大口徑光學(xué)元件表面疵病自動化檢測系統(tǒng)關(guān)鍵問題討論與研究.pdf

1、本文在分析了現(xiàn)有精密光學(xué)元件表面疵病自動化檢測原型系統(tǒng)的基礎(chǔ)上，提出了可用于測量更大口徑元件的疵病檢測系統(tǒng)改進方案。該方案通過對原型系統(tǒng)的照明光學(xué)系統(tǒng)、圖像拼接算法和圖像數(shù)據(jù)的存儲三個重要方面的改進，不僅使系統(tǒng)的整體性能得到較大的提升，而且使疵病檢測系統(tǒng)更加適用于實際檢測過程中需要對大量的大口徑元件進行表面疵病檢測的情況。
　　 在照明光學(xué)系統(tǒng)方面，分析了原有基于光纖鹵素?zé)艉团R界照明結(jié)構(gòu)的照明光學(xué)系統(tǒng)在照明均勻性和結(jié)構(gòu)緊湊性方面

2、的不足，提出了基于LED和柯拉照明結(jié)構(gòu)的改進照明光學(xué)系統(tǒng)。通過光學(xué)軟件設(shè)計、仿真及新的照明光學(xué)系統(tǒng)的制作，證明了改進后的系統(tǒng)在照明面積、照明均勻性以及結(jié)構(gòu)緊湊性上都有了明顯的改善。而后，在此基礎(chǔ)上有提出了基于LED和復(fù)眼透鏡結(jié)構(gòu)的進一步改進方案。通過光學(xué)軟件的設(shè)計、仿真，驗證了該方案能夠在保持結(jié)構(gòu)緊湊性的基礎(chǔ)上，進一步提高照明面積和照明均勻性。
　　 在子孔徑圖像拼接算法方面，分析了原邊緣拓展法的優(yōu)點及不足，提出了基于特征分類的

3、多層次圖像拼接改進算法。該算法分為特征分類和多層次拼接兩個部分：算法前一部分通過重疊區(qū)域內(nèi)特征的提取和分類，將所有子孔徑圖像的重疊區(qū)域分為四類；后一部分則是針對這四類重疊區(qū)域的不同特點，有次序的進行四輪圖像拼接，最終得到全景圖像。實驗證明，該算法能有效避免由導(dǎo)軌定位誤差的積累以及貫穿直線型特征導(dǎo)致的拼接錯位，而且在效率上有一定程度的提高。
　　 在圖像數(shù)據(jù)的存儲方面，分析了現(xiàn)有圖像壓縮方法和標(biāo)準(zhǔn)，提出了通過JPEG2000圖像壓

4、縮標(biāo)準(zhǔn)對疵病檢測系統(tǒng)產(chǎn)生的灰度圖像進行壓縮存儲的方案。實驗證明，該方案不僅能高效利用存儲空間，而且具有很大的靈活性。而后，分析了疵病檢測系統(tǒng)對二值圖像的存儲需求，提出了以線段編碼方式實現(xiàn)二值圖像的結(jié)構(gòu)化存儲方案。實驗證明，該方案不僅能節(jié)省存儲空間，而且能實現(xiàn)基于疵病特征的隨機讀取和再現(xiàn)。
　　 最后，通過系統(tǒng)級整體實驗，進一步驗證了改進后的照明光學(xué)系統(tǒng)、圖像拼接算法、圖像數(shù)據(jù)的存儲方案對于系統(tǒng)整體性能的提升以及對于實際測量情況的