针对数字剪切散斑干涉技术在检测过程中得到的包裹相位图中存在噪声干扰的问题，本文提出了一种基于同态滤波的正余弦全变分融合降噪的激光散斑图像噪声抑制方法。首先对同态滤波后的包裹相位图进行正余弦分解，然后在分解的基础上通过全变分滤波来抑制噪声，最终通过散斑抑制指数的变化自适应地判断滤波是否完成。通过仿真与实验对所提方法的有效性进行了验证。首先向仿真包裹相位图中添加噪声并采用所提方法进行噪声抑制，根据散斑抑制指数验证所提方法的可行性；然后对预制缺陷的复合材料试件进行检测，并采用所提方法进行噪声抑制；最后通过散斑抑制指数和相位展开结果对所提方法的滤波效果进行验证。结果表明：采用所提方法得到的散斑抑制指数相较于传统的正余弦全变分滤波方法约降低了10.7%，同时有效地保护了相位信息不被破坏。

提出了一种基于卷积神经网络(CNN)的数字散斑图像位移场测量方法。采用给定多种变形模式的精确位移场系列数字散斑图像构建数据集,提出了一种数字散斑图像位移场识别CNN模型。模拟散斑图像的验证实验表明,所提方法对随机变形、轴向均匀变形、剪切变形等模式具有良好的计算效率和测试精度。硅胶单轴拉伸验证实验表明,所提方法也可以精确测试真实实验散斑图像位移场并具有较高的计算效率。所提深度CNN能够高效、精确地测试数字散斑图像位移场,在材料变形测试中具有良好的应用前景。

利用动态激光散斑的统计特性,研究了黑白散斑图像的无失真压缩问题,设计了黑白散斑图像无失真编码器。编码器由图像切割、位移估计、预测、上下文形成与熵编码组成,主要特点包括散斑位移估计的快速算法、基于散斑统计特性的优化预测以及自适应算术编码。介绍了编码器的工作过程以及对应的工作原理,并进行了实验验证,实验结果显示,黑白散斑图像无失真编码器的压缩性能取得了较大的提高。

基于叠加统计独立散斑图像的散斑抑制原理, 设计了一个具有N个透光孔的掩模板, 将其放置于成像透镜出瞳面上, 理论研究了产生统计独立散斑图像所需的条件。在简化光学系统中, 将散射片与探测面分别置于透镜成像共轭面上, 通过系统实验, 分析了多孔掩模板上相邻两个透光孔的不同中心间距以及单个透光孔孔径对统计独立散斑图像形成的影响, 其中单个透光孔孔径也会影响散斑颗粒的大小。在不考虑实验装置对测试精度的影响下, 实验结果与理论分析吻合。

采用激光照射粗糙工件表面形成散斑图像，通过自相关函数分析散斑图像的二阶统计特性，使用分形算法提取散斑图像自相关函数矩阵的参数，建立分形维数与表面粗糙度对应的样本集合。用最小二乘法多项式拟合该样本集合，得到散斑图像与表面粗糙度值间的多项式关系。实验结果表明，基于激光散斑分形维数的表面粗糙度测量方法是可行的且适用于在线高精度粗糙度检测，在检测时间上从数十秒级提高到秒级，检测精度达到微米级。

数字散斑图像相关法是对全场位移和应变进行测量的十分有用的无损检测技术。设计精确的亚像素搜索算法是提高测量精度的关键问题。研究了数字散斑图像相关技术的基本原理，在梯度法的基础上，提出了一种基于梯度法的变步长的亚像素搜索算法并应用到相关搜索中，通过对模拟散斑图的位移分析证明了该算法的可靠性和稳定性，并对刚体平移实验进行了测量，结果表明，该算法是稳定可靠、有效的搜索算法，可用于位移场的测量。

分析了高斯光束照射微粗糙圆柱在菲涅尔衍射区形成的散斑图像统计特性，给出了强度起伏自相关函数与表面曲率及粗糙程度等参数之间的关系。根据强度起伏自相关函数的离散化定义，实验并计算了圆柱轴向与径向结构有差异情况下的散斑强度起伏相关函数。结果表明，对于C1和C2圆柱沿垂直于圆柱轴向的散斑尺寸变长，强度起伏自相关函数沿平行和垂直于圆柱轴两个方向的波动相差较大; 对于C3和C4圆柱两个方向上的散射特性基本相同; 测量C1和C3的结果表明, 散斑尺寸和形状依赖于圆柱表面的皱褶和圆柱表面曲率两个因素。研究结果对于如柱型管道、轴承等方面的机械制造的质量控制有重要的应用价值。

激光散斑图像压缩对降低数据存储量具有重要的意义。设计了一种激光散斑图像无失真编码器,它由激光散斑位移估计、像素预测和Golomb编码组成。首先估计散斑位移;然后,根据激光动态散斑相关函数设计预测模型,并以预测模型为基础进行像素预测;最后,对预测误差进行Golomb编码。该编码器的主要特点包括使用数字散斑相关方法估计散斑位移,以及基于动态散斑相关函数极值的时间预测。实验结果显示,在压缩激光散斑图像时,激光散斑图像无失真编码器在压缩性能方面取得了较大的提高。

Traditional speckle fringe patterns by electronic speckle pattern interferometry (ESPI) are inherently noisy and of limited visibility, so denoising is the key problem in ESPI. We present the variational denoising method for ESPI. This method transforms the image denosing to minimizing an appropriate penalized energy function and solving a partial differential equation. We test the proposed method on computer-simulated and experimental speckle correlation fringes, respectively. The results show that this technique is capable of significantly improving the quality of fringe patterns. It works well as a pre-processing for the fringe patterns by ESPI.