像文件输出，通常情况下采用的图像输出设备为绘图仪[1]。激光绘图仪作为绘图仪的主要类型，具有图像输出精度高、速率快、非接触等优势[2]，在制造、测绘等行业广泛使用。激光绘图仪成像过程中的图像处理技术是激光绘图仪图像输出精度的保障[3]，因此研究激光绘图仪成像过程中的图像处理技术具有重要应用意义。
　　以往国内外研究人员对激光图像处理方法有较多研究，但均存在一定局限性，例如，有学者采用灰度图像处理技术增强图像边缘，快速高效地设计出输出表面照度均匀的导光板，该处理技术未考虑降噪过程，激光图像处理精度低，有学者用红、绿、蓝三通道分别校正方案对激光图像进行处理，采用非线性图像缩放法， 统一不同色光放大倍率，该处理技術对激光图像整体实施处理，效率低下。有学者通过盲解卷积算法恢复激光光斑图像，以提升激光图像特征提取精度，该处理技术同样忽略降噪过程，导致激光图像处理精度低[4?6]。
　　针对上述问题，本文深入研究激光绘图仪成像过程中的图像处理技术，通过加窗处理、降噪处理、边缘提取处理和特征识别处理过程，实现高质量激光图像处理。
　　1  激光绘图仪成像过程中的图像处理 　　1.1  激光绘图仪成像原理
　　激光绘图仪的组成部分包括激光器、光束发射系统和接收成像系统等[7?8]，其成像原理如图1所示。
　　激光器经过光束发射系统发射激光光束至目标物体，物体表面对激光光束产生漫反射，接收成像系统采集漫反射形成的回波信号，并将信号发送至中央处理系统，通过图像处理技术对图像实施处理，实现激光绘图仪高质量成像。
　　1.2  激光图像处理技术
　　1.2.1  图像加窗处理
　　接收成像系统采集到的激光图像尺寸、比特深度和灰度等级分别为768×576，8和255，由于激光图像较大，对其实施整体滤波将会造成处理速度大幅下降，无法满足激光绘图仪实时成像需求。因此，需要对原始激光图像实施加窗处理[9]。经过反复实施验证，在原始激光图像内截取220×220像素的图像实施处理，即可满足激光绘图仪成像所需特征提取需求，同时，也使图像处理速度明显上升。
　　1.2.2  图像降噪处理
　　基于最小均方误差准则的AWF（自适应维纳滤波）去噪算法，对截取的原始激光图像实施降噪处理过程[10]，假设[Mi，ji=0，j=0]和[li，j]分别表示截取的原始激光图像和噪声信号，噪声图像模型为：
　　[Mi，j=εAWFMi，j+li，j] （1）
　　式中[Mi，j]和[εAWF]分别为去噪图像和观测运算参数。
　　AWF去噪算法的核心为最小均方误差准则（即KAWF准则），通过[wAWF∈εe]确保[Mi，j]同[Mi，j=][εAWFMi，j]最相近，計算公式为：
　　[Arg minε KKAWFεKAWF=eωsMi，j- εKAWFωoMi，j2] （2）
　　式中：[ωs]和[ωo]分别表示[Mi，j]从[i]到[j]间非线性映射和含噪图像[Mi，j]非线性映射;[e]表示KAWF准则系数;[εKAWF]表示KAWF准则运行参量;[KKAWF]表示最小均方误差准则标准。
　　在噪声平均分布条件下，AWF去噪算法基于最小均方误差准则得到了较好的去噪效果。然而在实际操作过程中，噪声分布较为随机[11]，采用单纯AWF去噪算法获取的去噪图像与原始图像存在较大差异，为消除差异，将AWF去噪算法与核方法相结合的KAWF（基于核方法的自适应维纳滤波）对激光图像实施去噪处理。
　　用[ωsMi，j]表示[ωs]特征空间映射，[ωoMi，j]表示[ωo]特征空间映射，按照最小均方误差准则，[ωsMi，j]最相近为[εKAWFωoMi，j∈λs]，通过式（3）描述KAWF准则，定义如下：
　　[KKAWFεKAWF=EεKAWFMi，j-εKAWFMi，j] （3）
　　式中：[εKAWF∈i，j];[E]表示准则自适应参数。
　　对式（3）实施展开与替换，能够得到：
　　[KKAWFεKAWF=ωsMi，j-εKAWFωoMi，j， ωsMi，j -εKAWFωoMi，j =ωsMi，jTωsMi，j-2ωsMi，jTεKAWFωoMi，j+ωoMi，jTεTKAWFεKAWFωoMi，j] （4）
　　对式（4）进行微分运算，可得：
　　[Mi，j=i=1lexp-Mii，j-Mi，j22σ2i=1lexp-Mii，j+Mi，j22σ2] （5）
　　式中[σ]表示激光图像噪声剥离难度系数。通过上述过程能够消除激光图像内噪声，获取截取的原始激光图像，经过再次迭代即可获取降噪后的原始图像[12]，则有：
　　[Mμi，j=i，j=1lexp-Mii，j-Mji，j22i，j=1lexp-Mji，j-Mii，j22] （6）
　　对原始图像进行降噪处理之后，还需进行灰度值形态处理得到图像边缘参量，实现图像降噪处理。
　　1.2.3  图像边缘提取处理
　　灰度值形态学方法是二值形态学的自然扩展，采用灰度值形态学方法对降噪后的激光图像进行边缘提取处理。式（7）和式（8）中描述的分别是结构元素[d]对信号[r]腐蚀定义和信号[r]被结构元素[d]灰度膨胀定义：
　　[rΘdx=maxy：dx+y?r] （7）
　　[r♁dx=miny：dx+y?r] （8）
　　比较腐蚀处理与膨胀处理后的图像能够得到：提取激光图像边缘过程中，腐蚀处理和膨胀处理的作用分别是使激光图像灰度值降低和提升。灰度值局部波动最显著的点为图像边缘点，腐蚀与膨胀对边缘点造成的波动最显著。因此，对比腐蚀与膨胀处理后图像与原始图像，即可获取局部波动最显著点，也就是边缘点。
　　激光图像处理过程中，目标物体信息被噪声污染较为严重时，降噪处理不能完全消除图像中噪声，导致激光图像后续处理存在弊端，设计具有高度抗噪性能的算子能够有效提取激光图像边缘。因此，通过开启与闭合运算相融合的抗噪型形态学算子对激光图像边缘提取实施抗噪处理：
　　[BW=r?d?d♁d-r?d?d] （9）
　　激光图像边缘提取处理后，采用Radon尺度变换方法对激光图像进行RGB分解，获取激光图像特征分量。
　　1.2.4  图像特征识别处理
　　在激光图像降噪处理与边缘提取处理基础上，采用Radon尺度变换方法对激光图像进行RGB分解，获取激光图像几何结构纹理分布特征集合[Ai]：
　　[Ai=H1-H2?=λ?] （10）
　　设激光图像超大稀疏线性像素样本序列用[Ix]表示，[x=][Q]，[C]，[Q]和[C]分别表示激光图像灰度直方图和激光图像在邻域的像素值，则激光图像Radon尺度变换格式如下： 　　[Bc=B0，B1，B2，…，BP-1binary=i=1P-1Bi×2iDee] （11）
　　[Bi=j=1A×AIjx] （12）
　　式中[P]和[A]分别表示参考图像邻域块数目和Radon尺度变换步长。
　　假设激光图像分布在[x]轴的弱纹理集用[Zx]表示，分布在[y]轴的弱纹理集用[Zy]表示，则按照灰度恒定特征，根据Radon尺度变换不变性，构建激光图像RGB特征分解协方差矩阵如下：
　　 [C=OTOZxtZxt ZxtZytZytZxt ZytZyt ] （13）
　　在激光图像颜色分量进行RGB分解时，将[x0]点作为中心，获取激光图像纹理特征，纹理特征的极小化解如下：
　　[O=USVT] （14）
　　式中[U]，[S]和[V]分別表示[N×N]的规范训练矩阵、[N×2]的投影矩阵和[2×2]的激光衍射光谱分布矩阵。
　　提取[N×N]的光谱分布范围内激光图像光谱特征，光谱特征分布在[x]方向的互相关特征分量用[fx]表示，分布在[y]方向的互相关特征分量用[fy]表示，根据特征值关系实施机器学习，获取强纹理区域内激光图像平滑项如下：
　　[Oi=UiSiVTi=UiSiv1，v2T] （15）
　　[v1=v11，v12] （16）
　　2  实验结果与分析
　　2.1  成像误差分析
　　为验证本文激光绘图仪成像过程中的图像处理技术的处理性能，以某城市中不同尺寸建筑目标为实验对象，采用本文图像处理技术进行激光绘图仪成像实验，结果如表1所示。
　　分析表1能够得到，使用本文技术处理目标物体激光图像时，当目标物体尺寸为10 m时，目标物体成像尺寸误差为0.008 m;随着目标物体尺寸提升，目标物体成像尺寸误差也逐渐提升，当目标物体尺寸提升至100 m时，目标物体成像尺寸最大误差为0.319 m。目标物体成像误差较小，说明本文处理技术是激光绘图仪成像过程中一种有效的图像处理技术。
　　2.2  降噪性能对比
　　为测试本文处理技术降噪性能，采用本文处理技术、基于分色校正的激光图像处理技术和基于AOTF的激光图像处理技术对上述实验过程中的实验对象进行图像处理，对比不同处理技术处理后的图像峰值信噪比和峰值均方误差，结果如图2所示。分析图2能够得到，采用本文处理技术处理后的图像峰值信噪比为20.12，与其他处理技术相比，分别提升了2.23 dB和2.98 dB;本文处理技术处理后的图像峰值均方误差为0.018 6，与其他处理技术相比，分别降低了0.002 8和0.008。实验结果表明，本文处理技术具有较好的降噪性能，大大提高了图像的抗噪性能。
　　2.3  整体处理性能对比
　　实验利用专家评价法，从处理技术的效率、处理技术的降噪性能、处理技术的边缘提取性能、处理技术的特征识别性能以及图像处理精度五方面，评价上述实验过程中三种处理技术的处理性能，结果如表2～表4所示。
　　对比分析表2～表4可得，专家对本文处理技术的评价得分较高，各项评价平均得分均在97分左右;分色校正处理技术处理效率较差，平均评价得分在78分左右，特征识别性能评价得分较高，平均得分达到93分以上，其余评价平均得分在83～86分之间;AOTF处理技术由于忽略图像降噪处理过程，导致图像降噪性能平均评价得分低于60分，且该技术未有效提取激光图像边缘，激光图像边缘提取处理平均评价得分仅为76分左右。结果说明本文处理技术是一种高性能的激光绘图仪成像处理技术。
　　3  结  语
　　本文深入研究了激光绘图仪成像过程中的图像处理技术。首先，通过图像加窗处理，提升激光图像处理效率;其次，通过图像降噪处理清除截取的激光图像内噪声;然后，利用图像边缘提取处理确定激光图像边缘点;最后，利用图像特征识别处理获取激光图像几何结构纹理分布特征集合，完成激光绘图仪成像过程中的图像处理。经实验证明，本文处理技术与对比处理技术相比，具有更好的降噪性能和图像处理性能。
　　参考文献
　　[1] 刘璐，李斌康，杨少华，等.高散射性介质环境中的激光主动成像技术[J].光学技术，2015，41（1）：43?47.
　　[2] BASDEN A G. Visible near?diffraction?limited lucky imaging with full?sky laser?assisted adaptive optics [J]. Monthly notices of the royal astronomical society， 2018， 442（2）： 1142?1150.
　　[3] 房娟，刘洪英，陈增淦，等.基于显微高光谱成像技术的运动和感觉神经分类研究[J].影像科学与光化学，2015，33（3）：203?210.
　　[4] 冯彦超，冯华君，徐之海，等.基于分色校正的大像差光学成像系统图像处理技术[J].光子学报，2015，44（6）：33?38.
　　[5] 王玉坤，贾娜，张锐.激光通信成像光斑处理方法研究[J].液晶与显示，2017，32（9）：736?740.
　　[6] 董志伟，张伟斌，樊荣伟，等.条纹原理激光雷达成像仿真及实验[J].红外与激光工程，2016，45（7）：100?104.
　　[7] 王旋，陈忻，刘巍.一种适用于并行运算处理的实时高动态范围图像合成算法研究[J].影像科学与光化学，2015，33（4）：330?335.
　　[8] TEZA G， MARCATO G， PASUTO A， et al. Integration of laser scanning and thermal imaging in monitoring optimization and assessment of rock fall hazard： a case history in the Carnic Alps （Northeastern Italy） [J]. Natural hazards， 2015， 76（3）： 1535?1549.
　　[9] HAAS N A， HAPPEL C M， MAUTI M， et al. Substantial radiation reduction in pediatric and adult congenital heart disease interventions with a novel X?ray imaging technology [J]. International journal of cardiology heart & vasculature， 2015， 6（2）： 101?109.
　　[10] 王朋，荣志斌，何俊华，等.基于压缩感知的偏振光成像技术研究[J].红外与激光工程，2016，45（2）：274?280.
　　[11] 李晓，师艺杰，宋雁鹏，等.基于AOTF的近红外成像系统研究[J].压电与声光，2017，39（2）：289?294.
　　[12] 泮万盛，侯忆楠，肖石林，等.基于成像的VLC室内定位镜面干扰消除技术[J].光通信技术，2017，41（8）：52?54.
转载注明来源:https://www.xzbu.com/8/view-15245411.htm