基于序列圖像提高光斑質(zhì)心定位精度

錢 鋒，楊名宇，張曉沛

(1.中國科學(xué)院 長春光學(xué)精密機(jī)械與物理研究所， 吉林 長春 130033；2.中國科學(xué)院大學(xué)，北京 100049；3.加利福尼亞大學(xué) 洛杉磯分校 亨利·薩繆里工程與應(yīng)用科學(xué)學(xué)院，美國，加利福尼亞州，洛杉磯市，CA 90095)

?

基于序列圖像提高光斑質(zhì)心定位精度

錢 鋒1，2*，楊名宇1，張曉沛3

(1.中國科學(xué)院 長春光學(xué)精密機(jī)械與物理研究所， 吉林 長春 130033；2.中國科學(xué)院大學(xué)，北京 100049；3.加利福尼亞大學(xué) 洛杉磯分校 亨利·薩繆里工程與應(yīng)用科學(xué)學(xué)院，美國，加利福尼亞州，洛杉磯市，CA 90095)

針對激光模擬射擊系統(tǒng)對激光光斑進(jìn)行快速、高精度質(zhì)心定位的要求，提出了一種基于視頻序列圖像的光斑檢測與高精度質(zhì)心定位方法。該方法首先利用幀間差分圖像和噪聲估計(jì)參數(shù)對射擊突發(fā)事件進(jìn)行檢測；然后利用噪聲估計(jì)方法確定光斑的分割閾值，結(jié)合形態(tài)學(xué)濾波對目標(biāo)光斑和背景噪聲進(jìn)行有效分割，提取光斑區(qū)域，同時(shí)降低窗口內(nèi)外噪聲。最后，用4幀差分圖像合成1幀高分辨率的圖像來抑制圖像噪聲和計(jì)算誤差的影響，實(shí)現(xiàn)光斑質(zhì)心的高精度定位。實(shí)驗(yàn)結(jié)果表明，本文方法的光斑質(zhì)心定位精度與穩(wěn)定性均優(yōu)于傳統(tǒng)的方法；其中光斑質(zhì)心定位精度達(dá)到了亞像素級別，穩(wěn)定性度量平均值為0.000 49，優(yōu)于傳統(tǒng)方法的0.002 97。得到的結(jié)果顯示，提出的方法有助于提升激光射擊系統(tǒng)的性能。

光斑檢測；質(zhì)心定位；灰度重心法；序列圖像；激光模擬射擊

1 引 言

傳統(tǒng)的士兵射擊訓(xùn)練，通常采用空槍瞄準(zhǔn)和實(shí)彈射擊相結(jié)合的訓(xùn)練方式。空槍瞄準(zhǔn)訓(xùn)練效率低，周期長；而實(shí)彈射擊訓(xùn)練開支大，受訓(xùn)練場地限制，而且容易受天氣影響，還要考慮安全因素。這些不利因素使得士兵對射擊技能的熟悉和掌握程度受到影響，訓(xùn)練效果非常有限。近年來，以光代彈，人們采用激光射擊系統(tǒng)模擬多種武器的射擊情況[1-3]。這樣不僅節(jié)省了彈藥開支，減少了場地的限制，而且能檢驗(yàn)射擊效果，可以大大提高戰(zhàn)士們的射擊水平。

激光模擬系統(tǒng)大致有以下幾種：(1)使用光電二極管陣列接收激光信號。但這種方法的后續(xù)處理電路復(fù)雜，而且容易受到干擾，易出現(xiàn)誤觸發(fā)、誤操作現(xiàn)象[4]；(2)使用硅光電池做成激光探測器陣列，接收激光信號。這種方法加工困難，后續(xù)處理也比較復(fù)雜[5]；(3)使用攝像機(jī)或者攝像頭拍攝帶有激光光斑的靶面圖像，在電腦上進(jìn)行圖像處理，得到打靶成績[6-8]。該技術(shù)也被廣泛應(yīng)用于光學(xué)精密跟蹤和精密測量等應(yīng)用中[9-10]。其中，射擊激光光斑的快速、高精度的質(zhì)心定位問題是該方法的關(guān)鍵。

影響光斑質(zhì)心定位精度的關(guān)鍵因素之一來源于傳感器在探測光斑時(shí)所引入的誤差，主要包括傳感器離散采樣誤差、霰粒噪聲、讀出誤差和背景噪聲等的影響[11]。通常通過閾值法和窗口法來降低這些噪聲的影響，進(jìn)而提高質(zhì)心的定位精度。但是，閾值選取過大可能濾除光斑的有效信號；閾值過小時(shí)，又會引入較大的隨機(jī)誤差[12]。窗口法是通過控制窗口的大小，使其與光斑尺寸相匹配，以排除窗口外噪聲，從而減少噪聲的影響，但無法抑制窗口內(nèi)噪聲的影響[13-14]。文獻(xiàn)[15]選用3幀連續(xù)的圖像，對第1、3幀圖像建立處理模型，經(jīng)過內(nèi)插后與第2幀圖像相結(jié)合，實(shí)現(xiàn)暗弱空間目標(biāo)的高精度定位。這種使用時(shí)間相鄰的多幀序列圖像內(nèi)插法來提高圖像精度的策略被廣泛應(yīng)用于超分辨領(lǐng)域[16]。

本文提出了一種針對CCD(Charge Coupled-Device)相機(jī)所采集的序列圖像的高精度質(zhì)心定位方法。該方法通過背景噪聲進(jìn)行估計(jì)，利用幀間差分圖像對設(shè)計(jì)突發(fā)事件進(jìn)行檢測。然后利用噪聲估計(jì)確定光斑的分割閾值，結(jié)合形態(tài)學(xué)濾波和的方法將目標(biāo)光斑與背景分離，提取光斑區(qū)域，同時(shí)降低窗口內(nèi)外噪聲的影響，突破了傳統(tǒng)通過尺寸控制的窗口法不能降低窗口內(nèi)噪聲的局限。最后，利用4幀差分圖像合成1幀高分辨率圖像，以降低圖像噪聲與計(jì)算誤差的影響，通過質(zhì)心的加權(quán)求平均法實(shí)現(xiàn)光斑質(zhì)心的高精度定位。通過實(shí)驗(yàn)對比分析了本文方法與傳統(tǒng)方法的性能。

2 基本工作原理

采用視頻檢測方法模擬激光射擊需要解決的3個(gè)主要問題包括：(1)對射擊突發(fā)事件進(jìn)行檢測；(2)對激光光斑進(jìn)行檢測與提取；(3)對光斑質(zhì)心進(jìn)行高精度定位。本文采用固定CCD相機(jī)對激光射擊的訓(xùn)練靶場進(jìn)行監(jiān)視，獲取連續(xù)的靶面視頻圖像幀i=1，2，3，…，N(N為總幀數(shù))。通過對兩相鄰幀(k，k+1)做差分后取絕對值生成差分圖像。若激光光斑目標(biāo)未出現(xiàn)在視頻幀中，由于圖像背景不變，則其差分圖像中僅包含CCD相機(jī)的噪聲信息；若光斑出現(xiàn)在視頻幀中，則該時(shí)刻所處的差分圖像中存在明顯的高亮光斑。因此，通過檢測差分圖像中是否包含高亮光斑就可以判定射擊事件是否出現(xiàn)，完成射擊突發(fā)事件的檢測。

在光斑的檢測與提取過程中，需要將光斑的邊緣與周圍噪聲分割開[17-18]，而分割效果的優(yōu)劣將直接影響后期的光斑質(zhì)心定位結(jié)果。為了提高激光光斑質(zhì)心的定位精度，在檢測到射擊事件后，連續(xù)存儲光斑出現(xiàn)后的4幀圖第j+1、j+2、j+3和j+4幀，將其分別與前一時(shí)刻光斑未出現(xiàn)的幀j做差并取絕對值，獲得4幀差分圖像d1、d2、d3和d4，如圖 1所示。圖d1中的亮斑即為射擊激光的光斑。隨后，將具體介紹如何對射擊突發(fā)事件進(jìn)行檢測；如何提取目標(biāo)光斑，并降低窗口內(nèi)外的噪聲影響；最后研究了如何通過序列圖像方法提高光斑局部區(qū)域的分辨率，以達(dá)到提高光斑質(zhì)心定位精度的目的。

圖1 由序列圖像生成差分檢測圖像的過程

2.1 射擊突發(fā)事件檢測

2.1.1 噪聲估計(jì)

受CCD相機(jī)霰粒噪聲、讀出噪聲等的影響，相鄰兩幀的差分圖像并非完全“干凈”，它們存在著隨機(jī)分布的噪聲[19]。因此，在判斷是否出現(xiàn)射擊光斑的突發(fā)事件時(shí)需要先排除噪聲的影響。除此之外，在后續(xù)的光斑質(zhì)心定位過程中，這些噪聲對定位精度也有較大影響。為了排除噪聲的影響，本文抽取射擊活動開始前的10幀差分圖像進(jìn)行統(tǒng)計(jì)，利用其統(tǒng)計(jì)特性估計(jì)噪聲。分別統(tǒng)計(jì)10幀差分圖像的直方圖，相加之后獲得總的直方圖，如圖2所示。

圖2 由10幀差分圖像獲取的總統(tǒng)計(jì)直方圖

如圖2所示，差分圖像中約有84.71% 像素點(diǎn)的值為零，表明這些像素點(diǎn)不含有噪聲。而噪聲共占有的像素約為15.29%，其灰度值呈遞減趨勢分布在1～6之間，最大值為6。根據(jù)實(shí)際的實(shí)驗(yàn)數(shù)據(jù)，激光光斑的中心峰值灰度一般在8左右，為保留一定的余量，噪聲與光斑的分割閾值選為10。

2.1.2 射擊突發(fā)事件的判定

可以將射擊突發(fā)事件是否出現(xiàn)的問題建模為二值假設(shè)檢驗(yàn)：

(1)

其中：H1表示在第j幀和第j+1幀之間有射擊突發(fā)事件發(fā)生；H0表示在第j幀和第j+1幀之間不存在射擊突發(fā)事件。則判定準(zhǔn)則為：

(2)

其中：card(*)表示集合中元素的個(gè)數(shù)；Rs表示差分圖像中非噪聲點(diǎn)的集合；η為光斑判定閾值。根據(jù)實(shí)際實(shí)驗(yàn)數(shù)據(jù)知，光斑所占像素?cái)?shù)為30左右，因此取η為20。集合Rs表示為：

(3)

式中：Ix，y表示圖像中點(diǎn)(x，y)的灰度值。根據(jù)2.1.1節(jié)噪聲估計(jì)所提出的經(jīng)驗(yàn)閾值，ξ取為10。簡而言之，當(dāng)前差分圖像中，若非噪聲點(diǎn)集合Rs的元素個(gè)數(shù)不小于閾值η，則判定此差分圖像中存在激光光斑，即第j幀與第j+1幀之間有射擊突發(fā)事件發(fā)生。

2.2 光斑的檢測與提取

講武堂在1912年后繼續(xù)發(fā)展，直到1928年，在南京國民政府“統(tǒng)一”的背景下，講武堂第4期學(xué)員龍?jiān)茍?zhí)掌云南后，不得不改頭換面在辦學(xué)方面做新的調(diào)整。

在射擊突發(fā)事件判定過程中，需要對差分圖像進(jìn)行遍歷搜索，得到非噪聲點(diǎn)集合Rs。與此同時(shí)，可通過記錄非噪聲點(diǎn)的坐標(biāo)，對其進(jìn)行粗定位，劃分出窗口大小為12×12的光斑區(qū)域[20]，如圖3(a)所示。然后，需要對光斑區(qū)域和背景噪聲進(jìn)行分割。本文提出了結(jié)合形態(tài)學(xué)濾波的方法，代替?zhèn)鹘y(tǒng)的閾值分割方法[21-23]，能夠更好地將目標(biāo)區(qū)域和背景進(jìn)行分割。依據(jù)上小節(jié)選取的經(jīng)驗(yàn)閾值ξ=10，對光斑區(qū)域進(jìn)行二值化分割，得到光斑區(qū)域的形態(tài)學(xué)圖像，如圖3(b)所示。由圖可見，光斑的邊緣與背景噪聲交織在一起，給分割帶來了一定難度。本文從兩方面來解決這一問題：(1)使用形態(tài)學(xué)濾波的方法對光斑區(qū)域進(jìn)行規(guī)整；(2)通過加權(quán)平均的質(zhì)心求法來弱化光斑邊緣對質(zhì)心定位精度的影響。

(a)差分圖像中光斑區(qū)域的灰度值

(b)經(jīng)過閾值分割后光斑區(qū)域的形態(tài)學(xué)圖像

(c)經(jīng)過形態(tài)學(xué)濾波規(guī)整后的光斑區(qū)

將圖3(b)當(dāng)作提取光斑區(qū)域的模板，對其進(jìn)行形態(tài)學(xué)濾波操作。設(shè)該形態(tài)學(xué)圖像(圖3(b))為集合B，然后用結(jié)構(gòu)元素w對B進(jìn)行開操作[10]，記為B°w，即用結(jié)構(gòu)元素w先對B進(jìn)行腐蝕操作，然后再用w對B進(jìn)行膨脹操作：

B°w=(B⊙w)?w，

(4)

其中：操作算子B⊙w和B?w分別表示腐蝕與膨脹操作。經(jīng)過形態(tài)學(xué)濾波，得到規(guī)整后的光斑區(qū)域形態(tài)學(xué)圖像B′。然后將B′作為濾波模板，對圖3(a)進(jìn)行濾波：將圖3(a)與B′中的像素點(diǎn)一一對應(yīng)，B′為1時(shí)保留圖3(a)對應(yīng)像素點(diǎn)灰度值；B′為0時(shí)，將圖3(a)對應(yīng)像素點(diǎn)灰度值置為0。得到的濾波結(jié)果如圖3(c)所示。與圖3(b)相比可知，經(jīng)過形態(tài)學(xué)濾波規(guī)整后得到的光斑區(qū)域圖3(c) 在背景噪聲分割的效果上表現(xiàn)得更為出色。

2.3 提高光斑質(zhì)心的定位精度

文獻(xiàn)[24]提出使用線性插值的方法提高圖像分辨率，進(jìn)而提高光斑質(zhì)心的定位精度。這種方法是對單幀圖像進(jìn)行處理的，其通過插值方法增加樣本數(shù)量，進(jìn)而降低加權(quán)平均中的計(jì)算誤差，來提高定位精度，實(shí)際上并未增加圖像中的信息量。因此，本文采用連續(xù)的4幀圖像，通過填充的方式增加圖像的分辨率。CCD相機(jī)采集的幀頻一般為24～30 frame/s，而4幀圖像的采集時(shí)間為0.13～0.17 s。在這段短時(shí)間內(nèi)，認(rèn)為采集圖像中各物體不發(fā)生空間上的變化。由于在采集圖像時(shí)，CCD等傳感器件受其自身的量化機(jī)理、器件噪聲等的不確定度的影響，使相同目標(biāo)在不同幀圖像之間有細(xì)微的差別，如圖4所示。

圖4 連續(xù)4幅差分圖像中提取的同一光斑區(qū)域

Fig.4 The same spot region extracted from four sequential differential imagesd1～d4

由圖4可知，在各幀差分圖像中，光斑區(qū)域的灰度值在邊緣部分存在著差異性，這反映了傳感器在測量過程中所存在的不確定性。因此，本文將4幀12 pixel×12 pixel的光斑區(qū)域合成一張24 pixel×24 pixel的高分辨率圖像，填充過程如圖5所示。圖中演示了其中兩幀光斑的網(wǎng)格填充方法：將24×24的高分辨率圖像劃分2×2的小格，每個(gè)小格中均包含4個(gè)像素。這4個(gè)像素分別由低分辨率圖像(a)，(b)，(c)，(d)在對應(yīng)位置處各取一個(gè)像素填充。填充順序?yàn)樽宰蠖摇⒆陨隙隆?/p>

圖5 4幀光斑區(qū)域圖像合成示意圖

(5)

(a)由四幀低分辨率光斑直接合成結(jié)果

(6)

對光斑SHR進(jìn)行質(zhì)心定位時(shí)，采用二維一階修正矩的計(jì)算方法[25-26]。設(shè)光斑的質(zhì)心坐標(biāo)為(X，Y)，單個(gè)像素點(diǎn)的坐標(biāo)用(x，y)表示，該像素點(diǎn)(x，y)處的灰度值可用I(x，y)表示，則：

(7)

3 實(shí) 驗(yàn)

本文實(shí)驗(yàn)在激光試驗(yàn)靶場進(jìn)行，采用固定CCD相機(jī)及配套采集設(shè)備連續(xù)采集目標(biāo)靶面的視頻序列圖像。使用激光發(fā)射裝置對靶面進(jìn)行射擊，射擊間隔約為4～5 s。激光光斑在靶面上有較長的消隱時(shí)間(≥40 s)。由于光斑質(zhì)心位置的真實(shí)值不易獲得，因此，對光斑出現(xiàn)后的幀圖進(jìn)行重復(fù)采集，提取目標(biāo)光斑的質(zhì)心，以提取質(zhì)心的位置穩(wěn)定度作為算法性能的評價(jià)標(biāo)準(zhǔn)。

3.1 評價(jià)準(zhǔn)則

將一次光斑j的質(zhì)心定位視為一次試驗(yàn)，得到的質(zhì)心位置為(Xi，j，Yi，j)，i=1，…，N，N為總的試驗(yàn)次數(shù)；j=1，…，K，K為光斑的總數(shù)目。則評價(jià)函數(shù)定義為：

(8)

(9)

3.2 試驗(yàn)結(jié)果與分析

連續(xù)采集光斑突發(fā)時(shí)刻的第j幀和其后連續(xù)的第j+1，j+2，…，j+N+3幀圖像，將最后4幀圖像與第j幀分別相減，取模后得到差分圖像d1，d2，…，dN+3。采用本文方法將{d1，d2，d3，d4}， {d2，d3，d4，d5}， …， {dN，dN+1，dN+2，dN+3}提取的光斑區(qū)域分別合成高分辨率光斑，然后進(jìn)行光斑質(zhì)心定位。現(xiàn)有的高精度質(zhì)心定位方法中效果比較顯著的是基于雙線性插值提高圖像分辨率的方法[11]，本文將其作為對比方法。對比方法將d1，d2，…，dN分別插值為高分辨率圖像，然后采用相同的方法對光斑質(zhì)心進(jìn)行定位。實(shí)驗(yàn)中，采集約1 s內(nèi)的幀圖進(jìn)行計(jì)算，得到兩種方法所確定的某一光斑質(zhì)心坐標(biāo)分布如圖7所示。

圖7 本文方法與對比方法提取的光斑質(zhì)心的坐標(biāo)分布圖

Fig.7 Distribution of spot centroids extracted by reference methods and proposed method

由圖7可直觀地看到，本文方法得到的質(zhì)心坐標(biāo)更為緊湊，而對比方法得到的質(zhì)心分布則較為松散一些，這表明使用本文算法所提取的質(zhì)心坐標(biāo)更為穩(wěn)定。從數(shù)據(jù)上看，本算法定位質(zhì)心坐標(biāo)是(295.722 9±0.045 2，150.459 6±0.019 5)較之對比方法的(296.013 0±0.086 7，150.741 0±0.070 5)，置信區(qū)間更小，表明其定位精度更高；兩種方法的M值如表1所示。由表1也可以得知本文算法效果更優(yōu)。

表1 某一光斑的質(zhì)心定位結(jié)果

為了證明本文算法的魯棒性，本文進(jìn)行了多次射擊試驗(yàn)，每次試驗(yàn)采用多幀進(jìn)行比較定位，如圖8所示。

圖8 對多點(diǎn)光斑的質(zhì)心定位實(shí)驗(yàn)

表2 實(shí)驗(yàn)所有光斑質(zhì)心定位的結(jié)果

4 結(jié) 論

針對激光模擬射擊系統(tǒng)的需求本文提出了一種基于視頻序列圖像的光斑檢測與高精度質(zhì)心定位方法。首先，利用幀間的差分圖像對射擊突發(fā)事件進(jìn)行檢測；然后，利用形態(tài)學(xué)濾波方法將目標(biāo)光斑與背景噪聲進(jìn)行分割；最后，將4幀差分圖像合成為一幀圖像，實(shí)現(xiàn)光斑質(zhì)心的高精度定位。該方法對利用閾值法提取光斑的策略進(jìn)行了改進(jìn)，并克服了傳統(tǒng)窗口法無法有效降低窗口內(nèi)噪聲影響的缺陷。實(shí)驗(yàn)表明：本文方法的光斑質(zhì)心定位精度達(dá)到了亞像素級別，與傳統(tǒng)方法相比，光斑質(zhì)心定位精度與穩(wěn)定性明顯提高。在定義的穩(wěn)定性度量上，傳統(tǒng)方法為0.002 97，而本文算法為0.000 49，優(yōu)于傳統(tǒng)算法。本文的研究內(nèi)容對激光射擊系統(tǒng)性能的提升具有重要意義。

[1] ROHM H P. Laser shooting system， United States： US 2007/0021220 A1 [P]. Jan. 25， 2007.

[2] KENDIR T， SHECHTER M， CLARK J. Firearm laser training system and method facilitating firearm training for extended range targets with feedback of firearm control， United States： US 7329127 B2 [P]. Feb. 12， 2008.

[3] HASEBE H， OKI M. Laser gun and shooting system for the same， United States： US 6962532 B2 [P]. Nov. 8， 2005.

[4] 吳喜廣. 紅外激光打靶訓(xùn)練系統(tǒng)的設(shè)計(jì)[D]. 蘭州：蘭州大學(xué)，2012. WU X G.Designoftheinfraredlasershootingtrainingsystem[D]. Lanzhou： University of Lanzhou， 2012.(in Chinese)

[5] 王輝. 激光模擬打靶系統(tǒng)設(shè)計(jì)與靶環(huán)圖像處理技術(shù)研究[D]. 太原：中北大學(xué)，2010. WANG H.Designonlasersimulationshootingsystemandresearchontargetringimageprocessingtechnology[D]. Taiyuan：North University of China， 2010.(in Chinese)

[6] 張強(qiáng)，李靜，應(yīng)自爐，等. 一種基于圖像處理的激光打靶儀設(shè)計(jì)[J]. 現(xiàn)代電子技術(shù)， 2012， 35(12)： 90-94. ZHANG Q， LI J， YING Z L，etal.. Design of laser targeting device based on image processing[J].ModernElectronicsTechnique， 2012， 35(12)： 90-94.(in Chinese)

[7] 李艷曉，張磊，張紅剛，等. 基于雙CCD 探測的外場高精度激光光斑測試技術(shù)[J]. 紅外與激光工程， 2015， 44(1)： 59-64. LI Y X， ZHANG L， ZHANG H G，etal.. Technology of high precision test for laser spot based on double CCD detection in the outfield [J].InfraredandLaserEngineering， 2015， 44(1)： 59-64.(in Chinese)

[8] 張寧，沈湘衡. 采用CCD 相機(jī)測量目標(biāo)靶形心位置精度的方法[J]. 紅外與激光工程， 2015， 44(1)： 279-284. ZHANG N， SHEN X H. Verification method for measuring accuracy of shape center location of target by using CCD camera [J].InfraredandLaserEngineering， 2015， 44(1)： 279-284.(in Chinese)

[9] BAKER K L，MOALLEM M M. Iteratively weighted centroiding for Shack-Hartmann wave-front sensors [J].OpticsExpress，2007，15(8)：5147-5159.

[11] HANCOCK B R， STIRBL R C， CUNNINGHAM T J，etal.. CMOS active pixel sensor specific performance effects on star tracker/imager position accuracy [J].SPIE， 2001， 4284：43-53.

[12] 梁春，廖文和，沈建新，等. Hartmann-Shack波前傳感器的自適應(yīng)質(zhì)心探測方法[J]. 中國激光，2009，36(2)：430-434. LIANG CH， LIAO W H， SHEN J X，etal.. An adaptive detecting centroid method for Hartmann-Shack wavefront sensor [J].ChineseJournalofLasers， 2009， 36(2)： 430-434.

[13] BAIK S H， PARK S K， KIM C J，etal.. A center detection algorithm for Shack-Hartmann wavefront sensor [J].Optics&LaserTechnology， 2007， 39：262-267.

[14] YIN X M， LI X， ZHAO L P，etal.. Adaptive thresholding and dynamic windowing method for automatic centroid detection of digital Shack-Hartmann wavefront sensor [J].AppliedOptics， 2009， 48(32)：6088-6098.

[15] 李振偉，張濤，張楠，等. 暗弱空間目標(biāo)的高精度定位[J]. 光學(xué) 精密工程，2015，23(9)： 2627-2634. LI ZH W， ZHANG T， ZHANG N，etal.. High precision orientation of faint space objects [J].Opt.PrecisionEng.， 2015， 23(9)： 2627-2634.(in Chinese)

[16] 穆紹碩，張葉，賈平. 基于自學(xué)習(xí)局部線性嵌入的多幅亞像元超分辨成像[J]. 光學(xué) 精密工程，2015，23(9)： 2677-2686. MU SH SH， ZHANG Y， JIA P. Super-resolution imaging of multi-frame sub-pixel images based on self-learning LLE [J].Opt.PrecisionEng.， 2015， 23(9)： 2677-2686.(in Chinese)

[17] 田浩南， 張葉.基于邊緣及特征點(diǎn)匹配的立體圖像質(zhì)量評價(jià)[J].液晶與顯示，2015， 30(4)： 666-672. TIAN H N， ZHANG Y. Quality evaluation of stereo image based on edge and characteristic point matching [J].ChineseJournalofLiquidCrystalsandDisplays， 2015， 30(4)： 666-672.(in Chinese)

[18] 劉久文， 潘峰， 李軍.結(jié)合圖像邊緣檢測和最小誤差替換的隱寫方案[J].液晶與顯示，2015， 30(1)： 151-156. LIU J W， PAN F， LI J. Steganography based on edge detection and minimum error replacement [J].ChineseJournalofLiquidCrystalsandDisplays， 2015， 30(1)： 151-156.(in Chinese)

[19] 金占雷.CCD光斑質(zhì)心算法的誤差分析[J].航天返回與遙感，2011， 32(1)： 38-44. JIN ZH L. Error analysis of centroid algorithm based on CCD [J].SpacecraftRecovery&RemoteSensing， 2011， 32(1)： 38-44.(in Chinese)

[20] 王薇， 陳懷新. 基于優(yōu)化探測窗口的光斑質(zhì)心探測方法[J]. 強(qiáng)激光與粒子束，2006， 18(8)： 1249-1252. WANG W， CHEN H X. New method for centroid detecting of focal spot based on optimizing detecting window [J].HighPowerLaserandParticleBeams， 2006， 18(8)： 1249-1252. (in Chinese)

[21] OTSU N. A threshold selection method from gray level histogram [J].IEEETransactionsonSystems，ManandCybernetics， 1979，9(1)：62-66.

[22] VELASCO F R D. Thresholding using the ISODATA clustering algorithm [J].IEEETransactiononSystems，ManandCybernetics， 1980， 10(11)：771-774.

[23] GONZALEZ R C， WOODS R E.DigitalImageProcessing(2ndEdition)[M]. Beijing： Publishing House of Electronics Industry， 2007， 520-525.

[24] 夏愛利，馬彩文. 基于圖像處理技術(shù)的光斑質(zhì)心高精度測量[J]. 光電子·激光，2011， 22(10)： 1542-1545. XIA A L， MA C W. Measurement of focal spot centroid based on image processing [J].JournalofOptoelectronicsLaser， 2011， 22(10)： 1542-1545.(in Chinese)

[25] 潘波，楊根慶，劉勇. 星點(diǎn)質(zhì)心定位算法最優(yōu)門限研究[J]. 光學(xué) 精密工程，2008，16(9)：1787-1792 PAN B，YANG G Q，LIU Y. Study on optimization threshold of centroid algorithm [J].Opt.PrecisionEng.， 2008，16(9)：1787-1792.(in Chinese)

[26] GUO W J， ZHAO L P， TONG CH SH，etal.. Adaptive centroid-finding algorithm for freeform surface measurements [J].AppliedOptics， 2013， 52(10)： D75-D83.

錢 鋒(1987-)，男，湖南長沙人，博士研究生，2011年于中國科學(xué)技術(shù)大學(xué)獲得工學(xué)學(xué)士學(xué)位，主要研究方向?yàn)閳D像處理與目標(biāo)識別。E-mail：zilgard@126.com

張曉沛(1994-)，男，吉林長春人，本科生，現(xiàn)就讀于美國加利福尼亞大學(xué)洛杉磯分校，亨利·薩繆里工程與應(yīng)用科學(xué)學(xué)院，電子工程專業(yè)，主要從事機(jī)器視覺、人工智能技術(shù)研究。E-mail:zxp mirror1994

楊名宇(1983-)，男，吉林松原人，博士，助理研究員，2006 年于吉林大學(xué)獲得學(xué)士學(xué)位，2012 年于中國科學(xué)院自動化研究所獲得博士學(xué)位，主要從事可見光和紅外圖像中目標(biāo)檢測、目標(biāo)分割方面的研究。E-mail： ymy1983@ 163.com

(本欄目編輯：李自樂)

(版權(quán)所有 未經(jīng)許可 不得轉(zhuǎn)載)

Improvement of localization accuracy of spot centroid based on sequential images

QIAN Feng1，2*， YANG Ming-yu1， ZHANG Xiao-pei3

(1.Changchun Institute of Optics， Fine Mechanics and Physics，ChineseAcademyofSciences，Changchun130033，China；2.UniversityofChineseAcademyofSciences，Beijing100049，China；3.HenrySamueliSchoolofEngineeringandAppliedScience，UniversityofCaliforniaLosAngeles，CA90095，USA)

To meet the requirements of a laser firing simulation system for high speed and high accurate location of laser spot centroids， a novel method based on the video sequential images is proposed for the spot detection and spot centroid location. The method firstly detects the firing events by the subtraction image between every two sequential frames and by the estimated noise parameters. Then， it uses the noise estimation to determine the segmenting threshold of the spot and combines morphologic filtering techniques to extract the spot region out from the background， meanwhile reducing the noises inside and outside of the window. Finally， one high resolution image is generated from 4 subtraction images to decrease the image noise and computing errors and to improve the locating accuracy of the spot centroid. Experimental results indicate that the spot centroid localization precision of laser spot and the average measurement stability of the proposed method are superior to that of the conventional method. The spot centroid localization precision has been reached to sub-pixel level， and the average measurement stability is 0.000 49， far better than the conventional 0.002 97. The method in this study is conductive to improving the performance of laser firing simulation systems.

spot detection； centroid localization； mass of gravity； sequential image； laser firing simulation

2016-03-24；

2016-05-23.

中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所重點(diǎn)發(fā)展項(xiàng)目(No.y3cx1ss14c)；中科院航空光學(xué)成像與測量重點(diǎn)實(shí)驗(yàn)室科研基金資助項(xiàng)目(No.y3hc1sr141)

1004-924X(2016)11-2880-09

TP391.4

A

10.3788/OPE.20162411.2880

*Correspondingauthor，E-mail：zilgard@126.com