用高斯非均匀采样解决自动聚焦中的误判

在自动聚焦系统中,对焦窗口的选择直接影响对焦的速度和准确性。若窗口过大,则不仅会增加计算量,而且背景图像太多会引起误判;若窗口太小,则会导致目标偏离窗口,也会引起误判。引入非均匀采样,可以保证图像中央区域的高分辨率和较大的视场范围,有效地提高了对焦的准确性,减少了数据量,加快了对焦速度。     

一种自适应的自动聚焦算法

自动聚焦是图像测量和计算机视觉中的重要技术。研究发现,以前的一些自动聚焦算法,在没有噪声的影响下,效果较好,但一旦有噪声的影响,算法可能会失效,因此,提出了一种自适应的自动聚焦方法。首先通过一个基于局部小窗口的自适应门限将边缘像素和非边缘像素区别开来,然后再加上一个全局门限来进一步滤除噪声的影响,最后用一些自动聚焦算法来计算经过自适应处理后的图像,画出它们的聚焦曲线。经过大量的实验,结果表明,该算法不仅具有单峰性强,无偏性好,灵敏度高等特点,而且还具有很好的抗噪声性能。     

自动聚焦系统中聚焦窗口的选择及参量的确定

在使用图像分析进行自动聚焦时,聚焦的准确性和有效性至关重要。聚焦窗口过大不仅增加计算量,且背景图像太多会引起误判;窗口太小则会导致目标偏离窗口,亦会引起误判。深入研究了聚焦窗口的选择问题,提出了一种新的选择方法,有效解决了上述问题。引入非均匀采样,可以保证中央的高分辨率和较大的视场范围,既保证目标图像位于聚焦窗口之内,又显著减小了背景图像的负面影响。同时对采样参量做了进一步的研究,以获得更好的效果。实验结果表明该方法有效提高了对焦的准确性和有效性而且减少了数据量,没有影响系统的实时性。