CN114370820A - 光谱共焦位移传感器的峰值提取方法、检测方法及系统 - Google Patents

Abstract

本申请公开了一种光谱共焦位移传感器的峰值提取方法、检测方法及系统。该峰值提取方法包括：对光谱共焦位移传感器采集的色散图像进行预处理，获取离散光谱数据片段，所述离散光谱数据片段中包含若干个像素点的数据；选择非负且全空间积分为1的核函数并确定所述核函数中的超参数；利用所述离散光谱数据片段及所述核函数生成模拟的连续光谱数据；根据所述连续光谱数据确定光谱共焦位移传感器的光谱峰值。本发明可以对光谱峰值进行更精确的估计，从而提升传感器的测量精度。

Description

光谱共焦位移传感器的峰值提取方法、检测方法及系统

技术领域

本申请涉及结构测量技术领域，更具体地，涉及一种光谱共焦位移传感器的峰值提取方法、检测方法及系统。

背景技术

基于光谱共焦原理的非接触式位移传感器被用于表面形貌检测领域，其具有高精度、高效率、非接触的扫描特点，为特定的需求环境提供了可靠的测量支持。根据光谱色散的特点，光谱峰值与反射面位置存在一一映射关系。通过建立此映射关系，在获取光谱峰值的前提下，即可换算出相应反射面位置。传统技术中，在有限色散波长范围内，多见以线性系统建立此类映射关系，再以质心法获取光谱峰值的估计值，进而计算反射面位置。在实际使用过程中，由于物品表面反射率、粗糙度、颜色等光学特性的不同，光谱能量分布较为复杂，以离散均匀分布为基础的质心法模式单一无法对光谱峰值给出较好的估计，进而影响传感器的测量精度。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种光谱共焦位移传感器的峰值提取方法、检测方法及系统，可以对光谱峰值进行更精确的估计，从而提升传感器的测量精度。

为实现上述目的，按照本发明的一个方面，提供了一种光谱共焦位移传感器的峰值提取方法，包括：

对光谱共焦位移传感器采集的色散图像进行预处理，获取离散光谱数据片段，所述离散光谱数据片段中包含若干个像素点的数据；

选择非负且全空间积分为1的核函数并确定所述核函数中的超参数；

利用所述离散光谱数据片段及所述核函数生成模拟的连续光谱数据；

根据所述连续光谱数据确定光谱共焦位移传感器的光谱峰值。

进一步地，所述色散图像中包括若干个像素点的位置坐标及灰度值，所述预处理包括：

对所述色散图像进行去噪处理，对去噪处理后的图像按列提取图像数据，并将去噪后灰度值大于零的像素点作为有效数据，若有效数据连续出现至少N₁个，且该连续出现的有效数据中最大灰度值至少达到N₂，则将连续出现的有效数据作为离散光谱数据片段，其中N₁、N₂均为预设阈值。

进一步地，若所述光谱共焦位移传感器的检测对象为多层透明材料，从所述色散图像中提取多个离散光谱数据片段，分别根据每个离散光谱数据片段确定对应的光谱峰值。

进一步地，所述核函数中的超参数为固定参数，所述确定所述核函数中的超参数包括：以标准平面样品作为反射面，设定超参数变化范围，在此范围内确定不同超参数时标准平面样品对应的光谱峰值校准数据的线性度，取线性度最高时的超参数作为所述核函数中的超参数。

进一步地，所述核函数中的超参数根据局部点的位置动态变化，所述确定所述核函数中的超参数包括：以标准平面样品作为反射面，设定超参数变化范围，在此范围内确定不同超参数时标准平面样品对应的光谱峰值校准数据的线性度，取线性度最高时的超参数作为每个局部点的超参数初值，根据超参数初值计算全局概率密度分布，利用全局概率密度分布计算在每个局部点达到最佳局部平均积分平方误差时超参数的最优解作为每个局部点的超参数。

进一步地，所述生成模拟的连续光谱数据包括：

利用核函数和所述离散光谱数据片段分别生成以各像素点为中心的密度组分，叠加各密度组分获得核密度估计函数，将所述核密度估计函数作为所述连续光谱数据。

进一步地，取所述连续光谱数据中光谱能量最强处对应的波长值作为所述光谱峰值。

进一步地，所述核函数为高斯核函数、或均匀核函数、或三角核函数。

按照本发明的第二方面，提供了一种基于光谱共焦位移传感器的检测方法，包括任一项上述的一种光谱共焦位移传感器的峰值提取方法。

按照本发明的第三方面，提供了一种光谱共焦位移传感器的峰值提取系统，包括：

数据预处理模块，用于对光谱共焦位移传感器采集的色散图像进行预处理，获取离散光谱数据片段，所述离散光谱数据片段中包含若干个像素点的数据；

核函数选取模块，用于选择非负且全空间积分为1的核函数并确定所述核函数中的超参数；

生成模块，用于利用所述离散光谱数据片段及所述核函数生成模拟的连续光谱数据；

输出模块，用于根据所述连续光谱数据确定光谱共焦位移传感器的光谱峰值。

总体而言，本发明提供光谱共焦位移传感器的峰值提取方法通过选择核函数，利用已知的离散光谱数据片段及核函数生成模拟的连续光谱数据，再利用连续光谱数据确定光谱共焦位移传感器的光谱峰值，可以表达复杂的光谱特征，使得峰值提取更加可靠，从而提升传感器的测量精度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的峰值提取方法的流程图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本申请的说明书和权利要求书中，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

此外，为了避免使技术人员对本发明的理解模糊，可能不详细地描述或示出公知的或广泛使用的技术、元件、结构和处理。

如图1所示，本发明实施例的一种光谱共焦位移传感器的峰值提取方法，包括步骤：

S101，对光谱共焦位移传感器采集的色散图像进行预处理，获取离散光谱数据片段，离散光谱数据片段中包含若干个像素点的数据。

根据光路特征在光谱共焦位移传感器接收端CMOS处获取色散图像。色散图像中包括若干个像素点的位置坐标及灰度值。对色散图像进行预处理，获取离散光谱数据片段。以某个含n个像素点的离散光谱数据片段为例，表示如下，

{(x ⁽¹⁾,y ⁽¹⁾),(x ⁽²⁾,y ⁽²⁾),……,(x ⁽ⁿ⁾,y ⁽ⁿ⁾)}

其中，x ⁽ⁱ⁾表示离散光谱数据片段中第i个像素点的位置坐标，y ⁽ⁱ⁾表示位于x ⁽ⁱ⁾的像素点的灰度值，1≤i≤n，n为离散光谱数据片段中的像素点总数。

进一步地，预处理包括：对色散图像进行去噪处理，对去噪处理后的图像按列提取图像数据，并将去噪后灰度值大于零的像素点作为有效数据，若有效数据连续出现至少N₁个，且该连续出现的有效数据中最大灰度值至少达到N₂，则将连续出现的有效数据作为离散光谱数据片段，其中N₁、N₂均为预设阈值。其中，列是指沿着色散方向的列，对于线扫描光谱共焦位移传感器，其色散方向与传感器中CMOS纵向重合，因此沿着色散方向上的列即传感器中CMOS成像上的列。

在一个实施例中，预处理包括：根据光谱共焦位移传感器曝光情况，选择一个合适的偏置值30去除图像底噪；按列提取图像数据，并将灰度大于0的数据点作为有效数据；若有效数据连续出现至少10个，且连续出现的有效数据中最大灰度至少达到20，则此连续出现的有效数据作为离散光谱数据片段。

进一步地，预处理也可以采用其他处理方法，例如，按列提取图像数据，单方向扫描灰度找到灰度的局部极大值，在此局部极大值附近固定选取5个最邻近的数据点作为离散光谱数据片段。

若光谱共焦位移传感器的检测对象为多层透明材料，则每层材料都会对不同波长的入射光线进行反射，从而在色散图像中形成不同波长对应的数据，采用上述的预处理方法，每层反射光形成的数据理想情况下应当是连续的，不同层反射光形成的数据间有间断。因此从色散图像中提取多个离散光谱数据片段，分别根据每个离散光谱数据片段确定对应的光谱峰值。

S102，选择非负且全空间积分为1的核函数并确定核函数中的超参数。

核函数必须满足的条件是：非负、全空间积分为1。

进一步地，可以选择具有非负、对称、单峰性质的函数，例如高斯核函数（Gaussiankernel）、或均匀核函数（Uniform kernel）、或三角核函数。

考虑光子分布为一种概率波，优选采用有限个高斯波包的叠加对连续光谱进行模拟，首选如下高斯核函数：

其中，K(t)为核函数，

为高斯核函数，h为超参数，通过固定超参数方案或动态超参数方案等手段获取。

在一个实施例中，核函数中的超参数为固定超参数。确定核函数中的超参数包括：选择经过标定后的标准平面样品，以其作为反射面在传感器CMOS上成像。选择某个超参数h，提取标准平面样品对应的光谱峰值，对提取的光谱峰值进行校准，即将平面峰值从像素空间换算至物理空间。计算物理空间中数据的线性度δ。由此获得不同超参数h对应的线性度δ。取线性度最高，即对应δ取最小值时的超参数作为核函数中的固定超参数，即

，此h*即为固定超参数的取值。

在另一个实施例中，核函数中的超参数根据局部点位置动态变化。确定核函数中的超参数具体包括：以固定超参数方案下的超参数取值h*作为全局超参数，估算全局概率密度分布

，其中x代表局部密度估计点。在局部平均积分平方误差的含义下，利用全局密度函数

估算每个局部点x达到最佳局部平均积分平方误差时超参数h的最优解h*(x)。在不同局部点x处，最佳超参数取值h*(x)是变化的。此h*(x)即为动态超参数方案下的取值。

其中，局部平均积分平方误差是指在局部点x邻域Δx内估算概率密度f(x)与真实概率密度

的平均积分平方误差。

因此，在动态调整的含义下，给定离散空间中有效光谱数据片段及初始超参数，在每个估计点x处，均会生成一个新的超参数，因为每个数据点的超参数均在当前估计点局部平均积分平方误差最优含义下生成，所以在此基础上计算新的光谱数据，能够得到更好的模拟光谱，此时的峰值提取也将更加可靠。

其它核函数中超参数确定方法和高斯函数中超参数确定方法是类似的，此处不再赘述。

S103，利用离散光谱数据片段及核函数生成模拟的连续光谱数据。

利用核函数和所述离散光谱数据片段分别生成以各像素点为中心的密度组分，叠加各密度组分获得核密度估计函数，将所述核密度估计函数作为所述连续光谱数据。

进一步地，是以同等权重线性叠加各密度组分得最终核密度估计函数。

在一个实施例中，将连续光谱数据记为f(x)，其计算公式为：

S104，根据连续光谱数据确定光谱共焦位移传感器的光谱峰值。

光谱峰值代表连续光谱数据取光谱能量最强，即光谱能量最大值处对应的波长值。因此当极小化负核密度估计函数，即极大化核密度估计函数时，光谱峰值取此优化问题的最优解。

在一个实施例中，光谱共焦位移传感器的光谱峰值的计算公式为：

式中，x ^*为光谱共焦位移传感器的光谱峰值，argmin表示使目标函数－f（x）取最小值时的x值。

实践中，由于目标函数－f（x）是足够光滑的，可用牛顿法快速求解之。同时，当

时，x ^*趋近于传统质心法，即

式中，lim表示极限。

质心法是一种广泛使用的峰值提取算法，内置于许多业内软件，如果需要复现质心法的效果，只需将核函数中的超参数取足够大即可，例如超参数取1000。

本发明的光谱共焦位移传感器的峰值提取方法通过选择核函数，利用已知的离散光谱数据片段及核函数生成模拟的连续光谱数据，再利用连续光谱数据确定光谱共焦位移传感器的光谱峰值，可以表达复杂的光谱特征，使得峰值提取更加可靠，从而提升传感器的测量精度。

本发明实施例的一种基于光谱共焦位移传感器的检测方法，包括任一项上述的一种光谱共焦位移传感器的峰值提取方法。多个离散光谱数据片段组合成色散图像，每个片段中获取的波长峰值经过校准转换为高度信息，该高度信息表示待测物体表面相对于参考面在物理空间中的高度信息。

该检测方法中，还包括步骤：建立光谱共焦位移传感器的光谱峰值与目标反射面位置的映射关系；根据该映射关系及根据上述的峰值提取方法获取的光谱峰值，确定目标反射面位置。

应当注意，尽管在上述的方法实施例中，以特定顺序描述了本说明书实施例的方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本发明实施例的一种光谱共焦位移传感器的峰值提取系统，包括：

数据预处理模块，用于对光谱共焦位移传感器采集的色散图像进行预处理，获取离散光谱数据片段，离散光谱数据片段中包含若干个像素点的数据；

核函数选取模块，用于选择非负且全空间积分为1的核函数并确定核函数中的超参数；

生成模块，用于利用离散光谱数据片段及核函数生成模拟的连续光谱数据；

输出模块，用于根据连续光谱数据确定光谱共焦位移传感器的光谱峰值。

关于峰值提取系统的具体限定可以参见上文中对于峰值提取方法的限定，在此不再赘述。上述峰值提取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种光谱共焦位移传感器的峰值提取方法，其特征在于，包括：

对光谱共焦位移传感器采集的色散图像进行预处理，获取离散光谱数据片段，所述离散光谱数据片段中包含若干个像素点的数据；

选择非负且全空间积分为1的核函数并确定所述核函数中的超参数；

利用所述离散光谱数据片段及所述核函数生成模拟的连续光谱数据；

根据所述连续光谱数据确定光谱共焦位移传感器的光谱峰值。

2.如权利要求1所述的一种光谱共焦位移传感器的峰值提取方法，其特征在于，所述色散图像中包括若干个像素点的位置坐标及灰度值，所述预处理包括：

对所述色散图像进行去噪处理，对去噪处理后的图像按列提取图像数据，并将去噪后灰度值大于零的像素点作为有效数据，若有效数据连续出现至少N₁个，且该连续出现的有效数据中最大灰度值至少达到N₂，则将连续出现的有效数据作为离散光谱数据片段，其中N₁、N₂均为预设阈值。

3.如权利要求1所述的一种光谱共焦位移传感器的峰值提取方法，其特征在于，若所述光谱共焦位移传感器的检测对象为多层透明材料，从所述色散图像中提取多个离散光谱数据片段，分别根据每个离散光谱数据片段确定对应的光谱峰值。

4.如权利要求1所述的一种光谱共焦位移传感器的峰值提取方法，其特征在于，所述核函数中的超参数为固定参数，所述确定所述核函数中的超参数包括：以标准平面样品作为反射面，设定超参数变化范围，在此范围内确定不同超参数时标准平面样品对应的光谱峰值校准数据的线性度，取线性度最高时的超参数作为所述核函数中的超参数。

5.如权利要求1所述的一种光谱共焦位移传感器的峰值提取方法，其特征在于，所述核函数中的超参数根据局部点的位置动态变化，所述确定所述核函数中的超参数包括：以标准平面样品作为反射面，设定超参数变化范围，在此范围内确定不同超参数时标准平面样品对应的光谱峰值校准数据的线性度，取线性度最高时的超参数作为每个局部点的超参数初值，根据超参数初值计算全局概率密度分布，利用全局概率密度分布计算在每个局部点达到最佳局部平均积分平方误差时超参数的最优解作为每个局部点的超参数。

6.如权利要求1所述的一种光谱共焦位移传感器的峰值提取方法，其特征在于，所述生成模拟的连续光谱数据包括：

利用核函数和所述离散光谱数据片段分别生成以各像素点为中心的密度组分，叠加各密度组分获得核密度估计函数，将所述核密度估计函数作为所述连续光谱数据。

7.如权利要求1所述的一种光谱共焦位移传感器的峰值提取方法，其特征在于，取所述连续光谱数据中光谱能量最强处对应的波长值作为所述光谱峰值。

8.如权利要求1所述的一种光谱共焦位移传感器的峰值提取方法，其特征在于，所述核函数为高斯核函数、或均匀核函数、或三角核函数。

9.一种基于光谱共焦位移传感器的检测方法，其特征在于，包括如权利要求1至8任一项的一种光谱共焦位移传感器的峰值提取方法。

10.一种光谱共焦位移传感器的峰值提取系统，其特征在于，包括：

数据预处理模块，用于对光谱共焦位移传感器采集的色散图像进行预处理，获取离散光谱数据片段，所述离散光谱数据片段中包含若干个像素点的数据；

核函数选取模块，用于选择非负且全空间积分为1的核函数并确定所述核函数中的超参数；

生成模块，用于利用所述离散光谱数据片段及所述核函数生成模拟的连续光谱数据；

输出模块，用于根据所述连续光谱数据确定光谱共焦位移传感器的光谱峰值。

Images