《Optics & Laser Technology》:Objective detection for boundary noise of low-light-level image intensifiers based on Gaussian differential filtering and shape similarity calculation
编辑推荐:
本文提出基于高斯微分滤波和形状相似性计算的边界噪声检测方法,有效解决传统人工检测的不确定性和非标准化问题,实验表明检测准确率达94%,优于传统方法,验证了该方法的有效性和可重复性。
王璐琪|谭帅|曹婷
中国河南省南阳市南洋理工学院信息工程学院,473004
摘要
边界噪声是低光照水平(LLL)图像增强器制造过程中荧光屏上常见的一种缺陷。这种缺陷会影响产品的成像质量,因此应在交付前及时检测出来。传统的缺陷检测方法基于视觉观察,但其缺点是不确定性较强且检测手段不标准化。为了解决这些问题,本文提出了一种基于高斯差分滤波和形状相似性计算的客观检测方法,该方法包括规则缺陷去除和边界噪声评估。规则缺陷去除是通过高斯差分滤波检测目标图像中的高对比度规则缺陷,并用无效图像块替换它们;边界噪声评估首先通过对有效区域进行滑动窗口扫描、边缘检测和形状相似性计算来提取低对比度线性缺陷,然后通过分析这些线性缺陷的方位一致性来识别边界噪声。最后,根据现有的相关策略对边界噪声进行客观评估。实验结果表明,所选的缺陷检测技术比传统方法表现更好,在批量测试中的平均检测准确率达到94%。为了验证所提出的形状相似性计算策略的优越性,本文还与其他先进技术进行了比较,结果显示我们的计算结果与实际情况最为吻合。边界噪声检测实验表明,所提出的方法能够产生与现实一致的结果,并且重复性高于传统的视觉检测方法。
引言
LLL图像增强器(也称为图像管)是夜视设备的重要组成部分,广泛应用于军事侦察、工业仪器性能分析、科学研究等领域。它总是被嵌入夜视设备中,用于在黑暗环境中检测目标[1]、[2]、[3]。有时,由于设备老化或生产过程中的不当操作,荧光屏(FS)上会出现各种类型的缺陷,这会严重影响成像质量并导致次品率上升。其中,结构噪声是微通道板(MCP)物理化学处理阶段最常见的缺陷之一,包括顶点噪声、边界噪声和图案噪声[4]。2021年,我们的研究团队提出了一种基于一系列单独图像处理策略的顶点噪声自动评估方法[5];2022年,我们提出了一种基于局部图像块极值和快速傅里叶变换的图案噪声客观评估方法[6]。本文重点研究边界噪声的客观检测方法。众所周知,边界噪声是由于多丝之间的杂质在MCP制造过程中产生的缺陷,其亮度通常高于或低于多丝的其他位置[4]。根据图像管的具体规范,传统的边界噪声评估方法完全依赖于视觉观察,即观察荧光屏上是否存在一个或多个边界亮度比其他位置更暗或更亮的丝状物。然后,检测人员统计边界噪声的数量,并主观评估三个相邻边界噪声之间的最大亮度差(MBD)。如果MBD的评估结果大于10%,则认为该图像管不合格[7]。可以看出,这种方法受许多不确定因素的影响,且缺乏标准化的评估手段。近年来,相关工业领域迫切需要找到一种标准、客观且具体的缺陷检测方法。
本文的其余部分安排如下:第2节介绍图像管的数字视觉检测系统;第3节详细阐述规则缺陷的检测与去除;第4节描述边界噪声的客观检测;第5节进行相关实验并讨论结果;第6节对本文进行总结。
图像管的数字视觉检测系统
所提出的方法应用于图像管的数字视觉检测系统,也可用于其他结构噪声的客观检测。该系统主要由光源子系统、运动控制平台、光学子系统、成像子系统和计算机处理子系统组成。显然,目标缺陷的检测性能很大程度上取决于光学系统,包括照明均匀性、光路和传感器等。
规则缺陷去除
规则缺陷去除是指用等大小的无效图像块替换图像增强(EA)中的高对比度规则缺陷,该过程包括两个部分:规则缺陷检测和无效图像块替换。
边界噪声评估
在本节中,使用与多丝大小相同的滑动窗口(SW)对图像增强区域的整个图像进行扫描。基于边界噪声的图像特征,通过对扫描到的图像块进行边缘检测、形状相似性计算和方位一致性分析,可以检测出所有边界噪声。
实验结果与分析
所提出的边界噪声客观检测方法适用于所有T18型号的组装图像管[4]。为确保该方法的有效性,入射光需满足图像管的照明要求,系统放大倍数应确保图像增强区域占据相机尽可能大的有效视野范围,同时荧光屏(FS)和阴极表面应擦拭干净。该方法的源代码采用C++语言编写并实现。
结论
本文提出了一种基于高斯差分滤波(GDF)和形状相似性计算的图像管边界噪声客观检测方法,包括规则缺陷去除和边界噪声评估两部分。规则缺陷去除的基本思想是首先利用GDF检测规则缺陷,然后用等大小的无效图像块替换它们;边界噪声检测则通过对图像增强区域进行全局扫描生成一组图像块(IPs),并使用所提出的形状相似性计算方法进行进一步处理。
作者贡献声明
王璐琪:撰写原始稿件、资料收集、项目管理、方法设计、数据分析、概念构建。谭帅:结果验证、监督工作、软件开发、数据整理。曹婷:撰写稿件修订与编辑、结果可视化。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究工作。
致谢
王璐琪感谢北夜视科技有限公司为这项研究提供了各种类型的T18型号低光照水平图像增强器。