一种微运动测量方法技术

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Spectralmatting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。本发明专利技术与已有技术相比，具有直接采用运动模糊图像的模糊信息进行微结构微运动测量、测量精度高、测量设备成本低的优点。

【技术实现步骤摘要】

本专利技术涉及一种运动测量方法。
技术介绍
微/纳制造技术在汽车、新能源、柔性电子、光电子、MEMS/NEMS (微/纳机电系统)以及生物医疗等领域有着广泛的应用前景。在微/纳制造中，微/纳系统的动态性能对其设计、制造及可靠性运行都具有非常重要的意义，因此对微/纳系统动态特性进行测试显得尤为关键。此外，纳米级精度微位移检测技术是研究精密微动平台的关键技术之一。在所报道的微结构微运动测量方法中，计算机微视觉测量方法不需要复杂的干涉光路系统及激光光源。同时，在该方法中被测量的运动直接来自视频图像，能够直观地观测被测目标及其运动情况，从而方便实现人机交互及对被测运动进行解释。为此，计算机微视觉方法逐渐成为测量微结构微运动最有效的方法。在所报道的测量微运动的计算机微视觉方法中，大多数都是基于序列清晰图像设计的。这些方法通常采用高速成像设备缩短摄像机的曝光时间或采用频闪成像设备“冻结”目标图像来避免图像的模糊，从而减少运动模糊对微运动测量的影响。然而，这两种消除运动模糊的方法增加了设备的成本或测量的复杂性。结合计算机微视觉方法，直接利用微结构的模糊图像进行高精度微运动测量，可以降低测量的成本或复杂性。通过对现有技术的综合分析和比较，目前所报道的微运动测量方法主要存在以下几个方面的问题(I)采用高速成像设备和频闪成像设备来消除运动模糊的计算机微视觉方法增加了设备的成本或测量的复杂性；(2)目前所报道的直接利用模糊图像信息进行运动估计、角速度测量、振幅测量及转速测量的方法均需要首先建立运动模糊图像模型，而且需要已知运动函数的类型，因而对于不同的运动类型需要设计不同的测量算法；(3)目前存在的直接利用运动模糊图像模糊信息进行运动估计的方法并不是针对微结构的微运动测量而设计的，用于测量微结构微运动时精度较低。
技术实现思路
本专利技术的专利技术目的在于提供一种克服现有技术的不足，直接采用运动模糊图像的模糊信息进行微结构微运动测量的高精度方法。本专利技术是这样实现的，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Spectralmatting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σ通道信息的梯度结合相应的待测图像β通道信息的时间梯度5，建立一种类似用于光流约束模型为运动模糊图像0通道信息的梯度，b表示运动参数向量，^表示待测图像α通道信息的时间梯度，即微结构运动前后采集的图像α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。所获得的微运动测量结果的单位是像素，根据所采用的摄像设备所固有的像素转换成距离单位参数(如有些摄像设备一像素为O. I毫米)换算成毫米单位。式中，为运动模糊图像^通道信息的梯度b表示运动参数向量表示待图像tr通道信息的时间梯度，即微结构运动前后采集的图像α通道信息的差值。^是其实就是待测图像的α通道信息的时间梯度。也就是说，微结构运动前采集一副图像，提取该图像的α通道信息(标记为A ),运动了 b (假如是位移)后，再采取一副图像，并提取其α通道信息(标记为％)，那么Zp = Oi2-C1 ,是一个向量。这里，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。此外，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。模糊图像α通道信息梯度的计算采用梯度滤波器来进行。采用梯度滤波器计算时，先将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。这种分层估计的方法不但能够提高微运动测量精度，而且能够加快算法的测量速度。为了进一步提高微运动测量精度，模糊图像运动约束模型中的运动参数采用鲁棒估计方法进行计算。同传统的最小二乘法相比较，鲁棒估计方法的误差达到一个饱和值以后，不再增大，于是界外值对最终解的影响受到了一定的限制，从而能够进一步提高测量精度。以算法的精度为横坐标，效率为纵坐标，构建一个精度一效率二维性能评估坐标系，通过设置不同的计算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，验证本专利技术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。本专利技术与已有技术相比，具有直接采用运动模糊图像的模糊信息进行微结构微运动测量、测量精度高、测量设备成本低的优点。附图说明 图I为本专利技术模糊图像运动约束建模过程示意 图2为微运动测量算法流程 图3为微结构模糊图像微运动测量流程图。具体实施例方式 现结合附图和实施例对本专利技术做进一步详细描述如图I所示，本专利技术是这样实现的，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h，建立一种类似用于光流约束模型=为运动模糊图像0|通道信息的梯度，h表示运动参数向量，^表示待测图像0^通道信息的时间梯度，即微结构运动前后采集的S像α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。如图3所示，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来实现噪声抑制，去除散粒噪声对测量结果的影响。此外，将计算机微视觉系统安装在隔振台上通过精密标定块进行系统标定，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。如图2所示，模糊图像的α通道信息的梯度计算采用梯度滤波器来进行。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▽ α。如图2、3所示，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。如图3所示，以算法的精度为横坐标，效率为纵坐标，构建一个精度一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，验证本专利技术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本文档来自技高网...

【技术保护点】

【技术特征摘要】
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α通道信息的梯度▽<!结合相应的待测图像α通道信息的时间梯度5，建立一种类似用于光流约束模型= Va为运动模糊图像1*通道信息的梯度，b表示运动参数向量^表示待测图像0；通道信息的时间梯度，即微结构运动前后采集的图像α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I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I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I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...

【专利技术属性】
技术研发人员：卢清华，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：