CC BY
62
ВОССТАНОВЛЕНИЕ ЛИНИЙ ЭКСТРЕМУМОВ СЛОЖНЫХ КАРТИН ИНТЕРФЕРЕНЦИОННЫХ ПОЛОС
М.В. Волков
Анализ картин интерференционных полос имеет важное значение для задач неразрушающего контроля объектов. Во многих случаях интерференционные полосы искажены влиянием шумов и локальных дефектов, вследствие чего затруднена оценка их параметров. Представленный метод локально-адаптивной нелинейной фильтрации, основанный на модификации локальных гистограмм, обеспечивает помехоустойчивую обработку интерферограмм с восстановлением линий интерференционных экстремумов. Проведенные исследования показали высокую эффективность метода применительно к обработке сложных картин интерференционных полос.
Введение
Исследования свойств поверхностей различных объектов имеют важное значение для многих областей науки и техники. При этом предпочтительны неразрушающие оптические методы, эффективное применение которых требует использования помехоустойчивых алгоритмов обработки картин интерференционных полос. Обработка интерференционных сигналов и картин интерференционных полос необходима в муаровой [1-3] и голографической [4,5] интерферометрии. Во многих случаях интерференционные полосы искажены влиянием шумов, локальных дефектов и могут иметь низкий контраст, вследствие чего затруднена оценка фазы полос, содержащей информацию об исследуемом объекте или процессе. Известные методы обработки интерференционных полос на основе преобразования Фурье [6,7] или аппроксимации интерференционных полос нелинейными полиномами [8,9] часто не обеспечивают необходимой помехоустойчивости и требуют значительных вычислительных ресурсов при анализе реальных интерференционных картин. Таким образом, проблема разработки новых методов обработки и анализа картин полос является весьма актуальной.
Обычно требуется по картине интерференционных полос восстановить фазу полос или линии интерференционных экстремумов, однако это не всегда возможно без предварительной обработки картины полос. Основной задачей такой обработки является устранение шумов и локальных дефектов без снижения контраста полос. В работе исследован метод нелинейной локально-адаптивной обработки сигналов и изображений, основанный на модификации локальных гистограмм значений яркости. Эффективность метода обеспечивается разработанным алгоритмом настройки конфигурации и размеров локальной области фильтрации в зависимости от топологии картины полос. При этом анализ локальных характеристик полос может осуществляться по дисперсиям или приведенным производным сигнала в различных направлениях.
Представленный метод локально-адаптивной нелинейной фильтрации имеет ряд преимуществ перед стандартными методами обработки интерференционных полос. Метод позволяет обеспечить улучшение качества и анализ характеристик весьма сложных интерферограмм, обработка которых при традиционных подходах представляется проблематичной.
Адаптивная настройка параметров обработки позволяет решить задачу построения непрерывных линий экстремумов интерференционных полос. При этом качество восстановленных линий экстремумов превосходит известные алгоритмы отслеживания полос.
Обработка одномерных сигналов на основе модификации гистограмм
Рассмотрим вначале задачу обработки одномерного сигнала х), который можно рассматривать как сигнал в сечении двумерной интерференционной картины. Пусть реальный сигнал £,( х) определяется моделью
£,( х) = х) + п( х), (1)
где п(х) - аддитивная помеха с нулевым средним, и может принимать дискретные значения (уровни) ^ г, г = 0,...,N. Выделим в области независимой переменной некоторый отрезок [а,Ь] и обозначим его среднюю точку хс. Будем считать, что оценка идеального сигнала хс) может быть определена по значениям £,(х) в точках дискретизации хк, к = 1,..., К, на выбранном отрезке. Для отрезка [а,Ь] построим эмпирическую гистограмму р(Ъ* г), то есть оценку плотности вероятности, соответствующей закону распределения значений хк), хк е[а,Ь], по дискретным уровням ^г. Значение гистограммы для некоторого уровня ^ г равно количеству точек хк е [а,Ь] в которых хк ) = ^г. Гистограмма р(^ г) позволяет вычислить усредненную величину для выборки хк ) на заданном отрезке, а именно:
N / N
3(хе ) = Х ^г) XР(5г). (2)
г=1 / г=1
Сдвигая отрезок на один шаг дискретизации Ах , можно вычислить значение з(хс + Ах)
и т.д. Согласно (1), операция усреднения в (2) позволяет уменьшить влияние аддитивного шума.
Зададим на отрезке [а,Ь] некоторую функцию g(х), обеспечивающую
уменьшение вклада сигнала (х) в гистограмму при удалении точки х от центра хс
отрезка фильтрации. Построим модифицированную гистограмму с учетом этой функции в форме
РЙ *) = [X g (хк )Г, (3)
хк
где хк : хк) = \г , хк е [а,Ь] и « е [1"3].
Таким образом, фильтрация одномерного сигнала методом модификации локальных гистограмм заключается в выполнении следующих операций (см. рис. 1):
• выбирается отрезок фильтрации [а, Ь] и на нем строится гистограмма (3);
• вычисляется среднее значение з(хс) по формуле (2), задающее значение 3(х) в средней точке отрезка;
• отрезок [а, Ь] сдвигается на шаг дискретизации Ах , после чего снова строится гистограмма и т. д.
Рис. 1. Восстановление сигнала методом модификации гистограмм с весовой
функцией
Особенностью метода (3) является сохранение амплитуды сигнала при итерационной обработке, когда оценка сигнала на п -ой итерации 3п (х) вычисляется
на основе данных предыдущей итерации 1 (х), причём ?0 (х) = х) . Модификация (3) гистограммы возведением ее в степень а > 1 увеличивает статистический "вес" точек вблизи экстремумов, что приводит к незначительному изменению формы сигнала, и после нескольких шагов итерационной обработки появляются достаточно заполненные уровни. При этом предельно допустимые отклонения формы сигнала определяются видом весовой функции g(х). В результате, начиная с некоторого шага итерации, полностью прекращается снижение амплитуды сигнала, и дальнейшая обработка приводит лишь к уменьшению влияния помех. После подавления помех изменений сигнала не происходит. Это свойство сходимости итерационного алгоритма очень важно при обработке сигналов, искаженных влиянием пространственно-нестационарных шумов и помех, которые характерны для реальных интерферограмм.
Важной особенностью метода является то, что для сигналов с близкой к нулю производной импульсные помехи в результате почти не оказывают влияния на выходной сигнал. Это объясняется тем, что "вес" каждого значения сигнала £,( х~) при
модификации гистограммы, согласно (3), зависит от количества и удаленности значений сигнала хк ), лежащих на том же уровне ^{. Значения на более заполненных "стабильных" уровнях являются более устойчивыми, поэтому импульсные помехи оказывают на них очень слабое влияние.
Следует отметить, что увеличение локального периода сигнала приводит к значительному повышению эффективности фильтрации. Это свойство рассмотренного метода может быть использовано для повышения эффективности двумерной обработки картин полос, так как локальный период одномерного сигнала в сечении картины полос, проходящем через некоторую точку, зависит от направления.
Обработка картины полос
При переходе к обработке картин интерференционных полос необходимо обеспечить непрерывность по двум координатам. В простейшем случае значение оценки сигнала в некоторой точке определяется значениями сигнала во всех соседних точках некоторой двумерной области. При итерационной обработке возможно использование значений не во всех точках области, а лишь в некоторых сечениях, проходящих через точку, в которой определяется оценка сигнала. Такой подход позволяет значительно увеличить быстродействие метода, так как двумерная обработка может быть сведена к обработке одномерных сигналов.
Локальные периоды Т(/, j,I) одномерных сигналов в различных сечениях I картины полос, проходящих через некоторую точку (/, ^, различны. В случае, когда направление сечения I совпадает с локальным направлением полос для точки (/, j), период Т (/, j, I) максимален, что позволяет с наибольшей эффективностью использовать свойства предложенного метода.
При обработке картины интерференционных полос метод нелинейной фильтрации (3) дает наилучшие результаты, если для каждой дискретной точки (/, j) направление обработки I совпадает с локальным направлением полос. В этом случае помехи в одномерном сигнале устраняются наиболее эффективно, и не происходит снижения амплитуды сигнала. Однако такая обработка приводит к потере непрерывности по направлениям и искажению обработанной картины полос.
Для выполнения условия непрерывности обработки необходимо для каждой точки (/, j) картины полос вычислить оценки ? (/, j, I) одномерных сигналов во всех сечениях I, I = 1,2,.., Ь, проходящих через обрабатываемую точку, а затем с помощью некоторых "коэффициентов значимости" С (/, j, I) найти усредненное значение полученных оценок, а именно
)(', j) = Е с (/, j, I)) (/, j, I)/ е с (/, j, I), (4)
I / I
где ?(', j, I) - оценка одномерного сигнала в точке (', j) в сечении вдоль направления I. Коэффициенты значимости имеют смысл "веса" оценки сигнала в сечении вдоль соответствующего направления. Эффективность нелинейного метода (3) зависит от локального периода сигнала Т (', j, I), следовательно, и от направления обработки I. Таким образом, настройка коэффициентов значимости позволяет повысить эффективность фильтрации. Чем меньше отклонение направления сечения I от локального направления полос, тем больше должен быть соответствующий коэффициент.
Коэффициенты значимости можно оценить по модулям приращений одномерных сигналов вдоль соответствующих направлений. По каждому направлению I для всей картины полос строятся модули приращений Л£(/, j, I) = £,(хк) = хк+1)- £,(хк_1)| , где
хк1, хк и хк+1 - соседние точки сигнала в сечении вдоль указанного направления I.
Полученные значения Л£(/, j, I) отражают характер изменения производн^1х картины полос. Зависимость Л£(/, j, I) от направления I позволяет определить локальное направление полос. Однако, из-за влияния помех возможны значительные колебания параметра Л£(/, j, I) для соседних точек картины полос, что ведет к погрешности определения локального направления полос. Кроме этого, значение Л£,(/, j, I) как оценка производной сигнала полос зависит от фазы, что может приводить к неправильной оценке направления полос. Так как для большинства реальных интерферограмм изменение направления полос в зависимости от изменения координат рассматриваемой точки достаточно мало, то простая двумерная фильтрация параметра Л£,(/, j, I), например, в форме усреднения внутри некоторой маски А , в общем случае не приводит к значительной потере точности оценки локального направления полос. Размер маски усреднения А необходимо выбирать в зависимости от топологии полос. Увеличение размера маски уменьшает влияние помех, но при этом происходит снижение чувствительности параметра к достаточно быстрым изменениям направления полос. В наиболее простом случае размер маски можно выбрать равным среднему значению шага полос.
В случае, если картина полос не содержит резких изломов, т.е. изменение направления полос мало, размер маски усреднения А может быть в десятки раз больше шага полос. В этом случае за счет использования данных от соседних полос удается сохранить оценку правильного направления при значительных локальных дефектах, в том числе, при разрыве нескольких полос.
Полученные результаты усреднения значений Л^(/, j, 11), где 11 - номер направления, перпендикулярного I , по некоторой маске А задают значение С (', j, I). Будем для простоты полагать, что помехи оказывают одинаковое влияние на коэффициенты С (', j, I), т.е. что влияние помех изотропное. При совпадении направления полос с направлением обработки I в некоторой точке (', j) значение С (', j, I) максимально. С другой стороны, если направление сечения перпендикулярно к интерференционным полосам, значение С(', j, I) минимально.
Задача определения размеров отрезков фильтрации одномерных сигналов в различных направлениях для каждой точки картины полос может быть решена с использованием коэффициентов значимости С(', j, I).
Размеры отрезков фильтрации, очевидно, должны зависеть от шага интерференционных полос. Для эффективной фильтрации необходимо более широкие интерференционные полосы обрабатывать с большим отрезком фильтрации, более
узкие - с меньшим. Такая обработка позволяет сохранить контрастность полос малой ширины, то есть не приводит к потере информации о картине полос.
Для получения оценок локального шага полос во всех точках интерферограммы, необходимо вначале оценить значение шага полос хотя бы в одной точке. Простейшим случаем такой оценки является задание значения минимального шага полос как исходного глобального параметра интерферограммы. Усредненные по направлениям коэффициенты значимости 1 1
С (г, у) = | X С (г, у, I) (5)
^ 1=1
содержат информацию об изменении шага полос. По усредненным коэффициентам значимости можно судить об изменении шага полос в предположении о неизменности амплитуды и уровня помех для всех точек картины полос. Таким образом, с помощью данных коэффициентов можно получить оценки шага полос в каждой точке интерферограммы.
Относительные размеры отрезков фильтрации в различных сечениях для некоторой точки могут быть определены с помощью коэффициентов значимости С (г, у, I). При обработке сигнала в направлении, соответствующему направлению полос, размер отрезка фильтрации может быть достаточно большим, это позволяет лучше подавлять помехи и не приводит к снижению амплитуды полос. В то же время, при обработке сигнала в сечении, перпендикулярном направлению полос, следует выбирать меньший отрезок фильтрации.
Таким образом, для определения размеров отрезков фильтрации по заданному минимальному шагу полос и соответствующему отрезку фильтрации для каждой точки картины полос через коэффициенты значимости находится локальный шаг полос, и по нему определяется средний размер отрезка фильтрации К (г, у). После этого размеры отрезков фильтрации в точке (г, у) вычисляются с помощью коэффициентов значимости по формуле
К (г, у, I) = К (г, у)С(г, у, I)/С (г, у)
?
где С (г, у, I) определяются из выражения (5).
Для выполнения одного шага итерации при обработке картины интерференционных полос, необходимо для каждой точки картины полос для всех направлений I определить размеры отрезков фильтрации К (г, у, I), определить коэффициенты значимости, найти оценки 3(г, у, I) одномерн^1х сигналов и усреднить их по формуле (4).
а) б)
Рис. 2. Пример обработки реальной двумерной интерференционной картины итерационным методом нелинейной фильтрации на основе модификации
локальных гистограмм
В качестве примера на рис. 2, а показана искаженная картина интерференционных полос форматом 200 х150 точек, квантованная по 256-ти уровням. Для одной из точек
картины полос условно отмечена область фильтрации, ограничивающая размеры отрезков фильтрации, и четыре направления сечений, определяющих результат обработки в данной точке. В результате обработки после 5-ти итераций все импульсные помехи подавлены и контрастность полос уменьшилась незначительно, как это видно из рис. 2, б.
Восстановление линий экстремумов интерференционных полос
Рассмотрим более подробно задачу построения линий экстремумов для зашумленной интерферограммы. В процессе предварительной фильтрации рассмотренным выше методом в результате адаптивной настройки для каждой точки (г, у) становятся известны оценки локальных направлений полос ( как направления, соответствующие максимальным коэффициентам значимости С (г, у, I) для каждой точки (г, у) ). При этом, для построения линий экстремумов требуется для каждой точки проверить, достигается ли в ней экстремум одномерного сигнала в сечении предварительно улучшенной картины полос, перпендикулярном локальному направлению полос. Задачу определения экстремума упрощает наличие оценки шага полос в каждой точке. Результатом такой обработки для картины полос является построение непрерывных линий экстремумов.
Таким образом, рассмотренный метод может применяться не только для предварительного подавления помех, но и для восстановления линий экстремумов. Существенным преимуществом метода при выделении экстремумов является глобальность обработки, т.е. тот факт, что решения о принадлежности каждой точки картины полос к линии экстремумов принимаются независимо. Такой подход имеет преимущество перед всевозможными алгоритмами отслеживания линий экстремумов, так как при глобальной обработке не происходит потери информации о достаточно коротких отрезках линий экстремумов, возникающих при разрывах интерференционных полос. Такие отрезки линий экстремумов могут содержать существенную информацию о картине полос, и по ним во многих случаях можно восстановить непрерывные линии с помощью алгоритмов сшивания. Качество восстановленных линий экстремумов позволяет эффективно применять различные логические алгоритмы. Это могут быть алгоритмы выравнивания толщины линий, удаления коротких отрезков ложных экстремумов, или алгоритмы сшивания линий.
На рис. 3, а показан результат восстановления экстремумов (минимумов) для картины полос, показанной на рис. 2. Результат обработки восстановленных линий минимумов алгоритмом выравнивания их толщины представлен на рис. 3, б.
а) б)
Рис. 3. Восстановленные линии минимумов для картины полос рис. 2: (а) исходная картина линий минимумов и (б) результат выравнивания толщины
линий.
Примеры обработки реальных интерферограмм
Как уже отмечалось, обычно требуется по зашумленной картине интерференционных полос восстановить фазу полос или линии интерференционных экстремумов. Решение этих задач не всегда возможно без предварительной обработки (улучшения) картины полос. Предварительная обработка интерферограмм на основе адаптивного метода модификации локальных гистограмм позволяет значительно упростить задачу построения линий экстремумов. Рассмотренный метод может применяться не только для подавления помех, но и непосредственно для восстановления линий экстремумов.
Далее приведены примеры, иллюстрирующие этапы обработки картины интерференционных полос. Полученные результаты позволяют сделать вывод о высокой эффективности рассмотренного метода как для задачи предварительного улучшения зашумленных картин полос, так и для задачи восстановления линий экстремумов. Картина полос анализировалась по восьми направлениям Ь = 8, настройка параметров осуществлялась по вычисленным модулям приращений сигналов (см. выше).
На рис. 4 показана искаженная картина полос форматом 512 х 400 точек, квантованная по 256-ти уровням. В результате обработки после 5-ти итераций все импульсные помехи подавлены, видность полос практически не уменьшилась, как это видно из рис. 5.
На рис. 6 приведен результат восстановления линий минимумов для картины полос рис. 5. Этот рисунок иллюстрирует сложность глобального восстановления линий экстремумов без учета информации о направлении полос.
Адаптивная настройка при предварительной фильтрации позволяет определить направление полос, что дает возможность исключить ложные линии минимумов, как это видно из рис. 7. Линии минимумов на этом рисунке имеют различную толщину, присутствуют короткие отрезки ложных линий, однако качество восстановленных линий минимумов позволяет применить к ним алгоритм выравнивания, устраняющий эти недостатки. Результат обработки линий минимумов рис. 7 показан на рис. 8.
Рис. 4. Исходная интерферограмма
Рис. 5. Пример обработки интерферограммы итерационным адаптивным методом нелинейной фильтрации на основе модификации локальных
гистограмм
Рис. 6. Восстановление линий минимумов для предварительно обработанной картины полос (рис. 5) без учета локального направления полос
Рис. 7. Восстановление линий минимумов для предварительно обработанной картины полос (рис. 5) с учетом оценок локального направления полос
Рис. 8. Результат восстановления линий минимумов
Заключение
Проведенные исследования показали высокую эффективность рассмотренного метода применительно к задачам улучшения и выделения линий экстремумов сильно
зашумленных сложных картин интерференционных полос, обработка которых при традиционных подходах представляется проблематичной. Метод позволяет практически без предварительной информации о параметрах интерференционных полос анализировать топологию полос и автоматически настраивать параметры фильтрации. При этом используется общее свойство полос, заключающееся в том, что они имеют некоторое преимущественное направление в каждой точке картины полос. Адаптивная настройка параметров обработки позволяет устранять значительные дефекты интерферограмм, такие как разрывы полос. При необходимости приведенные результаты могут быть улучшены за счет применения более помехоустойчивых методов адаптивной настройки и увеличения числа направлений обработки.
Литература
1. Post D. Moiré Interferometry in SEM Handbook on Experimental Mechanics, A.S. Kobayashi .- New York, 1987.
2. Poon C.Y., Kujawinska M., Ruiz C. Spatial-carrier phase shifting method of fringe analysis for moiré interferometry // J. Strain Analysis. 1993. V. 28. P.79-88.
3. De Nicola S., Ferraro P., Gurov I., Koviazin R., Volkov M. Fringe analysis for moiré interferometry by modification of the local intensity histogram and use of a two-dimensional Fourier transform method // Meas. Sci. Technol. 2000. V. 11, № 9. P.1328-1334.
4. Jones R., Wykes C. Holographic and Speckle Interferometry, Cambridge University Press, Cambridge, 1983.
5. Schnars U., Jüptner W.P.O. Digital recording and reconstruction of holograms in hologram interferometry and shearography // Appl. Opt. 1994. V. 33. P. 4373-4377.
6. Takeda M., Ina H., Kobayashi S. Fourier-transform method of fringe-pattern analysis for computer-based topography and interferometry // J. Opt. Soc. Am. 1982. V. 72. P. 156160.
7. Kreis T. Digital holographic interference-phase measurement using the Fourier-transform method // J.Opt.Soc.Am. 1986. V. 3. P. 847-855.
8. Schemm J.B., Vest C.M. Fringe pattern recognition and interpretation using nonlinear regression analysis // Appl. Opt. 1983. V. 22. P. 2850-2853.
9. Cordero-Davila A., Cornejo-Rodrigues A., Cardona-Nunez O. Polynomial fitting of interferograms with Gaussian errors of fringe coordinates. I: Computer simulations // Appl. Opt. 1994. V. 33. P. 7339-7342.
