论文部分内容阅读
伴随着科技的不断发展,基于计算机技术的视觉处理方法开始在视觉领域大放异彩。在大型光学装置领域,传统的离线检测技术需要对光学装置中的元器件拆卸后进行分析,所以离线检测技术不仅效率无法保证而且还会影响装置的使用成本以及使用寿命。因此光学元器件损伤在线检测技术的研究成为了一个急需解决的问题。在光学元器件在线检测的研究中,近些年国内外的相关研究也提出了多种方法,但这些方法都是基于传统的图像处理方法的研究。近年来随着机器学习与人工智能等技术的发展,采用卷积神经网络进行图像处理成为了计算机图像处理领域的热门方法。在此背景下,本文提出了基于退化模型复原与卷积神经网络的光学元器件损伤在线检测方法,将卷积神经网络技术与传统的图像处理技术中的复原技术进行结合,对损伤图像进行在线检测。首先,本文通过退化模型复原技术对图像进行建模,随后根据损伤图像中已有的先验知识,对损伤图像设计复原算法,并将该算法应用到损伤图像的退化模型复原中去,观察实验的结果并和国内外所采用的基于传统图像处理的方法进行对比分析。随后,由于大型光学装置的特殊性,获取光学损伤图像成本极高。为了便于后续分类器的训练,本文中设计了一种数据集制作方案,将数据先划分成小的区域,进而对区域中的损伤点进行准确检测。随后将图像区域进行伪样本扩充,进而使其可以作为训练样本对分类器进行训练。最后,本文设计了一个基于卷积神经网络进行分类检测的分类器,然后用制作好的数据集对其进行训练、检测,并将该分类器与其他的机器学习或深度学习方法进行对比,观察分类的结果并对结果进行分析。随后将经过复原处理后的图像和未复原的图像数据集分别用此网络进行训练、检测,进而证实了复原算法对于损伤图像识别检测是有效果的。