一种基于自适应增强算法的偏心误差机器视觉校正方法
计算机视觉与模式识别
2023-09-04 v1 图像与视频处理
摘要
在大口径非球面光学元件表面缺陷检测过程中，将元件光轴精确调整至与机械旋转轴同轴具有重要意义。为此，本文提出一种用于偏心误差校正的机器视觉方法。针对非球面光学元件成像特性导致的参考十字线图像严重离焦模糊、可能引起校正失败的问题，提出一种自适应增强算法（Adaptive Enhancement Algorithm, AEA）以增强十字线图像。AEA由已有的引导滤波暗通道去雾算法（Guided Filter Dark Channel Dehazing Algorithm, GFA）与提出的轻量级多尺度密集连接网络（Multi-scale Densely Connected Network, MDC-Net）组成。GFA增强效果优异但耗时，MDC-Net增强效果略逊但实时性强。由于每次校正过程中需执行AEA数十次，其实时性十分重要。因此，通过设置清晰度评价函数SMD2的经验阈值，分别对高度模糊与轻微模糊的十字线图像应用GFA与MDC-Net，以在保证增强效果的同时尽可能节省时间。AEA在耗时性能上具有一定鲁棒性，对十幅不同模糊程度的200像素×200像素感兴趣区域（Region of Interest, ROI）图像，分别执行GFA与MDC-Net平均耗时0.2721秒与0.0963秒。该方法可将偏心误差降低至10微米以内。
引用
@article{arxiv.2309.00514,
title = {A Machine Vision Method for Correction of Eccentric Error: Based on Adaptive Enhancement Algorithm},
author = {Fanyi Wang and Pin Cao and Yihui Zhang and Haotian Hu and Yongying Yang},
journal= {arXiv preprint arXiv:2309.00514},
year = {2023}
}