[发明专利]一种基于散斑灰度分布特性综合参数的散斑质量评价方法

权利要求书

1.一种基于散斑灰度分布特性综合参数的散斑质量评价方法，其特征在于：使用由散斑图像平均灰度梯度、散斑图像信息熵以及散斑图像自相关参数组成的散斑灰度分布特性综合参数，实现对散斑图像质量的综合评价，包括如下步骤：

步骤一：获取散斑图的数字图像：

散斑具有多种存在形式，包括实物散斑和数字散斑，实物散斑包括材料表面的自然图案纹理、人工喷漆、画点或其他方法制作的实物散斑场，数字散斑场通过计算机仿真生成；

对于实物散斑，通过相机进行图像采集获取数字散斑图像，以便进行后续散斑图像的质量评价；

步骤二：确定散斑图像的平均灰度梯度参数：

平均灰度梯度是一个全局参数，平均灰度梯度参数δ_f如式(1)所示：

其中，W和H分别为散斑图像的宽和高，为散斑图像中每个像素点灰度梯度矢量的模，f_x(x_i,y_j),f_y(x_i,y_j)为散斑图像中像素点(x_i,y_j)分别在x,y方向的灰度导数；

根据多幅散斑图像的数字图像相关测量结果的误差和标准差与散斑图像平均灰度梯度参数之间的关系，大多数情况下，散斑图像的平均灰度梯度参数越大，进行数字图像相关测量的误差越小，散斑图像的质量越好；

步骤三：确定散斑图像信息熵：

散斑图像的信息熵用来表达图像中的灰度分布情况，散斑图像内容的信息是由不同位置像素点的不同灰度值表达的，散斑图像的信息熵H(Y)如式(2)所示：

其中，β为像素的深度，p(a_j)为每个灰度级出现的标准化概率；

根据多幅散斑图像的数字图像相关测量结果的误差和标准差与散斑图像信息熵之间的关系，大多数情况下，散斑图像的信息熵越大，进行数字图像相关测量的误差越小，散斑图像的质量越好；

步骤四：确定散斑图像的散斑自相关参数：

散斑图像的自相关参数反映散斑图像的自相关程度，用来衡量整幅散斑图像随机性的好坏，判断在同一幅散斑图像中不同子集间相关性的大小；

以散斑图像中心点为子区中心，设置不同的子区尺寸，遍历整幅散斑图像，获得每个小子区与散斑图像中心子区的相关程度；

其中相关匹配子区尺寸的大小根据散斑点的密集程度以及散斑点的尺寸大小确定，子区长宽都至少要囊括三个散斑点；

获得整幅散斑图图像子集的相关结果后，确定全场相关系数正值的均值c_mean，同时去掉中心子区及与其重叠子区的相关结果值，得到新的相关系数全场分布图及相关系数取值情况，确定无中心子区的全场相关系数正值的均值c_mean1，与c_mean进行比对，判断是否存在较大差异；

大多数情况下，全场相关系数正值的均值越小，整幅散斑图像散斑子区间相关程度越低，散斑随机性越好，散斑质量较好；

步骤五：确定散斑图像的综合评价参数；

综合以上散斑图像平均灰度梯度参数、散斑图像信息熵以及散斑图像自相关参数，确定散斑灰度分布特性参数N作为散斑质量评价综合参数，如式(3)所示：

步骤六：使用散斑灰度分布特性综合参数对散斑图像质量进行评价；

使用散斑灰度分布特性综合参数对散斑图像的质量进行评估，散斑灰度分布特性综合参数越大，散斑图像质量越好，进行数字图像相关匹配和测量的误差越小，效果越好，散斑灰度分布特性综合参数越小，散斑图像质量越差，进行数字图像相关匹配和测量的误差越大，效果越差。

2.如权利要求1所述的一种基于散斑灰度分布特性综合参数的散斑质量评价方法，其特征在于：确定散斑图像自相关程度时采用对光强变化不敏感的零均值的归一化互相关参数C_ZNCC，如式(4)所示：

其中，f(x_i,y_j)为相关匹配过程中参考图像子集内点(x_i,y_j)的灰度值，g(x'_i,y'_j)为相关匹配过程中目标图像子集内点(x'_i,y'_j)的灰度值，为参考图像子集的灰度均值；为目标图像子集的灰度均值，M为子集半径。

3.如权利要求1所述的一种基于散斑灰度分布特性综合参数的散斑质量评价方法，其特征在于：通过散斑图像的自相关参数来反映散斑图像的自相关程度，以衡量整幅散斑图像随机性的好坏，判断在同一幅散斑图像中不同子集间相关性的大小；

散斑图像的自相关参数是以散斑图像中心点为子区中心，建立不同尺寸的子区，遍历整幅散斑图像从而获得的全场图像子区与散斑图中心子区相关系数的正值的平均值。