[发明专利]一种基于主成分分析法的叉形干涉图像特征提取方法

说明书

本发明属于数字图像处理技术领域，提出一种基于主成分分析法的叉形干涉图像特征提取方法。叉形干涉图像由将存在相位差的两条光强相同的光束在分光板处发生干涉形成，通过主成分分析法把叉形干涉图像中多个变量最终转化为两个主成分，这两个主成分能够反映原始变量85％以上的信息，进而提取出叉形干涉图像的特征点，得出叉形干涉图像特征点与两束光相位差的对应关系。不同于传统图像特征提取方法，这种方法提取到的叉形干涉图像特征明显，能准确反映叉形图像变化信息，将广泛应用于数字图像处理技术领域。

技术领域

本发明属于数字图像处理技术领域，涉及一种基于主成分分析法的叉形干涉图像特征提取方法。

背景技术

随着计算机技术的发展和相关理论的不断完善，数字图像处理技术广泛应用光学测量、遥感图像分析、医学诊断、通信工程等各领域。数字图像处理技术应用于精密测量领域形成了一种新的测量技术—图像检测技术。图像检测技术是近年来在测量领域发展起来的新型检测技术，是一种以图像为信息载体并从中提取有用信息的现代化测量方法。所谓图像检测就是测量被测对象时，把图像当作检测和传递信息的手段或载体加以利用的测量方法，目的是从图像中提取有用的信息。目前，在光学检测中经常要对干涉图像进行分析研究，分析干涉图像中包含的物理量信息，利用干涉图像进行测量具有十分重要的意义。图像测量方法具有高速、动态范围大、信息量丰富和自动化等优点，但在工程测量中获得的干涉图像往往信噪比低且不为常值，干涉条纹存在抖动，这使干涉图像的处理变得更加困难，间接导致提取的图像特征信息含有误差，严重影响测量精度，不适用于实际工程中。因此，提出一种有实际应用价值、高精度、快速、准确的图像特征提取方法具有重要意义。

发明内容

本发明的目的是克服已有干涉图像特征提取方法不足之处，提出一种具有实际应用价值的干涉图像特征提取方法，通过主成分分析法把叉形干涉图像中多个变量最终转化为两个主成分，这两个主成分能够反映原始变量85％以上的信息，进而提取出叉形干涉图像的特征点，得出叉形干涉图像特征点与两束光相位差的对应关系。满足高精度、快速、准确获取干涉图像信息的需求。

为达到上述目的，采用如下技术方案：一种基于主成分分析法的叉形干涉图像特征提取方法，包括以下步骤：

步骤一：将存在相位差的两条光强相同的光束在分光板处发生干涉形成叉形干涉图像，所述分光板的透反比为1:1；读取叉形干涉图像并显示；

步骤二：读取干涉图像并显示，利用主成分分析法减少叉形干涉图像中的原变量，即选取累计贡献率达到85％以上的前两个成分作为主成分，其中贡献率较大的为第一主成分，贡献率较小的为第二主成分；，这样既能使损失原有信息较少，又能达到减少原变量起到降低维数的作用；

步骤三：在两个不同相位差下，第一主成分的强度变化曲线的交点为叉形干涉图像的特征点，其中一个相位差的取值区间为[0°，180°)，另一个相位差的取值区间为(180°，360°]；

步骤四：将叉形干涉图像的特征点对应于不同相位差下第二主成分的强度变化曲线，从而确定两束光相位差与叉形干涉图像的对应关系。

进一步地，步骤一所述的两条光束，分别为平面波光束与涡旋光束。

进一步地，将步骤一中读取得到的叉形干涉图像依次进行中值滤波、均值滤波和图像增强处理后再应用于步骤二，其中，中值滤波的模板尺寸为3×3、5×5或者9×9；均值滤波的模板尺寸为3×3、5×5或者9×9；图像增强处理过程中校正灰度系数为0.5～1.0。中值滤波能消除叉形干涉图像中孤立的噪声点，在去除噪声的同时也能较好保护图像边缘细节信息；均值滤波能平滑叉形干涉图像，以便对其进一步处理；图像增强处理能够改善图像的视觉效果，提高图像的可读性，便于分析和处理；

进一步地，上述中值滤波的模板尺寸为3×3，均值滤波的模板尺寸为3×3，图像增强处理过程中校正灰度系数为0.9。

本发明具有以下有益效果：