遠場激光光斑圖像處理方法研究

張海莊，姚 梅，雷 萍，李 鵬，曾慶平

（1.中國人民解放軍 63889部隊，孟州454750；2.中國人民解放軍 63892部隊，洛陽471003；3.中國人民解放軍63891部隊，洛陽471003）

遠場激光光斑圖像處理方法研究

張海莊1，姚 梅2，雷 萍3，李 鵬1，曾慶平1

（1.中國人民解放軍 63889部隊，孟州454750；2.中國人民解放軍 63892部隊，洛陽471003；3.中國人民解放軍63891部隊，洛陽471003）

常用的基于高斯光束特性的激光光斑圖像處理算法，處理遠場光斑圖像會丟失部分能量較低的光斑數(shù)據(jù)，致使處理出的光斑能量密度低端精度不能達到0.01μJ/cm2的需求。為了得到更精確的遠場激光光斑數(shù)據(jù)信息，提出了基于噪聲特性的激光光斑圖像自動閾值處理算法。該算法在分析系統(tǒng)噪聲特性的基礎(chǔ)上，依據(jù)3σ原則確定圖像提取閾值進行光斑圖像處理。通過試驗驗證了該算法既能夠有效抑制系統(tǒng)噪聲，又能夠改善光斑圖像的處理質(zhì)量，恢復(fù)光斑圖像丟失的數(shù)據(jù)信息，使光斑能量密度低端達到探測需求。結(jié)果表明，基于噪聲特性的光斑圖像處理算法能夠有效提高遠場激光光斑的處理精度，更適用于遠場激光光斑圖像的處理。

圖像處理；閾值提??；激光光斑；CCD攝像法

引 言

隨著激光在軍事、航天等領(lǐng)域的廣泛應(yīng)用，不僅對光束質(zhì)量提出了各種不同的需求，而且對光束質(zhì)量的檢測方法也提出了不同的要求［1-3］。激光武器裝備的作戰(zhàn)效能直接取決于發(fā)射激光到達目標(biāo)處光斑的能量密度及分布［4-5］，而光斑圖像提取處理的精確程度直接決定了光斑能量密度等參量的處理精度［6-7］。如果光斑圖像提取質(zhì)量較差，進一步處理出的光斑能量密度就很難達到需求。目前，遠場激光光斑的測量主要有兩種方法：一種是探測器陣列直接測量法［8］，即用探測器陣列靶直接接收激光光斑，靶面按照一定的密度均勻安裝激光探測器，通過處理電路，同時對激光探測器的響應(yīng)信號進行處理得到激光光斑絕對能量密度分布；另一種是非接觸式的攝像法［9］，即用漫反射屏接收遠場激光照射，用CCD攝像機或熱像儀接收記錄漫反射屏上激光光斑的漫反射圖像，測量激光光斑的相對能量分布，該測量方法測得的光斑圖像比較直觀，精度也較高。本文中重點研究CCD攝像法采集的遠場激光光斑圖像的處理算法。CCD攝像法采集到的遠場激光光斑圖像，由于受到大氣強湍流的影響，往往背景復(fù)雜，目標(biāo)光斑區(qū)域不易從背景噪聲區(qū)域中分離出來［10］。圖像閾值的劃分存在不確定性，一旦閾值選擇不當(dāng)，就有可能丟失大量光斑信息，或者讀入大量無用信息，這都干擾了對激光光斑的準(zhǔn)確檢測。常用的基于高斯光束特性的光斑圖像處理算法處理遠場激光光斑圖像往往質(zhì)量較差、圖像模糊、亮度不均勻，給分析和識別帶來很大困難。為了提取出高質(zhì)量的遠場激光光斑圖像，提出了一種基于噪聲特性的自動閾值處理算法。

1 基于高斯光束特性的光斑圖像算法處理遠場光斑局限性分析

現(xiàn)有光斑圖像處理算法多采用基于高斯光束特性的處理算法。該算法是根據(jù)光束有效截面半徑（即按照基模強度的1/e2）確定光斑圖像提取閾值［11］，即以CCD拍攝的光斑灰度圖像最大灰度值的1/e2作為圖像提取閾值。算法將圖像灰度值大于1/e2的像素點作為是光斑圖像保留下來，而將灰度值小于1/e2的像素點作為是噪聲剔除。算法流程圖如圖1所示。

Fig.1 FlowchartofimageprocessingalgorithmsbasedontheGaussian laserbeamspot

采用基于高斯光束特性的光斑圖像處理算法處理得到的激光光斑圖像如圖2所示。通過對原始數(shù)據(jù)分析，得知CCD攝像機能夠?qū)⒐獍邎D像完整采集下來，但由于處理算法中1/e2確定的光斑圖像提取閾值為74，圖像中像素點灰度值低于74的部分在處理圖像時被認(rèn)為噪聲剔除（灰度值置為0），致使光斑圖像內(nèi)部出現(xiàn)一個灰度值非常低的漏洞區(qū)域，如圖2中方框區(qū)域（約7×7個像素大?。┧?。

該算法對基模高斯光束的近場光斑圖像處理比較適用，而對遠場激光光斑的處理誤差較大，尤其是

對非高斯光束的遠場激光光斑處理誤差更大。非高斯光束光強分布不均勻，再加上激光經(jīng)遠距離傳輸受大氣湍流等因素影響較大，光斑圖像最大灰度值的像素點往往特別孤立，有很多像素的灰度值都小于最大灰度值的1/e2。在光斑提取時，這些像素點都被剔除，光斑圖像內(nèi)部出現(xiàn)漏洞區(qū)域，致使一部分能量較低光斑數(shù)據(jù)信息被濾除，導(dǎo)致處理的平均光斑能量密度精度降低。由于較低能量部分?jǐn)?shù)據(jù)丟失，致使需要探測的光斑能量密度低端精度無法達到0.01μJ/cm2的需求，最終影響了激光光斑參量的準(zhǔn)確測量。

Fig.2 SpotimageprocessedbasedontheGaussianbeamcharacteristics

采用3維立體模式分析激光光斑圖像，在光斑圖像的3-D分布圖上可以明顯地看到圖像的漏洞，如圖3所示。

Fig.3 3-DspotimageprocessedbasedontheGaussianbeamcharacteristics

2 基于噪聲特性的自動閾值處理算法

2.1 光斑圖像漏洞區(qū)域分析

將圖2原始光斑圖像去背景，選取漏洞區(qū)域進行分析，該區(qū)域像素點灰度分布如圖4所示。從圖中可以看出，漏洞區(qū)域像素點的灰度值都在20到80之間，絕大部分像素點的灰度值低于基于高斯光束特性算法確定的提取閾值74。光斑圖像中距激光光斑邊緣較遠的區(qū)域受激光輻射影響很小，在去除背景之后，可以認(rèn)為這些區(qū)域主要為系統(tǒng)噪聲。圖5是噪聲區(qū)域的灰度分布圖，圖中噪聲區(qū)域的大小為400×130像素。從圖中可以看出，噪聲幅度主要分布在-20到20之間，統(tǒng)計得到噪聲區(qū)域像素的幅度均值為0.1055，標(biāo)準(zhǔn)差為5.2427，服從零均值的正態(tài)分布。比較圖4和圖5中的像素灰度分布可知，漏洞區(qū)域絕大部分像素的灰度值明顯大于系統(tǒng)噪聲的灰度值。所以，該漏洞區(qū)域含有大量的激光光斑信息。

Fig.4 Original spot gray value distribution in vulnerability region

Fig.5 Gray value distribution in noise region

由此可見，閾值的選取成為正確識別、分析光斑圖像的關(guān)鍵，若閾值選取過高，則過多的目標(biāo)區(qū)域?qū)⒈粍澐譃楸尘埃喾?，閾值選取過低，過多的背景噪聲將被劃分到目標(biāo)區(qū)。應(yīng)該選擇一個合適的閾值，判斷圖像中的每一個像素點的特征屬性是否滿足閾值要求，來確定光斑圖像中該像素點屬于目標(biāo)區(qū)域還是背景區(qū)域。

2.2 算法設(shè)計實現(xiàn)

圖像處理就是用一系列特點操作來改變圖像質(zhì)量，以達到所需要的目標(biāo)。由于環(huán)境干擾或成像質(zhì)量等原因，致使基于高斯光束特性的光斑圖像處理算法處理的光斑圖像結(jié)果不太理想，不利于控制分析圖像，為此，提出了基于噪聲特性的自動閾值處理算法。根據(jù)系統(tǒng)噪聲特性選取一個合適的提取閾值，使得光斑處理既能有效濾除系統(tǒng)噪聲，又盡可能地保留激光光斑圖像信息。

由上面噪聲特性分析可知，采用去背景處理后系統(tǒng)殘余的隨機噪聲近似服從零均值的正態(tài)分布（0，σ2）。根據(jù)3σ原則，噪聲幅值位于-3σ到3σ之間的概率大于0.99。將光斑圖像的提取閾值設(shè)為噪聲標(biāo)準(zhǔn)差的3倍，可以將光斑圖像中99％以上的隨機噪聲有效濾除。

基于噪聲特性的自動閾值處理算法的流程圖如圖6所示?？紤]到極個別光斑圖像的處理需求，將基于高斯光束特性的處理算法保留，在處理光斑圖像時，首先計算光斑灰度圖像最大灰度值的1/e2作為圖像提取閾值A(chǔ)，然后統(tǒng)計系統(tǒng)噪聲的標(biāo)準(zhǔn)差，并確定光斑圖像的提取閾值B，如果閾值B小于閾值A(chǔ)，則使用閾值B作為光斑圖像的提取閾值進行處理，否則使用閾值A(chǔ)（個別光斑適用）作為光斑圖像的提取閾值進行處理。

Fig.6 Flowchart of the automatic thresholding algorithm based on the noise characteristics

3 基于噪聲特性的自動閾值處理算法試驗結(jié)果分析

Fig.7 Spot image processed with automatic threshold algorithm based on the noise characteristics

Fig.8 3-D spot image processed with automatic threshold algorithm based on the noise characteristics

將圖2的光斑原始圖像利用基于噪聲特性的自動閾值處理算法進行處理，將光斑圖像的提取閾值設(shè)為標(biāo)準(zhǔn)差的3倍，并取整數(shù)得到提取閾值為16，將原光斑圖像中所有灰度值小于該閾值的像素置為0，最后得到的光斑圖像如圖7所示。圖8中給出了基于噪聲特性的自動閾值處理后光斑圖像的3-D分布圖。

在圖7和圖8的光斑2維和3維圖像中，光斑沒有漏洞，原來圖像內(nèi)部漏洞處（圖2中方框區(qū)域）所對應(yīng)的像素強度信息得以恢復(fù)，即丟失的能量較低的光斑數(shù)據(jù)得以恢復(fù)，避免了真實光斑圖像數(shù)據(jù)的丟失。通過計算，激光光斑的平均能量密度處理精度得到了提高，而且能量密度的低端精度也達到了0.01μJ/cm2的需求。通過多次試驗驗證，基于噪聲特性的自動閾值處理算法根據(jù)光斑圖像的噪聲特性來確定提取閾值，有效地提升了光斑圖像質(zhì)量，同時也提高了光斑參量的處理精度。

4 結(jié) 論

現(xiàn)有的光斑圖像處理算法都是針對近場光斑圖像的算法，在處理遠場激光光斑時存在很多不足。本文中提出的基于噪聲特性的自動閾值處理算法，根據(jù)噪聲的灰度分布特性選取合適的提取閾值處理激光光斑圖像，可以在濾除系統(tǒng)噪聲的同時獲得高質(zhì)量的光斑圖像，能夠適用于各種遠場激光光斑的提取，該算法已經(jīng)在某型激光光斑測量系統(tǒng)中得到成功應(yīng)用。

［1］XIONG C G，ZHANG H Z，MENG Z Y，et al.Measuring algorithms of laser far field flare energy density based on detector array method［J］.Optics＆Optoelectronic Technology，2012，10（3）：22-24（in Chinese）.

［2］LIG.Research on opticalwaveguide point technique of shipborne weapon［J］.Laser Technology，2009，33（5）：515-517（in Chinese）.

［3］ZHANG H Z，KONG Y N，MENG Z Y，et al.1.06μm laser atmosphere to the scattering intensity after simulation research［J］.Optics＆Optoelectronic Technology，2012，10（4）：21-23（in Chinese）.

［4］ZHANG H Z，LI Z M，CHU Z F，et al.Distant field laser facula center survey based on circle localization algorithm［J］.Laser＆Infrared，2011，41（1）：71-74（in Chinese）.

［5］ZHAIZ S.Study on property of central spot of non-diffracting beams［J］.Laser Technology，2008，32（5）：480-483（in Chinese）.

［6］LIZM，ZHANG H Z，ZHAO G，etal.Research of gamma correction and energy revision algorithm in CCD photograph law survey laser distant field facula［J］.Optics＆Optoelectronic Technology，2011，9（2）：22-24（in Chinese）.

［7］CHEN H，ZHAO B.Study on directmapping calibrationmethod of an electric target based on non-diffracting beam［J］.Laser Technology，2011，35（3）：407-411（in Chinese）.

［8］JIA Y Y，REN M，LV H P，et al.Laser measurement system of far-field spot based on detector array［J］.Laser＆Infrared，2009，39（12）：1324-1327（in Chinese）.

［9］ZHANG H Z，LIU Z L，XUE F，et al.Circuit design and realization of laser spotmeasurement system［J］.Laser＆Infrared，2011，41（1）：71-74（in Chinese）.

［10］ZHOU Z L，WANG B.The method research for pinpoint laser spot location in the imaging laser detecting system［J］.Laser Technology，2008，32（3）：248-251（in Chinese）.

［11］YU Y H，WANGW S.Design of diffractive refractive hybrid ultravioletwarning system［J］.Laser Technology，2012，36（3）：421-423（in Chinese）.

Research of image processing method of far-field laser spots

ZHANG Hai-zhuang1，YAO Mei2，LEIPing3，LIPeng1，ZENGQing-ping1
（1.63889 Unit，Chinese People’s Liberation Army，Mengzhou 454750，China；2.63892 Unit，Chinese People’s Liberation Army，Luoyang 471003，China；3.63891 Unit，Chinese People’s Liberation Army，Luoyang 471003，China）

When processing far-field spot imageswith the commonly used laser spot image processing algorithm based on Gaussian beam characteristics，the data about lower energy is lost so that the processing accuracy of spot energy density at lower-end can not reach 0.01μJ/cm2in demand.In order to getmore accurate far-field laser spot data，an automatic threshold processing algorithm was proposed based on noise characteristics of the laser spot image.After analyzing the noise characteristics，the image extraction threshold was determined based on the 3σprinciples and the light spot image was processed.Experiments show that the algorithm can effectively restrain system noise，improve the light spot image processing quality，restore missing data information of the spot image，and make spot energy density low enough meet detection requirements.The results show that，the processing algorithm of light spot images based on the noise characteristics can effectively improve the processing accuracy of the far field laser facula，and ismore suitable for the far field laser spot image processing.

image processing；threshold extraction；laser spot；CCD cameramethod

TN911.73

A

10.7510/jgjs.issn.1001-3806.2013.04.010

1001-3806（2013）04-0460-04

張海莊（1979-），男，工程師，研究方向為光電對抗。

E-mail：ayongzhz＠sohu.com

2012-08-24；

2012-10-17