СРАВНЕНИЕ ПО ТОЧНОСТИ АЛГОРИТМОВ ОПРЕДЕЛЕНИЯ КООРДИНАТ ЦЕНТРОВ ИЗОБРАЖЕНИЙ В ОПТИКО-ЭЛЕКТРОННЫХ ПРИБОРАХ

В метрологических оптико-электронных системах, таких как автоколлиматоры, звездные датчики, датчики Шака–Гартмана, в схемах геометрической калибровки цифровых фотокамер для аэрои космической съемки, в различных системах следящего типа, основанных на определении координат изображений простых форм, одним из важных и существенных параметров является точность определения этих координат. В статье приводится описание математической модели измерительного стенда на базе коллиматора, проецирующего тест-объект на фотоприемник оптико-электронного прибора. Математическая модель учитывает характерные шумы для фотоприемников: дробовый полезного сигнала (фотонный) и дробовый темнового сигнала, считывания и пространственную неоднородность элементов ПЗС-матрицы. С целью снижения влияния шумов предлагается применять фильтр Винера для сглаживания изображения и однозначной его идентификации, а также вводить порог по уровню яркости. Приводится сравнение двух алгоритмов определения координат по энергетическому центру тяжести и по контуру. При определении контура тест-объекта использовались детекторы Собела, Прюитт, Робертса, лапласиана гауссиана, Канни. Сущность алгоритма определения координат заключается в поиске контура изображения в виде окружности с последующей его аппроксимацией и определением центра изображения. Произведен расчет погрешности определения координат центра тяжести для тест-объектов различных диаметров (5, 10, 20, 30, 40, 50 пикс) фотоприемника, а также значений отношения сигнал/шум 200, 100, 70, 20, 10. Отношение сигнал/шум рассчитывалось как разница максимальной интенсивности изображения тест-объекта и фона, деленная на среднеквадратическое отклонение фона. С увеличением отношения сигнал/шум улучшается точность определения координат на 0,5–1 порядок. Улучшение точности с увеличением диаметра тест-объекта характерно для больших отношений сигнал/шум: 70 и более. На основании проведенных исследований установлено, что алгоритм определения координат по энергетическому центру тяжести является более точным по сравнению контурными методами и требует меньших вычислительных мощностей (для программного пакета MatLab), что связано с дискретностью при определении контура.

1. Старосотников, Н. О. Высокоточный цифровой автоколлиматор для измерения малых углов / Н. О. Старосотников // Новые направления развития приборостроения: материалы 7-й Междунар. студ. науч.-техн. конф., 23–25 апр. 2014 г. Минск: БНТУ, 2014. С. 244.

2. Jinyun, Yan. Dynamic Imaging Model and Parameter Optimization for a Star Tracker / Yan Jinyun, Jiang Jie, Zhang Guangjun // Optics Express. 2016. Vol. 24, Iss. 6. Р. 5961–5983. DOI: 10.1364/oe.24.005961.

3. Adaptive Thresholding and Dynamic Windowing Method for Automatic Centroid Detection of Digital Shack– Hartmann Wavefront Sensor / Xiaoming Yin [et al.] // Applied Optics. 2009. Vol. 48, Iss. 32, P. 6088–6098. DOI: 10.1364/ao.48.006088.

4. Фотограмметрические параметры оптико-электронной аппаратуры / С. А. Архипов [и др.] // Вестник МГТУ имени Н. Э. Баумана. Сер. Приборостроение. 2008. № 4. С. 105–115.

5. Старосотников, Н. О. Оценка точности определения координат энергетического центра тяжести тест-объекта коллиматора в схемах контроля оптико-электронных приборов с матричными фотоприемниками / Н. О. Старосотников, Р. В. Фёдорцев // Наука и техника. 2015. № 5. С. 71–76.

6. Accurate Projector Calibration Based on a New Point-toPoint Mapping Relationship Between the Camera and Projector Images / Huang Zhengrong [et al.] // Applied Optics. 2015. Vol. 54, Iss. 3. Р. 347–356. DOI: 10.1364/ao.54.000347.

7. Старосотников, Н. О. Метод снижения влияния шумов фонового сигнала при определении координат энергетического центра тяжести изображения в ОЭП / Н. О. Старосотников, Р. В. Фёдорцев // Приборостроение-2016: материалы 9-й Междунар. науч.-техн. конф., 23–25 нояб. 2016 г. Минск: БНТУ, 2016. С. 133–135.

8. Гонсалес, Р. Цифровая обработка изображений в среде MatLab; пер. с англ. / Р. Гонсалес, Р. Вудс, С. Эддинс. М.: Изд-во «Техносфера», 2006. 616 с.

9. Determination of Ocular Torsion by Means of Automatic Pattern Recognition / Е. Groe [et al.] // IEEE Transactions on Biomedical Engineering. 1996. Vol. 43, Iss. 5. Р. 471–479. DOI: 10.1109/10.488795.

10. Canny, J. A Computational Approach to Edge Detection / J. Canny // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. Vol. PAMI-8, Iss. 6, Nov. P. 679–698. DOI: 10.1109/tpami.1986.4767851.