zldmЗаводская лаборатория. Диагностика материаловIndustrial laboratory. Diagnostics of materials1028-68612588-0187ООО «Издательство «ТЕСТ-ЗЛ»10.26896/1028-6861-2022-88-3-23-28zldm-1614Research ArticleИССЛЕДОВАНИЕ СТРУКТУРЫ И СВОЙСТВ. ФИЗИЧЕСКИЕ МЕТОДЫ ИССЛЕДОВАНИЯ И КОНТРОЛЯTESTING OF STRUCTURE AND PARAMETERS. PHYSICAL METHODS OF TESTING AND QUALITY CONTROLДиагностика материалов дифракционными оптическими методамиDiagnostics of materials by diffraction optical methodsМарчукВ. И.MarchukV. I.

Владимир Иванович Марчук

346500, Ростовская обл., г. Шахты, ул. Шевченко, д. 147

Vladimir I. Marchuk

147, ul. Shevchenko, Shakhty, Rostovskaya obl., 346500

marchuk@sssu.ruОкорочковА. И.OkorochkovA. I.

Александр Иванович Окорочков

346500, Ростовская обл., г. Шахты, ул. Шевченко, д. 147

Alexander I. Okorochkov

147, ul. Shevchenko, Shakhty, Rostovskaya obl., 346500

СеменовВ. В.SemenovV. V.

Владимир Владимирович Семенов

346500, Ростовская обл., г. Шахты, ул. Шевченко, д. 147

Vladimir V. Semenov

147, ul. Shevchenko, Shakhty, Rostovskaya obl., 346500

СадртдиновИ. А.SadrtdinovI. A.

Илья Айдарович Садртдинов

346500, Ростовская обл., г. Шахты, ул. Шевченко, д. 147

Ilya A. Sadrtdinov

147, ul. Shevchenko, Shakhty, Rostovskaya obl., 346500

НикишинИ. О.NikishinI. O.

Иван Олегович Никишин

346500, Ростовская обл., г. Шахты, ул. Шевченко, д. 147

Ivan O. Nikishin

147, ul. Shevchenko, Shakhty, Rostovskaya obl., 346500

Донской государственный технический университетРоссияDon State Technical UniversityRussian Federation2022250320228832328Copyright © Марчук В.И., Окорочков А.И., Семенов В.В., Садртдинов И.А., Никишин И.О., 20222022Марчук В.И., Окорочков А.И., Семенов В.В., Садртдинов И.А., Никишин И.О.Marchuk V.I., Okorochkov A.I., Semenov V.V., Sadrtdinov I.A., Nikishin I.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.zldm.ru/jour/article/view/1614

Внутреннее состояние материала, достигнутое в результате технологической обработки, косвенно отражается на состоянии его поверхности. Для бесконтактного метода неразрушающего контроля состояния материала, основанного на визуальном анализе поверхности, необходимы высококачественные изображения, которые могут быть получены либо с использованием линзовых объективов, либо с помощью безлинзовых технологий. В работе представлены результаты исследования обработки изображений, полученные при применении безлинзовых технологий. Использовали методы моделирования фазовых масок и обработки изображений, основанные на итерационных алгоритмах Герчберга – Секстона, адаптивно-аддитивном и алгоритме, использующем вращение фазовой маски. Анализировали такие материалы, как гранит, графит, песок и углеродистая сталь. Показано, что построение фотокамер позволяет существенно уменьшить их габариты с сохранением или даже улучшением характеристик. Полученные с помощью безлинзовых технологий изображения и предлагаемые методы обработки дают возможность значительно повысить точность визуального контроля материалов. Полученные результаты могут быть использованы для совершенствования безлинзовых технологий, улучшения качества изображений и сокращения времени их обработки.

The internal state of the material formed as a result of technological processing, indirectly affects the state of the material surface. A non-contact method of non-destructive control of the state of materials based on a visual analysis of the surface, requires high-quality images which can be obtained either using lens objectives or lenseless technologies. The results of studying image processing obtained by lensless technologies are presented. We used methods for modeling phase masks and image processing based on Gerchberg – Saxton iterative algorithms, adaptive-additive and phase mask rotation based algorithms. Materials such as granite, graphite, sand and carbon steel were analyzed. It is shown that the construction of cameras can provide significant reduction of their dimensions at the same or even improved characteristics. The images obtained using lensless technologies and the proposed methods of image processing also provide a significant increase in the accuracy of visual inspection of materials. The results obtained can be used in refining lensless technologies, improving the quality of images and reducing time of their processing.

дифракционные оптические методыитерационные алгоритмы обработки изображениймоделирование фазовых масокdiffraction optical methodsiterative algorithms for image processingmodeling of phase masksReferencesГрудин Б. Н., Плотников В. С., Пустовалов Е. В. и др. Моделирование и анализ изображений с использованием спектральных характеристик / Известия РАН. Серия физическая. 2012. Т. 76. № 9. С. 1134 – 1134.Grudin B. N., Plotnikov V. S., Pustovalov E. V., et al. Image modeling and analysis using spectral characteristics / Izv. RAN. Ser. Fiz. 2012. Vol. 76. N 9. P. 1134 – 1134 [in Russian].Грейсух Г. И., Данилов В. А., Ежов Е. Г. и др. Дифракционные элементы в оптических системах среднего и двойного ИК-диапазона / Фотоника. 2020. Т. 14. № 2. С. 160 – 169.Greisukh G. I., Danilov V. A., Ezhov E. G., et al. Diffractive elements in optical systems of the middle and double infrared range / Fotonika. 2020. Vol. 14. N 2. P. 160 – 169 [in Russian].Zheng Y., Asif M. Joint image and depth estimation with mask-based lensless cameras / IEEE Transact. Comput. Imaging. 2020. Vol. 6. P. 1167 – 1178.Zheng Y., Asif M. Joint image and depth estimation with mask-based lensless cameras / IEEE Transact. Comput. Imaging. 2020. Vol. 6. P. 1167 – 1178.Волков А. В., Казанский Н. Л., Головашин Д. Л. и др. Методы компьютерной оптики. — М.: Физматлит, 2003. — 688 с.Volkov A. V., Kazansky N. L., Golovashin D. L., et al. Methods of Computer Optics. — Moscow: Fizmatlit, 2003. — 688 p. [in Russian].Потапов А. А., Гуляев Ю. В., Никитов С. А. и др. Новейшие методы обработки изображений. — М.: Физматлит, 2008. — 496 с.Potapov A. A., Gulyaev Yu. V., Nikitov S. A., et al. The latest methods of image processing. — Moscow: Fizmatlit, 2008. — 496 p. [in Russian].Monakhova K., Yurtsever J., Kuo G., et al. Learned reconstructions for practical mask-based lensless imaging / Optics express. 2019. Vol. 27. N 20. P. 28075 – 28090. DOI: 10.1364/OE.27.028075Monakhova K., Yurtsever J., Kuo G., et al. Learned reconstructions for practical mask-based lensless imaging / Optics express. 2019. Vol. 27. N 20. P. 28075 – 28090. DOI: 10.1364/OE.27.028075Wu J., Zhang H., Zhang W., et al. Single-shot lensless imaging with Fresnel zone aperture and incoherent illumination / Light Sci. Appl. 2020. Vol. 9. N 1. P. 1 – 11. DOI: 10.1038/s41377-020-0289-9Wu J., Zhang H., Zhang W., et al. Single-shot lensless imaging with Fresnel zone aperture and incoherent illumination / Light Sci. Appl. 2020. Vol. 9. N 1. P. 1 – 11. DOI: 10.1038/s41377-020-0289-9Ba C., Tsang J., Mertz J. Fast hyperspectral phase and amplitude imaging in scattering tissue / Optics Lett. 2018. Vol. 43. N 9. P. 2058 – 2061. DOI: 10.1364/OL.43.002058Ba C., Tsang J., Mertz J. Fast hyperspectral phase and amplitude imaging in scattering tissue / Optics Lett. 2018. Vol. 43. N 9. P. 2058 – 2061. DOI: 10.1364/OL.43.002058Shevkunov I., Katkovnik V., Claus D., et al. Spectral object recognition in hyperspectral holography with complex-domain denoising / Sensors. 2019. Vol. 19. N 23. P. 5188.Shevkunov I., Katkovnik V., Claus D., et al. Spectral object recognition in hyperspectral holography with complex-domain denoising / Sensors. 2019. Vol. 19. N 23. P. 5188.Katkovnik V., Egiazarian K. Sparse phase imaging based on complex domain nonlocal BM3D techniques / Digital Signal Proc. 2017. Vol. 63. P. 72 – 85. DOI: 10.1016/j.dsp.2017.01.002Katkovnik V., Egiazarian K. Sparse phase imaging based on complex domain nonlocal BM3D techniques / Digital Signal Proc. 2017. Vol. 63. P. 72 – 85. DOI: 10.1016/j.dsp.2017.01.002Jin S., Hui W., Wang Y., et al. Hyperspectral imaging using the single-pixel Fourier transform technique / Sci. Rep. 2017. Vol. 7. N 1. P. 1 – 7. DOI: 10.1038/srep45209Jin S., Hui W., Wang Y., et al. Hyperspectral imaging using the single-pixel Fourier transform technique / Sci. Rep. 2017. Vol. 7. N 1. P. 1 – 7. DOI: 10.1038/srep45209Tajima K., Nakamura Y., Yamaguchi K., et al. Optimization design for improving resolution of lensless imaging with Fresnel zone aperture / Optical Rev. 2019. Vol. 26. N 5. P. 507 – 511. DOI: 10.1007/s10043-019-00545-zTajima K., Nakamura Y., Yamaguchi K., et al. Optimization design for improving resolution of lensless imaging with Fresnel zone aperture / Optical Rev. 2019. Vol. 26. N 5. P. 507 – 511. DOI: 10.1007/s10043-019-00545-zPaoletti M. E., Haunt J. M., Plaza J., et al. Deep learning classifiers for hyperspectral imaging: A review / ISPRS J. Photogram. Remote Sens. 2019. Vol. 158. P. 279 – 317. DOI: 10.1016/j.isprsjprs.2019.09.006Paoletti M. E., Haunt J. M., Plaza J., et al. Deep learning classifiers for hyperspectral imaging: A review / ISPRS J. Photogram. Remote Sens. 2019. Vol. 158. P. 279 – 317. DOI: 10.1016/j.isprsjprs.2019.09.006Kocsis P., Shevkunov I., Katkovnik V., et al. Single exposure lensless subpixel phase imaging: optical system design, modelling, and experimental study / Optics express. 2020. Vol. 28. N 4. P. 4625 – 4637. DOI: 10.1364/OE.379785Kocsis P., Shevkunov I., Katkovnik V., et al. Single exposure lensless subpixel phase imaging: optical system design, modelling, and experimental study / Optics express. 2020. Vol. 28. N 4. P. 4625 – 4637. DOI: 10.1364/OE.379785Khonina S. N., Karpeev S. V., Porfirev A. P. Wavefront aberration sensor based on a multichannel diffractive optical element / Sensors. 2020. Vol. 20. N 14. P. 3850. DOI: 10.3390/s20143850Khonina S. N., Karpeev S. V., Porfirev A. P. Wavefront aberration sensor based on a multichannel diffractive optical element / Sensors. 2020. Vol. 20. N 14. P. 3850. DOI: 10.3390/s20143850Головашин Д. Л., Досколович Л. Л., Казанский Н. Л. и др. Дифракционная компьютерная оптика. — М.: Физматлит, 2007. — 734 с.Golovashin D. L., Doskolovich L. L., Kazansky N. L., et al. Diffractive computer optics. — Moscow: Fizmatlit, 2007. — 734 p. [in Russian].Сойфер В. А. Введение в дифракционную микрооптику. — Самара: СНИУ, 1996. — 94 с.Soifer V. A. Introduction to diffractive micro-optics. — Samara: SNIU, 1996. — 94 p. [in Russian].Huang G., Wu D., Luo J., et al. Generalizing the Gerchberg – Saxton algorithm for retrieving complex optical transmission matrices / Photonics Res. 2021. Vol. 9. N 1. P. 34 – 42. DOI: 10.1364/PRJ.406010Huang G., Wu D., Luo J., et al. Generalizing the Gerchberg – Saxton algorithm for retrieving complex optical transmission matrices / Photonics Res. 2021. Vol. 9. N 1. P. 34 – 42. DOI: 10.1364/PRJ.406010Roig-Solvas B., Makowski L., Brooks D. A proximal operator for multispectral phase retrieval problems / SIAM J. Optimiz. 2019. Vol. 29. N 4. P. 2594 – 2607. DOI: 10.1137/18M120227X SJOPE8.1095-7189Roig-Solvas B., Makowski L., Brooks D. A proximal operator for multispectral phase retrieval problems / SIAM J. Optimiz. 2019. Vol. 29. N 4. P. 2594 – 2607. DOI: 10.1137/18M120227X SJOPE8.1095-7189Shevkunov I., Katkovnik V., Claus D., et al. Hyperspectral phase imaging based on denoising in complex-valued eigensubspace / Opt. Lasers Eng. 2020. Vol. 127. P. 105973. DOI: 10.1016/j.optlaseng.2019.105973Shevkunov I., Katkovnik V., Claus D., et al. Hyperspectral phase imaging based on denoising in complex-valued eigensubspace / Opt. Lasers Eng. 2020. Vol. 127. P. 105973. DOI: 10.1016/j.optlaseng.2019.105973

The authors declare that there are no conflicts of interest present.