哈特曼传感器子孔径光斑的局部自适应阈值分割方法

夏克-哈特曼传感器的质心偏移估计精度受噪声的影响非常大，在传统质心法(CoG)中尤为突出，因而阈值的选取十分重要。本文提出了一种基于统计排序的局部自适应阈值分割方法，并与传统的全局阈值法进行对比，发现自适应的局部阈值能够更加有效地分割出阵列光斑，从而减小背景噪声对质心估计的影响，降低波面复原误差。本文通过静态相差的测量实验，从质心偏移估计的精度和波前复原精度两个方面进行分析，验证了该方法的有效性。另外，本文发现自适应阈值结合灰度加权的质心提取方法，是对传统质心法的较好改进，可以有效提高峰值信噪比大约10~40的光斑质心提取精度。