移動空間光通信中光斑中心檢測算法分析

沈天浩， 田開坤， 梁赫西， 代永紅， 艾 勇

(1.湖北師范大學(xué)，湖北 黃石 435002； 2.武漢大學(xué)電子信息學(xué)院，武漢 430072)

0 引言

高速粗跟蹤系統(tǒng)是移動空間光通信系統(tǒng)的核心組成部分，其關(guān)鍵技術(shù)在于快速檢測光斑中心位置[1-2]。目前，常用的光斑中心檢測算法有Hough變換算法、圓擬合算法以及灰度重心算法。在Hough變換算法中，需要逐點投票、記錄，其時間復(fù)雜度較高,計算所需時間較長[3]；圓擬合算法雖然運算精度高，但其抗干擾能力差，容易受到隨機噪聲的影響[4]；基于灰度重心算法的結(jié)構(gòu)簡單明了，可應(yīng)用于光斑光強比較均勻的條件下，但在實際測量中，其時間算法復(fù)雜度比較大，容易受到光斑形狀和背景的限制。

本文在傳統(tǒng)灰度重心算法的基礎(chǔ)上加以改進(jìn)，在計算光斑中心前對光斑進(jìn)行中值濾波和自適應(yīng)二值化處理，可有效提高系統(tǒng)抗干擾能力，其后粗識別光斑中心位置，最后經(jīng)過選框重心計算獲取光斑精確位置。

1 基于灰度重心的激光光斑檢測算法

灰度重心算法是利用灰度為權(quán)值的加權(quán)型算法[5]。在大小為M·N的灰度圖像中，設(shè)光斑的灰度權(quán)值為S(i,j)，則灰度重心法計算的光斑(x0,y0)為

(1)

該方法受背景灰度值和目標(biāo)灰度值的影響較大，若目標(biāo)灰度值較大、背景灰度值較小，使用灰度重心法可以計算得到較為精確的光斑中心坐標(biāo)。但實際環(huán)境中，大部分目標(biāo)灰度值與背景灰度值相差較小，用灰度值作為權(quán)值的計算方法作用有限[6]。

在移動空間光通信中，發(fā)射端發(fā)射激光受到大氣湍流效應(yīng)的影響容易出現(xiàn)較大散射和干擾[7]，CCD相機接收的光斑形狀大小不同，對準(zhǔn)確識別光斑中心造成較大困難。傳統(tǒng)灰度重心算法要求光斑形狀對稱性好、時間復(fù)雜度高且抗干擾能力差，因此在移動空間光通信系統(tǒng)中不適用。

2 改進(jìn)重心算法

本文在傳統(tǒng)灰度重心算法的基礎(chǔ)上加以改進(jìn)，結(jié)合中值濾波和自適應(yīng)閾值二值化的原理，在計算光斑重心之前將圖像進(jìn)行預(yù)處理。改進(jìn)的灰度重心算法的框圖如圖1所示。

圖1 改進(jìn)重心算法框圖

CCD相機采集光斑圖像，中值濾波消除激光光斑的噪聲點；圖像進(jìn)行二值化處理分離背景與光斑；然后利用粗識別算法對光斑中心位置進(jìn)行粗定位，為了提高計算光斑中心位置精度，對可選取光斑的范圍進(jìn)行重心計算，獲取精確的光斑中心。

2.1 濾波去噪

激光在自由空間中傳輸一段距離后會受到塵埃、顆粒等影響，在形成光斑的同時會隨機產(chǎn)生一些耀斑和暗斑，這些斑點容易影響識別的精度，可采用一些濾波的方法減少斑點導(dǎo)致的誤差。

常用的濾波方法有均值濾波、高斯濾波、中值濾波等[8]。均值濾波利用圖像中任意一個像素點是其周圍A·B個像素值的均值，主要用于濾除椒鹽噪聲。高斯濾波主要是對圖像進(jìn)行加權(quán)平均處理，每個像素值都由其本身和周圍A·B個像素值經(jīng)過加權(quán)平均后計算得到，主要用于濾除高斯噪聲。中值濾波是比較A·B區(qū)域的像素值大小，將取出的中值作為該區(qū)域的中心點像素值，適用于濾除椒鹽噪聲，同時也能保留圖像的細(xì)節(jié)。本文采用中值濾波的方法濾除光斑中的椒鹽噪聲。

2.2 自適應(yīng)二值化處理

圖像二值化是將灰度圖像中的像素值設(shè)置為0或1,一般0代表黑色，1代表白色。圖像二值化能夠凸顯圖像中目標(biāo)的輪廓，使圖像變得更加簡單，數(shù)據(jù)量更小。圖像二值化常用的有全局二值化、局部二值化和自適應(yīng)二值化[9]。全局二值化通過設(shè)置一個固定的閾值T，將圖像分為兩個部分，大于T的像素點為1(或者0)，小于T的像素點為0(或者1)，但全局二值化非常容易破壞圖像的細(xì)節(jié)。局部二值化是利用一定規(guī)則將圖像分為N個區(qū)域，在每個區(qū)域設(shè)置一個閾值T，將該區(qū)域內(nèi)的圖像分為兩個部分，但該方法閾值T沒有經(jīng)過計算，仍然會出現(xiàn)一些圖像細(xì)節(jié)被破壞。局部自適應(yīng)二值化可以一定的方法計算出局部的二值化適當(dāng)閾值，減少對圖像細(xì)節(jié)的破壞。

本文利用自適應(yīng)二值化法對光斑進(jìn)行二值化處理分離光斑與背景。局部自適應(yīng)法主要是對每個像素確定一個以自身為中心的領(lǐng)域窗口，取該領(lǐng)域內(nèi)像素的最大值和最小值,然后求平均值作為閾值[10]。

2.3 粗識別光斑中心算法

圖像在經(jīng)過濾波處理和二值化后，利用如下算法可計算得到粗識別光斑算法。

1) 將原始圖像轉(zhuǎn)化為灰度圖像，再利用自適應(yīng)二值化將圖像數(shù)字化處理，最后轉(zhuǎn)換為一個二維數(shù)組，其中二維數(shù)組的元素對應(yīng)灰度圖像的像素值。其轉(zhuǎn)換見圖2。

圖2 圖像數(shù)字化處理圖

2) 二維數(shù)組進(jìn)行壓縮行處理，將二維數(shù)組的每一列相加得到一維數(shù)組LR。二維數(shù)組的每一行相加得到一維數(shù)組LC。以圖2為例，其一維數(shù)組LR和LC分別為LR=(0,0,…,4,5,…,42,56,…,56,42,…,13,8,5,0,…,0,0)，LC=(0,0,…,11,21,…,44,47,…,47,44,…,20,13,11,0,…,0,0)。

3) 取一維數(shù)組LR最大值的索引，該索引為光斑中心橫坐標(biāo)x0；取一維數(shù)組LC最大值的索引，該索引為光斑中心縱坐標(biāo)y0。根據(jù)上述算法可計算出光斑中心位置為(105.0,95.0)(單位，像素)，時間代價為0.000 62 s。如圖3所示。

圖3 粗識別算法計算的光斑中心

2.4 選框計算

由于粗識別光斑算法中易出現(xiàn)多個最大值，使得光斑識別誤差比較大，為了提高光斑中心識別的精度，可根據(jù)粗識別的光斑中心位置為中心點，利用邊緣檢測算法選取光斑的大小[11]，其選框的原則是在確保運算速度的前提下，提高運算精度。最后通過式(1)計算光斑中心位置。

3 實驗及結(jié)果

激光在空間傳輸過程中會受到大氣湍流和空氣中一些微粒的影響，能量分布不均勻，形成形狀不規(guī)則的光斑，使得不同位置光斑的形狀和光斑的亮度有較大區(qū)別[12]。將激光器放置在轉(zhuǎn)臺上并發(fā)射650 nm激光，通過平行光管輸出平行激光，在距離激光器10 m處利用CMOS圖像傳感器接收激光，并利用上述算法計算光斑中心位置。在實驗中主要選取3個不同位置的光斑，從時間代價和運算精度兩方面與灰度重心算法進(jìn)行對比,實驗如圖4～圖6所示，實驗數(shù)據(jù)利用Python語言編寫程序完成實驗分析。

實驗利用感光芯片OV5647采集光斑數(shù)據(jù)，其靶面大小為8.5 mm×8.5 mm,設(shè)置CCD相機圖像開窗大小為320×240，默認(rèn)光斑最亮點為光斑中心，對光斑實際測量并估算出光斑中心點坐標(biāo)。實驗選取3個移動光斑的位置，分別得到圖4中光斑位于中心右側(cè),原始光斑最強點估算為(132.983，73.962)(單位，像素)，圖5中光斑位于中心上側(cè),原始光斑最強點估算為(107.489，54.992)(單位，像素)，圖6中光斑位于中心,原始光斑最強點估算為(106.996，97.980)(單位，像素)。綜合上述實驗可對灰度重心算法與改進(jìn)的重心算法進(jìn)行對比分析，如表1所示。

圖4 光斑位于中心的右側(cè)

圖5 光斑位于中心的上側(cè)

圖6 光斑位于中心

表1 灰度重心算法與改進(jìn)的重心算法對比

通過表1可知，灰度重心算法和改進(jìn)重心算法在光斑中心識別精度相差不大，但在時間代價上改進(jìn)重心算法更小，提高約一個數(shù)量級。

圖3的實驗數(shù)據(jù)是利用粗識別算法計算可得光斑中心坐標(biāo)為(105.0,95.0)(單位，像素),在粗識別光斑算法基礎(chǔ)上加入選框計算后，構(gòu)成改進(jìn)重心算法,計算其光斑中心坐標(biāo)為 (107.158,97.857)(單位，像素)，與估算光斑中心坐標(biāo)(106.996，97.980)(單位，像素)進(jìn)行對比，改進(jìn)重心算法在計算精度方面比粗識別算法更高。二者時間代價對比，粗識別算法計算圖3的時間代價為0.000 62 s，改進(jìn)重心算法時間代價為0.004 86 s。粗識別算法計算光斑速度快、精度低。加入選框計算方法后構(gòu)成改進(jìn)重心算法可以提高光斑中心計算精度，但時間代價增大。綜合對比傳統(tǒng)灰度重心算法、粗識別算法和改進(jìn)重心算法這3種算法，改進(jìn)重心算法更適用于移動空間光通信領(lǐng)域的光斑中心識別的精度和速度的要求，應(yīng)用于移動空間光通信領(lǐng)域。

4 結(jié)束語

本文提出了一種改進(jìn)灰度重心算法，在檢測光斑中心前加入中值濾波，自適應(yīng)二值化閾值處理，經(jīng)過粗識別光斑中心位置后選框計算獲取光斑精確位置。實驗表明，傳統(tǒng)灰度重心算法檢測光斑中心的時間代價約為0.024 s，本文提出的改進(jìn)算法時間代價提高了約一個數(shù)量級。改進(jìn)重心算法計算光斑中心的精度高、速度快，可應(yīng)用于移動空間光通信系統(tǒng)、激光定位、光斑識別等領(lǐng)域，該算法也可提高光斑識別系統(tǒng)的抗干擾性能。