留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

主成分分析方法在空间干涉仪图像处理中的应用

陈汉骄 陈 杰 冷用斌 阎映炳 赖龙伟

陈汉骄, 陈 杰, 冷用斌, 等. 主成分分析方法在空间干涉仪图像处理中的应用[J]. 强激光与粒子束, 2016, 28: 125103. doi: 10.11884/HPLPB201628.160122
引用本文: 陈汉骄, 陈 杰, 冷用斌, 等. 主成分分析方法在空间干涉仪图像处理中的应用[J]. 强激光与粒子束, 2016, 28: 125103. doi: 10.11884/HPLPB201628.160122
Chen Hanjiao, Chen Jie, Leng Yongbin, et al. Primary component analyzing for interferometer image processing in SSRF[J]. High Power Laser and Particle Beams, 2016, 28: 125103. doi: 10.11884/HPLPB201628.160122
Citation: Chen Hanjiao, Chen Jie, Leng Yongbin, et al. Primary component analyzing for interferometer image processing in SSRF[J]. High Power Laser and Particle Beams, 2016, 28: 125103. doi: 10.11884/HPLPB201628.160122

主成分分析方法在空间干涉仪图像处理中的应用

doi: 10.11884/HPLPB201628.160122
详细信息
    通讯作者:

    冷用斌

  • 中图分类号: null

Primary component analyzing for interferometer image processing in SSRF

  • 摘要: 在干涉仪图像数据处理过程中,目前采用的多行平均图像处理算法会引入较大随机误差,且当CCD相机与狭缝之间存在小转角时,会引入较大系统误差。本文主要探究利用主成分分析(PCA)算法处理空间干涉仪图像的可行性与优势。利用MATLAB模拟空间干涉仪图像,并加入随机噪声和图像旋转,利用PCA方法和多行平均算法处理数据,比较两种算法的得到的结果误差大小。并设计CCD相机小转角实验和干涉图像弱信号实验,评估PCA算法在数据处理过程中纠正CCD相机小转角和重建弱信号图像中的效果。理论和实验均证明,PCA算法较目前多行平均算法,能更有效地降低噪声,分析弱信号图像及纠正CCD相机小转角,消除其带来的系统误差。
  • 加载中
计量
  • 文章访问数:  1257
  • HTML全文浏览量:  219
  • PDF下载量:  249
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-04-20
  • 修回日期:  2016-06-24
  • 刊出日期:  2016-12-15

目录

    /

    返回文章
    返回