专利名称：一种干涉条纹智能计数方法
技术领域：
本发明涉及干涉环的计数，具体涉及一种基于嵌入式线阵CCD的干涉条纹智能计数方法。
背景技术：
在利用迈克尔逊干涉仪进行微距测量都需要准确计算干涉环的变化环数，传统的是用人工计数法，即人眼直接观察成像到屏幕上的干涉条纹，人手轻轻旋动微动手轮，每变动一个环，便人工记录一次，每次测量需数出“冒出”或“淹没”的干涉条纹。此方法操作简单，除了迈克尔逊干涉仪外不需要额外的测量设备，但只能适合计数小干涉环数，而实际操作时往往需要记录超过几百个以上的干涉环数，假如采用此种方法，一方面，极易造成眼睛疲劳而影响读数的准确性；另一方面测量出错后只能重新测量造成大量时间的浪费；再一方面对人眼的伤害大，非常地不人性化。随着近代科学技术和工业技术的迅速发展，传统的光学机械测试方法已日益不能适应近代工业和科学技术提出的高精度、高效率与自动化的测试要求。在精密测试领域中， 必须注入新的活力，激光和计算机技术的出现和二者的结合为新的测试技术开辟了一条新的途径。针对人工计数的缺点，研究人员提出了关于条纹自动计数器的诸多方案，这些方案各有优点，但也存在不足。光电传感器测量法如
图1所示，随着光程差的变化，干涉环将交替地出现“陷入” 和“冒出”，使用光电头对准迈克尔逊干涉条纹中心处，此时，光电头中的光敏管会随着光强信号的变化产生不同大小的光电流。这样就将干涉条纹的变化转变为电信号的变化，只要对电信号进行一定的处理，就可实现对干涉条纹的计数。但也存在如下缺点该方法对器件的摆放要求过于苛刻，且随着测量的进行，条纹的厚度也将出现变化，需随着测量的进行不断地调整器件位置，增加了实际操作的复杂性。线阵CCD测量法采用线阵CCD作为光电传感器件来设计条纹计数器，但其仅对不同位置的同一点强度变化进行研究，且系统工作不可靠，误差大，数据处理不充分，其实质跟光电头测量类似，并没有充分地发挥CCD的优势。改进的CCD测量法利用CCD传感器将干涉环光信号转化为电信号的图像信号捕获与转换模块，再对来自CCD传感器的电信号转化为数字信号，最后将数据送至微机进行处理。其中，该微机数据处理模块对数字信号进行数字滤波及波形图像显示，自动获取图像像素的有效参考点，并根据有效参考点的梯度的变化及干涉环中心对应像素点灰度值与阈值的比较来判断干涉环的变化，实现了对干涉环的自动计数。缺点在数据处理方面，阈值取的是数据最大与最小值之和的中值，有一定误差；所采用的均值滤波算法无法保持真实图像的特征；设计出的迈克尔逊干涉条纹计数器是基于PC机平台的，可移动性相对较差； 智能化水平还不够高
发明内容
针对上述现有技术存在的问题，本发明的目的在于，提供一种测量精度高的干涉条纹智能计数方法。为了实现上述目的，本发明的技术方案为一种干涉条纹智能计数方法，从激光发射器发出的光波，经过迈克尔逊干涉仪出射成像到成像屏，形成圆环状的干涉条纹图像，利用线阵CCD将光信号转换成电信号，再利用数据采集及传输模块将来自线阵CCD的电信号转化为数字信号，并将采集到的数据传送给嵌入式系统平台进行数据的处理，还包括以下具体步骤1. 1对线阵CCD传感器采集到的数据去除随机脉冲噪声；1. 2对线阵CCD传感器采集到的数据去除高斯噪声；1.3确定干涉条纹有效数据的参考范围；其中，计算出最大灰度值点Max、最小灰度值点Min和阈值T，阈值T为在已确定的有效数据的参考范围内灰度值变化最大的点；1.4对由有效数据范围确定的曲线进行二阶求导，根据二阶导数值变化来判断干涉条纹的变化状态，实现对干涉环的自动计数。优选的，所述线阵CXD传感器采集到的数据为2048个。进一步的，为了保证了降噪的同时保持了信号的特征，在步骤1. 1和1. 2中，采用自适应中值扩散滤波算法AMDF去除噪声，算法表达式如下
权利要求
1. 一种干涉条纹智能计数方法，从激光发射器发出的光波，经过迈克尔逊干涉仪出射成像到成像屏，形成圆环状的干涉条纹图像，利用线阵CCD将光信号转换成电信号，再利用数据采集及传输模块将来自线阵CCD的电信号转化为数字信号，并将采集到的数据传送给嵌入式系统平台进行数据的处理，其特征在于，还包括以下具体步骤·1. 1对线阵CCD传感器采集到的数据去除随机脉冲噪声；·1. 2对线阵CCD传感器采集到的数据去除高斯噪声；·1. 3确定干涉条纹有效数据的参考范围；其中，计算出最大灰度值点Max、最小灰度值点Min和阈值T，阈值T为在已确定的有效数据的参考范围内灰度值变化最大的点；·1. 4对由有效数据范围确定的曲线进行二阶求导，根据二阶导数值变化来判断干涉条纹的变化状态，实现对干涉环的自动计数。
2.根据权利要求1所述的干涉条纹智能计数方法，其特征在于，所述线阵CCD传感器采集到的数据为2048个。
3.根据权利要求2所述的干涉条纹智能计数方法，其特征在于，在步骤1. 1和1. 2中， 采用自适应中值扩散滤波算法AMDF去除噪声，算法表达式如下
4.根据权利要求3所述的干涉条纹智能计数方法，其特征在于，所述θ为0.01。
5.根据权利要求2所述的干涉条纹智能计数方法，其特征在于，所述自适应中值滤波算法AMF中先引入避免将高频信号点误判为噪声的自适应变化的阈值thr(i)
6.根据权利要求2所述的干涉条纹智能计数方法，其特征在于，在步骤1. 3中，计算出最大灰度值点Max、最小灰度值点Min和阈值T的下标，其中，最大灰度下标Max_x的确定通过求线阵CCD传感器采集到的数据的最大值得到，其中，对每次线阵CCD采集的2048个数据值进行排序由此得到最大值进而得出其下标； 最小灰度值点下标Min_x的确定通过下式求出Mn_x = {i wData[i-l]-wData[i] > 0, i = Max_x, Max_x_l, Max_x_2, . . . }其中，从最大灰度值点下标Max_x出发，向左循环对原始数据wData[]进行一阶差分运算直至wData[i-l]iData[i] > 0时停止，i即为最小灰度值点下标Min_x ； 阈值T下标的确定通过下式求出T_x = {i I DerData[-1]-DerData[i] < 0， i = Max_x, Max_x-1, Max_x-2, . . . } 其中，在确定了最大灰度点下标Max_x的基础上，先对线阵CCD传感器采集到的数据进行一阶求导得到DerDatati]，再从最大灰度点下标Max_x出发，向左循环进行一阶差分运算直至首次出现DerData[i-l]_DerData[i] < 0时停止即为阈值Τ。
7.根据权利要求1所述的干涉条纹智能计数方法，其特征在于，在步骤1. 4中，采用二阶差分计数方法计算干涉条纹，对一维图像信号序列= 1，2，3，...η)及其领域选为3X1区域，一维干涉条纹数据的二阶差分通过下式求出
全文摘要
本发明公开了一种干涉条纹智能计数方法，包括以下具体步骤对线阵CCD传感器采集到的数据采用自适应中值扩散滤波算法滤除随机脉冲噪声；利用非线性扩散滤波算法降高斯噪声；确定干涉条纹有效数据的参考范围；其中，计算出最大灰度值点Max、最小灰度值点Min和阈值T，阈值T指的是在已确定的有效数据的参考范围内灰度值变化最大的点；对由有效数据范围确定的曲线进行二阶求导，根据二阶导数值变化来判断干涉条纹的变化状态，实现对干涉环的自动计数。本发明利用扩散中值滤波算法对采集到的数据进行滤波去噪，通过实时判断有效参考范围内的二阶导数值变化，进一步判断干涉环的变化，提升了计数的稳定性。
文档编号G06M1/10GK102306331SQ20111023573
公开日2012年1月4日 申请日期2011年8月17日 优先权日2011年8月17日
发明者周少贤, 李心广, 漆建军, 胡麟, 陈木波, 马文华 申请人:广东外语外贸大学