[发明专利]一种微运动测量方法

权利要求书

1.一种微运动测量方法，其特征在于采用具有自动控制曝光时间及光电转换系数的计算机微视觉系统采集一组微结构的模糊图像，然后从该组微结构的模糊图像中采用Spectral matting算法提取一组模糊图像的α通道信息，依据该组模糊图像的α通道信息及这些α通道信息间的距离梯度,并通过基本流域包含有平移及旋转等多种运动类型的仿射变换所获得的运动模糊图像 通道信息的梯度结合相应的待测图像通道信息的时间梯度,建立一种类似用于光流约束模型，为运动模糊图像通道信息的梯度，表示运动参数向量，表示待测图像通道信息的时间梯度，即微结构运动前后采集的图像通道信息的差值，依据建立的该模糊图像运动约束模型就可获得所需要的微运动测量结果。

2.根据权利要求1所述的微运动测量方法，其特征在于利用小模板的中值滤波器对采集的微结构的模糊图像进行中值滤波，去除散粒噪声对测量结果的影响。

3.根据权利要求1或2所述的微运动测量方法，其特征在于将计算机微视觉系统安装在隔振台上以减少由外界振动等因素引起的机械噪声对微运动测量的影响。

4.根据权利要求1或2所述的微运动测量方法，其特征在于模糊图像α通道信息的梯度的计算采用梯度滤波器来进行。

5.根据权利要求3所述的微运动测量方法，其特征在于模糊图像α通道信息的梯度的计算采用梯度滤波器来进行。

6.根据权利要求4所述的微运动测量方法，其特征在于采用梯度滤波器计算时，先对模糊图像进行多尺度方法分解，模糊图像经多尺度方法分解后，首先采用小抽头的梯度滤波器计算α通道信息的梯度，几次迭代后再用大抽头数的梯度滤波器计算最后一层较大像素运动尺度层模糊图像α通道信息的梯度。

7.根据权利要求5所述的微运动测量方法，其特征在于采用梯度滤波器计算时，先对模糊图像进行多尺度方法分解，模糊图像经多尺度方法分解后，首先采用小抽头的梯度滤波器计算α通道信息的梯度，几次迭代后再用大抽头数的梯度滤波器计算最后一层较大像素运动尺度层模糊图像α通道信息的梯度。

8.根据权利要求1或2或5或6或7所述的微运动测量方法，其特征在于对构成模糊图像运动约束模型的数据采用鲁棒估计方法进行处理。

9.根据权利要求6或7所述的微运动测量方法，其特征在于以算法的精度为横坐标，效率为纵坐标，构建一个精度－效率二维性能评估坐标系，通过设置不同α通道信息梯度的滤波器抽头数或多尺度方法的尺度层数，来获得不同的精度、效率坐标参数，采用该坐标参数评估微运动测量算法的精度和效率，根据精度和效率性能评估结果，修正设计的微运动测量算法，使得设计的算法不但测量精度高而且测量速度快，同时，将所获得的数据和激光干涉仪对微结构的微运动进行测量所获得数据进行比较，验证本发明所述的直接采用模糊图像测量微运动的方法能够测量高精度的微结构微运动。

10.根据权利要求8所述的微运动测量方法，其特征在于以算法的精度为横坐标，效率为纵坐标，构建一个精度－效率二维性能评估坐标系，通过设置不同α通道信息梯度的滤波器抽头数或多尺度方法的尺度层数，来获得不同的精度、效率坐标参数，采用该坐标参数评估微运动测量算法的精度和效率，根据精度和效率性能评估结果，修正设计的微运动测量算法，使得设计的算法不但测量精度高而且测量速度快，同时，将所获得的数据和激光干涉仪对微结构的微运动进行测量所获得数据进行比较，验证本发明所述的直接采用模糊图像测量微运动的方法能够测量高精度的微结构微运动。