冰形表面激光光帶中心線快速提取方法

康含玉,劉桂華,王 斌,牛 乾

(1.西南科技大學(xué) 信息工程學(xué)院,四川 綿陽(yáng) 621000;2.中國(guó)空氣動(dòng)力研究與發(fā)展中心 設(shè)備設(shè)計(jì)及測(cè)試技術(shù)研究所,四川 綿陽(yáng) 621000;3.中國(guó)空氣動(dòng)力研究與發(fā)展中心 空氣動(dòng)力學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,四川 綿陽(yáng) 621000)

冰形表面激光光帶中心線快速提取方法

康含玉1,*,劉桂華1,王 斌2,3,牛 乾1

(1.西南科技大學(xué) 信息工程學(xué)院,四川 綿陽(yáng) 621000;2.中國(guó)空氣動(dòng)力研究與發(fā)展中心 設(shè)備設(shè)計(jì)及測(cè)試技術(shù)研究所,四川 綿陽(yáng) 621000;3.中國(guó)空氣動(dòng)力研究與發(fā)展中心 空氣動(dòng)力學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,四川 綿陽(yáng) 621000)

在風(fēng)洞結(jié)冰模型3D冰形測(cè)量中，激光三角測(cè)量法相對(duì)傳統(tǒng)測(cè)量方法檢測(cè)速度快、精確度高，具有極高研究?jī)r(jià)值。然而由于冰體對(duì)激光透射嚴(yán)重，影響激光中心線提取精度從而影響測(cè)量精度。針對(duì)此問(wèn)題，提出一種冰形表面激光光帶中心線快速提取方法。該算法具體實(shí)現(xiàn)步驟為：首先，采用基于三維塊匹配去噪算法對(duì)圖像進(jìn)行降噪，并對(duì)圖像進(jìn)行視覺(jué)顯著性計(jì)算，分割出光帶區(qū)域；其次，求取梯度圖并轉(zhuǎn)換至頻域空間，根據(jù)圖像頻譜特征求取能量中心區(qū)域；最后，對(duì)區(qū)域采用灰度重心法求取中心線亞像素級(jí)位置。采用冰箱凍結(jié)的半徑已知圓柱冰塊評(píng)估該算法，測(cè)得算法處理時(shí)效為28.57FPS，使用該算法的冰形輪廓重建精度達(dá)到0.017mm。實(shí)驗(yàn)證明算法滿足冰形在線測(cè)量技術(shù)要求，為開(kāi)展結(jié)冰實(shí)驗(yàn)中結(jié)冰生長(zhǎng)過(guò)程在線三維檢測(cè)技術(shù)奠定技術(shù)基礎(chǔ)。

結(jié)冰模型；圖像處理；顯著圖；中心線提取；頻域變換

0 引 言

飛機(jī)結(jié)冰是飛行實(shí)踐中廣泛存在的造成飛行事故的誘因之一[1]。為了提高飛行安全，需要探索結(jié)冰機(jī)理，進(jìn)行防、除冰工作[2-3]。研究表明,結(jié)冰生長(zhǎng)過(guò)程與液態(tài)水含量、水滴平均直徑、溫度、結(jié)冰時(shí)間、飛行速度和迎角等參數(shù)緊密相關(guān)[4]。為探索這些參數(shù)對(duì)結(jié)冰生長(zhǎng)過(guò)程的影響，需要獲取冰形的三維時(shí)間解析模型，因此需要進(jìn)一步開(kāi)展在線測(cè)量冰形的三維形狀研究工作。目前國(guó)內(nèi)外學(xué)者主要在結(jié)冰風(fēng)洞中進(jìn)行模擬結(jié)冰試驗(yàn)，并測(cè)量結(jié)冰體的厚度、形狀等三維信息。目前廣泛使用的冰形測(cè)量方法是熱刀法，將加熱的金屬片插入冰塊采用描圖的方式獲取冰的外部輪廓。這種方法屬于接觸式測(cè)量，容易損壞冰形，無(wú)法得到精細(xì)的測(cè)量結(jié)果；同時(shí)此方法只能在風(fēng)洞停車(chē)狀態(tài)下測(cè)量，一次只能測(cè)量某一橫截面輪廓，效率極低。為了提高精度和效率，國(guó)內(nèi)外學(xué)者做了大量研究工作。NASA首次提出采用激光刀切法進(jìn)行冰形輪廓測(cè)量[5]，大大提高了測(cè)量效率。王斌等[6]在此基礎(chǔ)上設(shè)計(jì)了一套結(jié)冰生長(zhǎng)過(guò)程冰形在線測(cè)量裝置，證實(shí)采用線激光進(jìn)行冰形輪廓測(cè)量的可行性。

研究表明激光刀切法冰形測(cè)量的精度受系統(tǒng)標(biāo)定精度和中心線提取精度的影響。國(guó)內(nèi)外學(xué)者針對(duì)激光刀切法標(biāo)定精度的改進(jìn)進(jìn)行了大量研究[7-8]，攝像機(jī)標(biāo)定中標(biāo)定點(diǎn)投影誤差達(dá)到百分之一像素級(jí)，激光平面方程通過(guò)優(yōu)化方法能夠精確獲取[9]。然而激光中心線提取誤差仍制約測(cè)量精度，這是由于冰體透明度高且表面光滑，加上激光穿透能力較強(qiáng)，線激光投射在冰體表面，多數(shù)光線透射冰體，只有小部分光線通過(guò)冰體表面進(jìn)行反射，造成采集圖像激光帶區(qū)域嚴(yán)重?cái)U(kuò)散，表現(xiàn)在圖像上則是一個(gè)亮斑區(qū)域。

現(xiàn)階段常用中心線提取算法主要有灰度重心法、骨架提取法、梯度重心法以及基于Hessian矩陣的Steger方法等。骨架提取法屬于迭代腐蝕邊界的一類算法，該類算法的思想是在圖像邊界上某點(diǎn)鄰域內(nèi)，通過(guò)一定條件判斷該點(diǎn)被保留或刪除，迭代操作直到獲取單像素中心線位置，該算法操作簡(jiǎn)單，但精度較低[10]；灰度重心法擬合出光帶的灰度分布曲線，尋找曲線極大值位置即為光帶中心位置[11]，該方法對(duì)光照變化極其敏感，準(zhǔn)確性較難把握，不適合對(duì)精確度要求較高的情況；梯度重心法求取光帶區(qū)域的梯度，并根據(jù)梯度進(jìn)行加權(quán)平均或者求取法線方向，得到極值點(diǎn)作為光帶中心位置[12]，該方法相對(duì)來(lái)說(shuō)魯棒性較好，但是運(yùn)算量大，難以滿足實(shí)時(shí)性要求；基于Hessian矩陣的Steger方法利用Hessian矩陣獲得圖像中光帶各點(diǎn)的法線方向，求出法線方向上的極值點(diǎn)，從而得到光帶中心線的亞像素位置[13]。該方法具有高精度以及良好的魯棒性等優(yōu)點(diǎn)，得到了廣泛應(yīng)用，但是運(yùn)算量大，實(shí)現(xiàn)較慢，難以滿足測(cè)量系統(tǒng)的實(shí)時(shí)性要求。

基于此，本文針對(duì)冰體表面的激光中心線提取方法進(jìn)行研究，提出基于頻域變換的中心線提取方法。首先對(duì)圖像進(jìn)行預(yù)處理，分割出光帶區(qū)域；其次對(duì)光帶區(qū)域進(jìn)行頻域變換，根據(jù)頻域特征求取光帶能量中心區(qū)域，然后對(duì)中心區(qū)域采用灰度重心法提取得到亞像素級(jí)中心線位置。本算法創(chuàng)新性地加入顯著圖計(jì)算來(lái)分割出光帶區(qū)域，減少圖像查詢以及后續(xù)計(jì)算的運(yùn)算量，提高算法的時(shí)效性。同時(shí)，相比于空域?qū)D像的每個(gè)像素進(jìn)行操作，頻域是對(duì)圖像整體操作，頻域信息比空域更為直觀，對(duì)數(shù)據(jù)的敏感性更強(qiáng)。

1 激光帶橫截面能量中心提取模型

激光刀切法冰形三維輪廓測(cè)量原理如圖1所示，激光器向冰體垂直投射激光產(chǎn)生一條激光條，激光條受到冰形表面輪廓調(diào)制，根據(jù)標(biāo)定得到的攝像機(jī)投影模型的內(nèi)外參數(shù)以及激光平面方程，即可得到冰形的輪廓信息。

圖1 激光刀切法冰形三維輪廓測(cè)量原理Fig.1 The principle of 3D contour measurement of ice-cutting

向冰體表面投射激光時(shí)，激光器作為一個(gè)離散的量化系統(tǒng)，投射的光條具有一定寬度，而所需要的是單像素寬度的激光線，因此需要進(jìn)行中心線提取。在激光投射非透明物體時(shí)得到的光帶截面上的能量通常呈現(xiàn)對(duì)稱的高斯分布。然而冰體表面對(duì)線激光透射嚴(yán)重，從圖2可以看出大部分激光能量被吸收，攝像機(jī)采集圖像時(shí)，透射光線會(huì)照亮激光光條鄰近區(qū)域，使激光光條與鄰近區(qū)域亮度差異減弱，導(dǎo)致光條波峰不明晰，光帶區(qū)域的灰度分布已不是簡(jiǎn)單的高斯分布，激光中心線難以準(zhǔn)確提取。

根據(jù)前文分析，本文提出一個(gè)針對(duì)冰形表面激光帶橫截面的能量中心區(qū)域提取模型：

式中：I(x,y)表示光帶能量中心函數(shù)，g(i,j)表示光帶圖像，Ith為判斷能量中心的閾值。首先由閾值分割出光帶能量中心區(qū)域，該區(qū)域?yàn)槎嘞袼貙挾?，?duì)中心區(qū)域采用梯度重心法處理，得到激光中心位置。至此，光帶中心線提取問(wèn)題轉(zhuǎn)化為分割閾值的求取問(wèn)題。

(a) (b)

圖2 冰體表面激光投射效果圖以及3D顯示
Fig.2Thelaserontotheicemodeland3Ddisplayeffect

2 冰體表面激光光帶中心線提取流程

本文針對(duì)冰體激光線中心線提取，提出的提取方法流程為：預(yù)處理、閾值求取、中心線提取。

2.1圖像預(yù)處理

獲取光帶圖像后，首先要對(duì)圖像進(jìn)行預(yù)處理，削弱、剔除無(wú)用信息同時(shí)增強(qiáng)有效信息，以便后續(xù)處理。本文預(yù)處理包括圖像去噪和光帶區(qū)域分割。

2.1.1圖像去噪

在圖像采集時(shí)，由于相機(jī)光電噪聲、鏡頭受到冰霧污染等原因，采集到的結(jié)冰模型圖像存在椒鹽噪聲、高斯噪聲等混合噪聲。傳統(tǒng)的中值濾波、高斯濾波等方法將滑動(dòng)窗口中灰度值進(jìn)行處理運(yùn)算，代替中心點(diǎn)的灰度值，可以使圖像更加平滑，但圖像信息缺失較為嚴(yán)重。尤其是對(duì)冰體激光光條圖像，需要根據(jù)光條區(qū)域的信息進(jìn)行中心線的提取工作，傳統(tǒng)的去噪方法破壞了原始值，影響中心線提取的可靠性?；贐M3D的去噪方法基于塊匹配，在有效去除混合噪聲的同時(shí)，能后較好的保留圖像信息[15]。基于此算法采用BM3D進(jìn)行圖像降噪。

BM3D去噪算法分為2大步驟：基礎(chǔ)估計(jì)和最終估計(jì)，算法流程如圖3所示。

首先在圖像中選擇參照塊，在參照塊鄰域內(nèi)尋找若干與參照塊具有高度相關(guān)性的塊，整合這些與參照塊相似的噪聲塊，形成若干三維矩陣。然后對(duì)三維矩陣進(jìn)行三維酉變換，將小于閾值的變換系數(shù)置零，得到真實(shí)信號(hào)的稀疏表示。隨后，通過(guò)反變換重構(gòu)處理后的圖像塊將位于相同坐標(biāo)的局部塊加權(quán)平均，得到基礎(chǔ)估計(jì)輸出圖像。對(duì)原始噪聲圖像和基礎(chǔ)估計(jì)的輸出圖像執(zhí)行基礎(chǔ)估計(jì)塊匹配操作，分別得到噪聲圖像形成的三維矩陣和基礎(chǔ)估計(jì)結(jié)果形成的三維矩陣；采用維納濾波對(duì)噪聲圖像得到的三維矩陣縮放系數(shù)；將位于相同坐標(biāo)的局部塊加權(quán)平均，得到去噪后的圖像。

去噪效果對(duì)比如圖4所示， BM3D去噪效果如圖4(c)所示，在保留圖像紋理和邊緣信息的前提下，較好地濾除了噪聲，而中值濾波模糊了圖像的紋理信息。

2.1.2光帶區(qū)域分割

在采集到的冰形激光圖像中，光帶區(qū)域只占圖像的一部分。為了減少后續(xù)運(yùn)算量，同時(shí)在一定程度上消減背景因素的影響，需要分割出光帶區(qū)域。由于激光在冰體中透射嚴(yán)重，得到的光帶圖像邊界模糊，對(duì)比度較低，傳統(tǒng)的基于梯度的分割方法梯度邊界難以確定，基于閾值的分割方法閾值難以獲取。而通過(guò)分析冰形光帶圖像，光帶區(qū)域和背景區(qū)域的顏色、強(qiáng)度等具有明顯差異，2區(qū)域的顯著程度相差較大，根據(jù)區(qū)域的顯著程度可以提取光帶部分。因此本文引入視覺(jué)顯著性估計(jì)來(lái)分割光帶區(qū)域。

分割效果如圖5所示，視覺(jué)顯著性增強(qiáng)則準(zhǔn)確分割出了光帶部分，同時(shí)可凸顯圖像中心線特征區(qū)域，抑制對(duì)光帶中心線提取造成較大影響的冰形邊界信息和背景物體信息，為后續(xù)的快速中心線提取準(zhǔn)備。

圖3 BM3D去噪流程Fig.3 Process of BM3D denoising

圖4 去噪效果對(duì)比Fig.4 Filtering effect

圖5 視覺(jué)顯著性提取結(jié)果Fig.5 Visual significance extraction

2.2光帶中心區(qū)域提取

冰體表面激光圖像發(fā)散嚴(yán)重、對(duì)比度低，根據(jù)圖像的色彩、灰度信息難以準(zhǔn)確獲取光帶能量中心。本文根據(jù)時(shí)域能量與頻域能量的守恒關(guān)系，將圖像轉(zhuǎn)換至頻域，根據(jù)頻域特征分割出圖像高能量區(qū)域，即光帶中心區(qū)域。為了減弱圖像采集過(guò)程中外界光線變化對(duì)中心線提取的影響，增加對(duì)光線變化的魯棒性，本文首先求取梯度圖，對(duì)梯度圖進(jìn)行頻域變換?；谔荻葓D的頻域信息，得到光帶能量中心位置的分割閾值。

2.2.1圖像梯度矢量

圖像梯度矢量圖能夠更好地適應(yīng)圖像的變化趨勢(shì)，反映該點(diǎn)處灰度變化速率和方向信息。圖像函數(shù)f(x,y)在點(diǎn)(x,y)處的梯度矢量為

梯度矢量包含2個(gè)重要的信息：

(1) 梯度方向指向函數(shù)f(x,y)變化率最大方向；

(2) 梯度幅值表示為

本文采用如下模板對(duì)視覺(jué)顯著性增強(qiáng)后的圖像進(jìn)行卷積運(yùn)行，得到光帶區(qū)域的邊界和光帶區(qū)域的梯度矢量信息：

2.2.2求取閾值

結(jié)合(1)式提出的中心線提取模型提取光帶能量中心區(qū)域，首先需要確定分割閾值。采用傅里葉變化，將梯度圖像從空間域轉(zhuǎn)換至頻域，根據(jù)圖像的頻譜特征得到能量中心區(qū)域的分割閾值。

若輸入圖像為f(x,y),x∈M,y∈N，圖像f(x,y)的離散傅里葉變換F(u,v)為：

對(duì)于圖像像素點(diǎn)(x,y)，若其X方向卷積圖像的傅里葉變換取值為a，Y方向卷積圖像的傅里葉變換取值為b，X與Y方向共同卷積圖像的傅里葉變換取值為c，構(gòu)成矩陣：

計(jì)算矩陣H的特征值λ1和λ2。得到

選取λ作為提取模型的閾值Ith。

2.3求取光帶中心位置

根據(jù)得到的閾值Ith對(duì)圖像進(jìn)行二次分割，得到光帶高能量區(qū)域。對(duì)該區(qū)域采用灰度重心法即得到亞像素級(jí)的光條中心線。

設(shè)(xm,ym)和(xn,yn)為連通區(qū)域2個(gè)左右相鄰的像素點(diǎn)，兩者的灰度值分別為Im和In，這2點(diǎn)之間的中心點(diǎn)坐標(biāo)(x0,y0)根據(jù)灰度重心的方法可以得到

通過(guò)上述2式，便可提取出線結(jié)構(gòu)光的亞像素級(jí)光條中心線。

3 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)室條件下，驗(yàn)證得到藍(lán)色激光投射至冰體表面，發(fā)散較其他顏色激光弱，因此選用藍(lán)色激光進(jìn)行投射。實(shí)驗(yàn)采用分辨率為640×480的彩色工業(yè)相機(jī)和線寬為650nm的可調(diào)藍(lán)色線性激光器，2設(shè)備成45°角架設(shè)形成簡(jiǎn)易三維視覺(jué)測(cè)量系統(tǒng)。硬件測(cè)量系統(tǒng)如圖6所示。

圖6 硬件實(shí)驗(yàn)平臺(tái)Fig.6 ardware experiment platform

在實(shí)驗(yàn)室條件下，選用內(nèi)徑為30mm的圓柱型容器在冰柜中凍結(jié)得到圓柱形冰塊進(jìn)行測(cè)量精度評(píng)估。圖7(a)是拍攝的激光圖像，圖7(b)是激光中心線提取結(jié)果。

(a) (b)

圖7 圓柱體冰塊測(cè)量圖像(a)及激光中心線提取結(jié)果(b)
Fig.7Thecapturedlaserlineimage(a)oncylindricalicesurfaceandtheextractedcenter-line(b)oflaserlineimage

本文采用快速離散傅里葉變換庫(kù)FFTW對(duì)算法涉及的頻域變換及反變換進(jìn)行處理。視覺(jué)顯著性增強(qiáng)后的圖像，僅凸顯中心線區(qū)域，也加速了算法執(zhí)行效率。為了對(duì)比算法效果，采用骨架提取法、梯度重心法、基于Hessian矩陣的Steger方法以及本論文所述方法對(duì)投射在冰形的光帶數(shù)據(jù)進(jìn)行處理。算法耗時(shí)對(duì)比如表1所示，本文算法相對(duì)于其他3個(gè)常用算法耗時(shí)更短，實(shí)驗(yàn)驗(yàn)證處理時(shí)效可達(dá)28.57FPS，滿足在線測(cè)量的需求。

為了進(jìn)一步驗(yàn)證本文所述中心線提取算法的精度，分別基于4種中心線提取算法對(duì)冰形輪廓線進(jìn)行測(cè)量，并將測(cè)量所得數(shù)據(jù)進(jìn)行擬合，與基準(zhǔn)值(半徑為30mm的圓弧)對(duì)比，對(duì)比結(jié)果如圖8所示。

圖8 單條激光線重建結(jié)果對(duì)比Fig.8 Comparison the results of single laser light reconstruction

基于4種中心線提取算法的重建精度在表2中展示。基于本文算法得到的冰形輪廓測(cè)量值擬合出的圓柱形冰塊半徑為29.983mm，圓柱形冰輪廓線重建精度為0.017mm，均方根誤差為0.532mm，滿足精細(xì)的冰形輪廓測(cè)量需求。除了基于Hessian矩陣的Staple方法重建精度高于本算法，其他幾個(gè)算法重建效果都不及本算法。

表1 算法耗時(shí)Table 1 Time-consuming

表2 基于不同中心線提取算法的重建精度Table 2 Reconstruction accuracy

為了驗(yàn)證算法是否滿足冰形在線測(cè)量，對(duì)算法耗時(shí)進(jìn)行評(píng)估，評(píng)估結(jié)果如表2所示?？芍?，本文所用算法耗時(shí)35ms，相比其他3種常用中心線提取方法時(shí)耗最短。算法整體性能對(duì)比如圖9所示(越靠近左下角表示算法性能越好)?？傻?，本算法在激光刀切法冰形測(cè)量中，表現(xiàn)出良好性能。

以上分析基于霜冰圓柱，驗(yàn)證得到良好的效果。對(duì)明冰和混合冰采用同樣的方法進(jìn)行測(cè)量，得到的重建精度分別為1.982和1.523mm，基于其他3種方法的重建精度相對(duì)更差。

影響本實(shí)驗(yàn)系統(tǒng)對(duì)冰形輪廓測(cè)量精度，尤其是明冰和混合冰的主要因素有3方面：系統(tǒng)的硬件設(shè)備、測(cè)量系統(tǒng)標(biāo)定精度以及冰形光帶激光中心線提取精度。在實(shí)驗(yàn)室環(huán)境下，由于硬件系統(tǒng)的局限性，限制了成像效果。最重要的原因是冰的透射現(xiàn)象嚴(yán)重，尤其是明冰和混合冰具有極高的透明度，得到的圖片光帶極其發(fā)散，即使將圖像轉(zhuǎn)換至頻域，提取光帶的能量中心仍具有一定的困難。因此限制了本算法對(duì)于明冰和混合冰的應(yīng)用。

圖9 算法性能對(duì)比圖Fig.9 Algorithm performance comparison

4 結(jié) 論

本文通過(guò)BM3D去除圖像噪聲，通過(guò)顯著圖計(jì)算分割光帶區(qū)域，根據(jù)頻域信息提取光帶能量中心區(qū)域，在能量中心區(qū)域采用灰度重心法獲得中心線位置。與基于灰度或梯度的中心線提取方法相比速度提高了幾倍，提取精度也得到較大提高。結(jié)果表明：

(1) 采用圖像的頻譜特性相比空間域特征能夠更準(zhǔn)確的提取激光能量中心區(qū)域。同時(shí)采用快速傅里葉變換(FFT)將圖像轉(zhuǎn)換為頻域，相比在空域針對(duì)每個(gè)像素點(diǎn)查詢計(jì)算有效降低了耗時(shí)；

(2) 本文加入顯著圖計(jì)算分割出光帶區(qū)域，減少了圖像查詢及計(jì)算量，提高了算法的時(shí)效性。對(duì)于冰形表面光帶圖像對(duì)比度低，采用顯著圖分割相比傳統(tǒng)分割方法效果更好；

(3) 該方法為開(kāi)展結(jié)冰試驗(yàn)中結(jié)冰生長(zhǎng)過(guò)程冰形在線三維測(cè)量奠定了技術(shù)基礎(chǔ)。

下一步研究重點(diǎn)為在風(fēng)洞結(jié)冰實(shí)驗(yàn)現(xiàn)場(chǎng)存在振動(dòng)、冰霧等干擾環(huán)境下如何提取得到更加精確的中心線位置。

[1]Lynch F T,Khodadoust A.Effects of ice accretions on aircraft aerodynamics[J].Progress in Aerospace Sciences,2001,37(8):669-767.

[2]巫瑞銳.結(jié)冰力學(xué)特性的理論與實(shí)驗(yàn)研究[D].南京:南京航空航天大學(xué),2014.Wu R R.Research on theories and experiments of mechanical properties of impact ice[D].Nanjing:Nanjing University of Aeronautics and Astronautics,2014.

[3]范潔川,于濤.飛機(jī)結(jié)冰風(fēng)洞試驗(yàn)?zāi)M研究[J].實(shí)驗(yàn)流體力學(xué),2007,21(1):1-7.Fan J C,Yu T.A study of simulation for airplane icing tests in icing wind tunnel[J].Journal of Experiments in Fluid Mechanics,2007,21(1):1-7.

[4]易賢.飛機(jī)積冰的數(shù)值計(jì)算與積冰試驗(yàn)相似準(zhǔn)則研究[D].綿陽(yáng):中國(guó)空氣動(dòng)力研究與發(fā)展中心,2007.Yi X.Numerical computation of aircraft icing and study on icing test scaling law[D].Mianyang:China Aerodynamics Research and Development Center,2007.

[5]Gong X L,Bansmer S.3-D ice shape measurements using mid-infrared laser scanning[J].Optics Express,2015,23(4):4908-4926.

[6]王斌,劉桂華,張利萍,等.基于線結(jié)構(gòu)光的冰橫截面輪廓測(cè)量[J].實(shí)驗(yàn)流體力學(xué),2016,30(3):14-20.Wang B,Liu G H,Zhang L P,et al.Ice cross sectional profi- le measurement based on line structured light[J].Journal of Experiments in Fluid Mechanics,2016,30(3):14-20.

[7]Tsai R Y.An efficient and accurate camera calibration technique for 3D machine vision[C]//Proceeding of IEEE Conference on Computer Vision &Pattern Recognition,1986:364-374.

[8]Zhang Z.A flexible new technique for camera calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[9]Zhou F,Zhang G.Complete calibration of a structured light vision sensor through planar target of unknown otientations[J].Image and Vision Computing,2005,23(1):59-67.

[10]Saeed K,Dzki M,Rybnik M,et al.A universal algorithm for image skeletonization and a review of thinning thchniques[J].International Journal of Applied Mathmatics &Computer Science,2010,20(2):317-335.

[11]蘇小勤,熊顯名.快速線結(jié)構(gòu)光中心線提取算法[J].計(jì)算機(jī)應(yīng)用,2016,36(1):238-242.Su X Q,Xiong X M.High-speed method for extracting center of line structured light[J].Journal of Computer Applications,2016,36(1):238-242.

[12]吳家勇.基于梯度重心法的線結(jié)構(gòu)光中心亞像素提取方法[J].中國(guó)圖像圖形學(xué)報(bào),2009,14(7):1354-1360.Wu J Y.Method of linear structured light sub-pixel center position extracting[J].Journal of Image and Graphics,2009,14(7):1354-1360.

[13]Steger C.Extracting curvilinear structures:a differential geometric approach[J].Computer Vision-ECCV’96 Lecture Notes in Computer Science,1996,1064:630-641.

[14]Steger C.An unbiased detector of curvilinear structures[J].IEEE Transactions on Pattern Analysis and machine Intelligence,1998,20(2):113-125.

[15]Dabov K,Foi A,Egiazarian K.Image denoising with block-matching and 3D filtering[J].The International Society for Optical Engineering,2006,6064:354-365.

[16]汪成.圖像顯著區(qū)域檢測(cè)算法研究[D].南京:南京信息工程大學(xué),2016.Wang C.Research of saliency region detection of images[D].Nanjing:Nanjing University of Information Science &Technology,2016.

[17]Itti L,Koch C,Niebur E.A model of saliency based visual attention for rapid scene analysis[J].IEEE Transactions on Pattern Analysis &Machine Intelligence,1998,20(11):1254-1259.

康含玉(1990-)，女，河南平頂山人，碩士研究生。研究方向：圖像處理、機(jī)器視覺(jué)。通信地址：四川省綿陽(yáng)市涪城區(qū)西南科技大學(xué)東七A座(博雅軒)(621000)。E-mail：360613216@qq.com

(編輯：楊 娟)

Afastmethodofextractingthelaserlightbar’scenterlineintheicemodel

Kang Hanyu1,*,Liu Guihua1,Wang Bin2,3,Niu Qian1

(1.School of Information Engineering,University of Southwest Science and Technology,Mianyang Sichuan 621000,China;2.Facility Design and Instrumentation Institute,China Aerodynamics Research and Development Center,Mianyang Sichuan 621000,China;3.State Key Loboratory of Aerodynamics,China Aerodynamics Research and Development Center,Mianyang Sichuan 621000,China)

The laser centerline extraction is an important step in the measurement of the ice cross sectional profile,and the extraction accuracy directly affects the accuracy of the measurement system.Especially the ice on the structural light transmission is serious,the center line extraction algorithm is put forward a higher requirement.A fast centerline extraction method based on frequency domain transform is proposed to extract the center line in the three-dimensional measurement of ice.First,the image is subjected to noise reduction based on the technique of Block-matching and 3D filtering.Second,in order to reduce the computational complexity,the visual significance of the image is calculated by using the quaternion Fourier transform of phase spectrum,and then extract the optical band’s region.Third,obtain the gradient map and convert to the frequency domain space,according to the image spectrum characteristics,we can obtain the center line position.The experimental results show that the algorithm is 28.57FPS,and the accuracy of ice contour reconstruction is 0.017mm.

icing model;image processing;significant figure;centerline extraction;frequency domain transform

V211.752

A

1672-9897(2017)05-0081-07

10.11729/syltlx20170058

2017-05-10;

2017-07-17

國(guó)家自然科學(xué)基金(11602292)；四川省科技廳科技支撐項(xiàng)目(2016GZ0183)

*通信作者 E-mail:360613216@qq.com

KangHY,LiuGH,WangB,etal.Afastmethodofextractingthelaserlightbar’scenterlineintheicemodel.JournalofExperimentsinFluidMechanics,2017,31(5):81-87.康含玉,劉桂華,王 斌,等.冰形表面激光光帶中心線快速提取方法.實(shí)驗(yàn)流體力學(xué),2017,31(5):81-87.