本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，涉及一種基于主成分分析法的叉形干涉圖像特征提取方法。

背景技術(shù)：

隨著計算機技術(shù)的發(fā)展和相關(guān)理論的不斷完善，數(shù)字圖像處理技術(shù)廣泛應(yīng)用光學(xué)測量、遙感圖像分析、醫(yī)學(xué)診斷、通信工程等各領(lǐng)域。數(shù)字圖像處理技術(shù)應(yīng)用于精密測量領(lǐng)域形成了一種新的測量技術(shù)—圖像檢測技術(shù)。圖像檢測技術(shù)是近年來在測量領(lǐng)域發(fā)展起來的新型檢測技術(shù)，是一種以圖像為信息載體并從中提取有用信息的現(xiàn)代化測量方法。所謂圖像檢測就是測量被測對象時，把圖像當(dāng)作檢測和傳遞信息的手段或載體加以利用的測量方法，目的是從圖像中提取有用的信息。目前，在光學(xué)檢測中經(jīng)常要對干涉圖像進(jìn)行分析研究，分析干涉圖像中包含的物理量信息，利用干涉圖像進(jìn)行測量具有十分重要的意義。圖像測量方法具有高速、動態(tài)范圍大、信息量豐富和自動化等優(yōu)點，但在工程測量中獲得的干涉圖像往往信噪比低且不為常值，干涉條紋存在抖動，這使干涉圖像的處理變得更加困難，間接導(dǎo)致提取的圖像特征信息含有誤差，嚴(yán)重影響測量精度，不適用于實際工程中。因此，提出一種有實際應(yīng)用價值、高精度、快速、準(zhǔn)確的圖像特征提取方法具有重要意義。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是克服已有干涉圖像特征提取方法不足之處，提出一種具有實際應(yīng)用價值的干涉圖像特征提取方法，通過主成分分析法把叉形干涉圖像中多個變量最終轉(zhuǎn)化為兩個主成分，這兩個主成分能夠反映原始變量85％以上的信息，進(jìn)而提取出叉形干涉圖像的特征點，得出叉形干涉圖像特征點與兩束光相位差的對應(yīng)關(guān)系。滿足高精度、快速、準(zhǔn)確獲取干涉圖像信息的需求。

為達(dá)到上述目的，采用如下技術(shù)方案：一種基于主成分分析法的叉形干涉圖像特征提取方法，包括以下步驟：

步驟一：將存在相位差的兩條光強相同的光束在分光板處發(fā)生干涉形成叉形干涉圖像，所述分光板的透反比為1:1；讀取叉形干涉圖像并顯示；

步驟二：讀取干涉圖像并顯示，利用主成分分析法減少叉形干涉圖像中的原變量，即選取累計貢獻(xiàn)率達(dá)到85％以上的前兩個成分作為主成分，其中貢獻(xiàn)率較大的為第一主成分，貢獻(xiàn)率較小的為第二主成分；，這樣既能使損失原有信息較少，又能達(dá)到減少原變量起到降低維數(shù)的作用；

步驟三：在兩個不同相位差下，第一主成分的強度變化曲線的交點為叉形干涉圖像的特征點，其中一個相位差的取值區(qū)間為[0°，180°)，另一個相位差的取值區(qū)間為(180°，360°]；

步驟四：將叉形干涉圖像的特征點對應(yīng)于不同相位差下第二主成分的強度變化曲線，從而確定兩束光相位差與叉形干涉圖像的對應(yīng)關(guān)系。

進(jìn)一步地，步驟一所述的兩條光束，分別為平面波光束與渦旋光束。

進(jìn)一步地，將步驟一中讀取得到的叉形干涉圖像依次進(jìn)行中值濾波、均值濾波和圖像增強處理后再應(yīng)用于步驟二，其中，中值濾波的模板尺寸為3×3、5×5或者9×9；均值濾波的模板尺寸為3×3、5×5或者9×9；圖像增強處理過程中校正灰度系數(shù)為0.5～1.0。中值濾波能消除叉形干涉圖像中孤立的噪聲點，在去除噪聲的同時也能較好保護(hù)圖像邊緣細(xì)節(jié)信息；均值濾波能平滑叉形干涉圖像，以便對其進(jìn)一步處理；圖像增強處理能夠改善圖像的視覺效果，提高圖像的可讀性，便于分析和處理；

進(jìn)一步地，上述中值濾波的模板尺寸為3×3，均值濾波的模板尺寸為3×3，圖像增強處理過程中校正灰度系數(shù)為0.9。

本發(fā)明具有以下有益效果：

(1)本發(fā)明的一種基于主成分分析法的叉形干涉圖像特征提取方法，提取到的圖像特征信息明顯，能快速、準(zhǔn)確獲取圖像特征信息，具有高精度、動態(tài)范圍大等優(yōu)點，更適用于實際工程應(yīng)用中；

(2)本發(fā)明的一種基于主成分分析法的叉形干涉圖像特征提取方法，利用兩束光的干涉原理，當(dāng)兩束光的相位差變化時，導(dǎo)致叉形干涉圖像發(fā)生移動，此方法可用于提取兩束光干涉后的叉形干涉圖像信息，使數(shù)字圖像處理技術(shù)更加廣泛的應(yīng)用于精密測量領(lǐng)域；

(3)本發(fā)明的一種基于主成分分析法的叉形干涉圖像特征提取方法，引入主成分分析法，在驗證過程中又引入中值濾波、均值濾波、圖像增強等圖像處理技術(shù)來改善圖像特征提取的準(zhǔn)確性，解決傳統(tǒng)干涉圖像信噪比低、提取誤差大，導(dǎo)致其應(yīng)用場合受限的問題；

(4)本發(fā)明的一種基于主成分分析法的叉形干涉圖像特征提取方法，圖像特征提取過程中簡單方便，與其他方法相比無需復(fù)雜的算法，減小了圖像特征提取的難度。

附圖說明

圖1為本發(fā)明所述一種基于主成分分析法的叉形干涉圖像特征提取方法的叉形干涉圖像示意圖；

圖2(a)為理論上光束2與光束1之間的相位差為90°時的叉形干涉圖像；圖2(b)為理論上光束2與光束1之間的相位差為180°時的叉形干涉圖像；圖2(c)為理論上光束2與光束1之間的相位差為270°時的叉形干涉圖像；

圖3為利用主成分分析法得到的各主成分貢獻(xiàn)率情況，左側(cè)縱坐標(biāo)值表示各主成分對應(yīng)的特征值，右側(cè)縱坐標(biāo)表示各主成分對應(yīng)的貢獻(xiàn)率；

圖4(a)為進(jìn)行主成分分析后不同相位差下的強度變化，圖中上側(cè)兩相交曲線為第一主成分，下側(cè)曲線為第二主成分；圖4(b)為第二主成分在不同相位差下的強度變化；圖4(c)為光束2與光束1相位差與叉形干涉圖像強度變化關(guān)系；

圖5(a)為實驗過程中得到的叉形干涉圖像；圖5(b)為中值濾波、均值濾波后的叉形干涉圖像；圖5(c)為圖像增強后的叉形干涉圖像；

圖6(a)為利用主成分分析法對實驗過程中得到的叉形干涉圖像進(jìn)行分析得到的各主成分貢獻(xiàn)率情況；圖6(b)為對實驗圖像進(jìn)行主成分分析后不同相位差下的強度變化，圖中上側(cè)兩相交曲線為第一主成分，下側(cè)曲線為第二主成分；圖6(c)為實驗圖像下光束2與光束1相位差與叉形干涉圖像強度變化關(guān)系。

具體實施方式

為使本發(fā)明的技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚完整的描述。

實施例1

本發(fā)明提出一種基于主成分分析法的叉形干涉圖像特征提取方法，并對實驗過程中的叉形干涉圖像進(jìn)行分析，驗證了這種干涉圖像特征提取方法的可行性。

如圖1所示為一種基于主成分分析法的叉形干涉圖像特征提取方法的叉形干涉圖像示意圖。叉形干涉圖像是由平面波光束1和渦旋光束2同時入射到分光板上發(fā)生干涉形成，光束2與光束1之間存在相位差。

圖2(a)-(c)為光束2與光束1之間的相位差分別為90°、180°、270°時的叉形干涉圖樣。隨著相位差的增加，干涉圖像分叉點不斷向左移動，分叉點兩側(cè)強度值不斷變化，如圖2(a)-(c)所示。為準(zhǔn)確提取出叉形干涉圖樣所包含的信息，本方案采用主成分分析法對叉形干涉圖像進(jìn)行分析。

讀取干涉圖像并顯示，利用主成分分析法對叉形干涉圖像中原變量加以改造，在不損失原變量85％以上信息情況下盡可能地降低原變量的維數(shù)，把多個變量轉(zhuǎn)化為少數(shù)幾個主成分，這些主成分能夠反映原始變量的信息，利用主成分分析法得到各主成分貢獻(xiàn)率如圖3所示。圖3中左側(cè)縱坐標(biāo)值表示各主成分對應(yīng)的特征值，右側(cè)縱坐標(biāo)表示各主成分對應(yīng)的貢獻(xiàn)率，貢獻(xiàn)率越大表明反映叉形干涉圖像信息能力越強。通常條件下，選取主成分累計貢獻(xiàn)率達(dá)到85％以上，這樣既能使損失信息較少，又達(dá)到減少變量的目的。由圖3可知，第一主成分和第二主成分貢獻(xiàn)率之和為97.1％，故選取前第一、第二主成分對叉形干涉圖像進(jìn)一步分析，分析結(jié)果如圖4所示。

圖4(a)為進(jìn)行主成分分析后不同相位差下的強度變化，圖中上側(cè)兩相交曲線為第一主成分曲線，下側(cè)曲線為第二主成分曲線，當(dāng)光束2和光束1之間的相位差為90°和270°時，利用主成分分析法對這兩種情況下得到的叉形干涉圖像進(jìn)行分析，所得到的兩條第一主成分曲線有1個交點。當(dāng)兩束光相位差為90°時，干涉圖像右半側(cè)沿y軸方向強度變化為由上及下，左半側(cè)由下及上，分叉點兩側(cè)強度變化趨勢相反，此時分叉點略偏右，故其整體變化趨勢為由上及下；同理可得，當(dāng)兩束光相位差為270°時，干涉圖像沿y軸方向強度變化為由下及上。因此，兩條第一主成分曲線的交點即為叉形干涉圖像的特征點。

叉形干涉圖像的特征點對應(yīng)第二主成分曲線上強度值的變化，不同相位差下叉形干涉圖像的特征點對應(yīng)第二主成分曲線上的強度值不同，如圖4(b)所示。根據(jù)叉形干涉圖像的特征點對應(yīng)于不同相位差下第二主成分的強度變化曲線，從而確定兩束光相位差與叉形干涉圖像的對應(yīng)關(guān)系，如圖4(c)所示。由圖4(c)可得，光束2與光束1之間的相位差與叉形干涉圖像特征點的對應(yīng)關(guān)系。

為驗證本方法的合理性和可行性，對實驗過程中得到的叉形干涉圖像進(jìn)行主成分分析。圖5(a)為實驗過程中得到的叉形干涉圖像。為保證圖像特征提取的準(zhǔn)確性，對實驗中的叉形干涉圖像進(jìn)行中值濾波、均值濾波等處理，上述中值濾波的模板尺寸為3×3，均值濾波的模板尺寸為3×3，圖像增強處理過程中校正灰度系數(shù)為0.9，在最大限度的保持圖像精度的基礎(chǔ)上去除圖像噪聲，保證圖像的清晰度，處理結(jié)果如圖5(b)所示。圖5(c)為圖像增強后的叉形干涉圖像，提高圖像的可讀性和處理性。

在此基礎(chǔ)上，利用主成分分析法對實驗過程中得到的叉形干涉圖像進(jìn)行分析，得到的各主成分貢獻(xiàn)率情況如圖6(a)所示。由圖6(a)可知，第一主成分和第二主成分累積貢獻(xiàn)率為94.1％，故選取前第一主成分、第二主成分進(jìn)行分析，分析結(jié)果如圖6(b)所示。參考圖4理論分析過程可知，圖6(b)中兩條第一主成分曲線的交點即為叉形干涉圖像的特征點，它對應(yīng)第二主成分曲線上強度值的變化。根據(jù)此原理，得到兩束光相位差與叉形干涉圖像的對應(yīng)關(guān)系如圖6(c)所示。由圖6(c)可知，實驗條件下光束2與光束1相位差與叉形干涉圖像特征點之間的對應(yīng)關(guān)系，且線性度較好。根據(jù)以上分析，通過仿真和實驗條件下的叉形干涉圖像處理結(jié)果可知，理論與實驗結(jié)果基本一致，進(jìn)一步驗證本發(fā)明提出的一種基于主成分分析法的叉形干涉圖像特征提取方法的可行性。

由于采用了上述技術(shù)方案，本發(fā)明提供的一種基于主成分分析法的叉形干涉圖像特征提取方法，提取到的圖像特征信息明顯，能快速、準(zhǔn)確獲取圖像特征信息，具有高精度、動態(tài)范圍大等優(yōu)點，更適用于實際工程應(yīng)用中；利用兩束光的干涉原理，當(dāng)兩束光的相位差變化時，導(dǎo)致叉形干涉圖像發(fā)生移動，此方法可用于提取兩束光干涉后的叉形干涉圖像信息，使數(shù)字圖像處理技術(shù)更加廣泛的應(yīng)用于精密測量領(lǐng)域；引入主成分分析法，在驗證過程中又引入中值濾波、均值濾波、圖像增強等圖像處理技術(shù)來改善圖像特征提取的準(zhǔn)確性，解決傳統(tǒng)干涉圖像信噪比低、提取誤差大，導(dǎo)致其應(yīng)用場合受限的問題；圖像特征提取過程中簡單方便，與其他方法相比無需復(fù)雜的算法，減小了圖像特征提取的難度。

以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。