基于微粒群区域搜索和小波评价的差分式自动聚焦

为进一步提高图像法自动聚焦的性能,提出了一种差分式提取图像边缘的方法,并构造了图像清晰度的小波评价函数,同时利用微粒群(PSO)算法对聚焦区域进行快速搜索。首先,介绍了差分式边缘提取方法及其优势,给出了一种评价区域的选取判据以及基于PSO的高效搜索方法;然后,对小波评价函数参数进行了比较分析和优选;最后,与传统方法进行了对比实验。结果表明,由于采用了差分式提取方法以及新的自适应聚焦窗口和评价函数,聚焦曲线较传统方法具有更高的调焦分辨率,PSO算法的使用使聚焦速度提高了约170 ms,聚焦精度约为2.3μm,同时调焦效果不受初始位置的影响。     

基于MTF辅助正焦判断的自动调焦搜索算法

针对传统爬山搜索算法受调焦评价函数局部极值的干扰而不能准确聚焦的问题,提出一种基于调制传递函数辅助正焦判断的自动调焦搜索算法.该算法对爬山法进行改进,在选择图像清晰度评价函数基础上,同时考虑图像的调制传递函数值,综合判断搜索方向;采用改进的刃边法,在自动完成刃边区域选择的基础上,可精确计算图像的调制传递函数值,并给出了改进算法的原理和实现.为了衡量改进算法的性能,验证调焦系统成像效果,分别考虑搜索算法对不同调焦初始位置以及环境变化影响,在经纬仪自动调焦系统平台上展开算法的调焦实验分析.实验结果表明改进的自动调焦搜索算法能有效地排除局部极值干扰,使系统准确、可靠的调焦.     

基于改进Sobel算子的动态自动调焦算法研究

为了提高自动调焦算法在动态环境下的性能, 对调焦评价函数和调焦搜索策略进行了研究。在分析人类视觉系统特性研究成果的基础上,提出一种基于8方向Sobel算子边缘加权的调焦评价函数。同时,为了克服传统爬山法搜索速度慢的缺点,采用自适应变步长极值搜索策略,通过仿真实验可知,提出的8方向Sobel边缘检测算子具备良好的边缘提取效果,同时基于此算子结合人类视觉机制特性给予各边缘不同权重系数计算的调焦评价函数, 比经典两方向Sobel算子调焦评价函数具备更好的抗干扰能力。最后搭建基于液体透镜的实验平台,在动态环境下验证改进算法的性能。实验结果表明,提出的自动调焦算法在动态环境下调焦准确率达到97.5%。     

显微数字全息数值再现中的自动聚焦

自动聚焦是显微数字全息数值再现中的一项关键技术。基于菲涅耳变换重建算法, 采用实验验证的方法, 对显微数字全息成像中六种典型聚焦评价函数的性能进行了对比研究。提出了利用再现像部分区域进行调焦判断的方法。结果表明, 这些函数都具有较好的单峰性、一致的调焦范围和准确性, 但与梯度运算相关的调焦函数运算时间太长; 傅里叶频谱函数调焦速度最快, 是首选的聚焦评价函数。选取再现像部分区域作为调焦计算区域, 可大大缩短调焦时间。对于低信噪比全息图, 利用维纳自适应滤波进行预处理及对再现像进行后处理, 有利于提高自动调焦的准确性及再现像的质量。     

一种新的自动聚焦算法的研究

聚焦评价函数和极点搜索策略是自动聚焦的重要模块,直接影响聚焦的效果.为同时满足自动聚焦速度和精度上的要求,提出了一种新的自动聚焦算法.该算法综合了快速改进的灰度差分法和高精度小波变换法的优点,根据各阶段聚焦评价函数的梯度选择合适的评价函数和镜头移动步长,并且实现了从大步长快速粗扫到小步长精确细调的过渡.实验表明,与传统...     

基于图像灰度梯度最大值累加的自动调焦算法

从光学系统出发介绍了基于图像处理的离焦图像成像原理,分析了传统基于灰度梯度的自动调焦算法的缺陷——灰度梯度考虑不全面并且易受噪音影响.针对传统算法不足,提出了基于图像灰度梯度最大值累加的自动调焦算法.该算法通过计算中心像素的八邻域灰度梯度,以自动聚焦区域内各像素最大灰度梯度与最大灰度与最小梯度差值乘积之和作为新的评价函数,分析了该算法可以抑制噪音影响的原理;介绍了焦点搜索自适应变步长爬山算法原理和实现过程;最后进行算法性能实验验证.首先,利用不同算法对序列图像和加入高斯噪音的图像进行清晰度评价,结果证明该算法对含噪图像的清晰度评价准确,与传统算法相比该算法在抑制噪音方面具有优越性;其次,用不同聚焦算法进行序列图像自动调焦实验,结果显示传统算法会出现错误聚焦的情况,而该算法聚焦准确迅速,相比于传统算法具有明显优势.     

数字图像一阶矩的自动聚焦区域选择算法

聚焦区域选择是自动聚焦算法中的重要模块,直接影响评价函数曲线的尖锐性、准确性和稳定性。针对中心取窗和多点取窗等传统聚焦区域选择算法的局限性,提出了一种基于数字图像一阶矩的自动聚焦区域选择算法,它是通过图像灰度或边缘一阶矩定位聚焦区域的。传统聚焦区域选择是一种定点估计,实验证明一阶矩方式选择可以跟踪偏离中心的主体景物,是一种具有自适应性的前景位置估计算法,提高了聚焦精确度和速度。     

椭偏光学显微成像系统聚焦评价函数的研究

自动聚焦技术在椭偏光学显微成像系统中是一项关键的技术。利用几种常用聚焦评价函数作为研究手段研究了这一过程。实验中采用硅基底表面人血纤维蛋白膜层和多元蛋白质芯片样品作为研究对象,研究了几种函数在自动聚焦过程中函数值的变化,以及噪音、样品区域选择对聚焦效果的影响。实验验证托普拉斯评价函数和Sobel评价函数可以满足系统的要求;采用多幅图像平均的方法可以有效降低噪音．当平均次数达到9次以上．系统噪音的影响就可以被降至有效评价的程度;沿同一锐边,选择不同的调焦区域．对聚焦过程基本没有影响;利用评价函数在实验中确定了倾斜平面成像的最佳聚焦平面,并与理论像平面吻合。实验证明利用聚焦评价函数可以成功实现自动聚焦技术在椭偏光学显微成像系统中的应用。     

一种推扫型敏捷遥感卫星星上自动调焦技术

调焦评价函数的性能是影响推扫型遥感卫星星上自动调焦的重要因素。结合敏捷遥感卫星的成像特点和星上处理单元的计算特性,设计了一种敏捷遥感卫星自动调焦策略,提出了一种改进的灰度梯度函数以作为调焦评价函数。该方法在传统灰度梯度函数基础上,结合图像边缘信息与离焦状态的关系,将灰度标准差作为边缘阈值,提取了有效边缘信息并计算图像清晰度。研究结果表明,所提方法具备高灵敏度、强单峰性和良好的时效性,对调焦成像时的场景变化和噪声具有很高的鲁棒性,相比其他常用灰度域调焦评价函数具有明显优势。     

基于聚焦评价函数的自动调焦方法的研究

针对使用图像清晰度的聚焦评价函数来实现显微镜系统中的自动调焦,介绍了几种常用的图像清晰度聚焦评价函数,在自动倒置显微镜下进行大量的实验,分别利用这几种函数对采集到的图像进行评价分析。研究结果表明,在显微镜系统下利用基于梯度类图像清晰度评价函数拉普拉斯(Laplacian)算子可以有效地抑止噪声干扰,并且单峰性、重复性和稳定性都比较良好,能实现快速高效的自动调焦。     

基于最小各向同性小波滤波的图像清晰度识别

提出了基于最小各向同性小波滤波的图像清晰度识别方法,对二维最小各向同性小波滤波提取图像特征进行了研究.直接将原始图像通过带通小波滤波器G0获得图像边缘信息,结合图像能量分析,建立了基于小波滤波的图像清晰度评价函数.利用构建的显微镜自动对焦实验平台,比较分析了基于小波滤波和拉普拉斯的评价方法.实验结果表明,采用基于各向同性小波滤波的自动对焦算法有更好的综合自动对焦性能.     

一种基于U-NET多景深图片目标物定位自动聚焦算法

在多景深场景下,已知目标物类型,当目标物位于图像中心位置时,传统的聚焦评价函数曲线灵敏度较低;当目标物偏离中心位置时,聚焦评价函数曲线容易出现局部极大值或无法准确判断出准焦图像,影响自动聚焦系统。针对这两种情况,提出了一种基于U-Net神经网络判断目标物位置,设定对应窗口和评价函数的方法,即当目标物位于图像中心位置时,提出了一种新的聚焦评价函数——SMD-Roberts函数;当目标物不在图像中心位置时,设定对应窗口,选择SML评价函数对图像像质进行评价。实验结果表明,与传统的灰度梯度自动聚焦评价函数和传统的取窗法相比,该方法得到的聚焦评价函数灵敏度最少提高0.0241,耗时最少减少0.0355 s,单峰最少减少1个次峰,有效地解决了多景深场景下,应用聚焦评价函数判断目标物最清晰位置不准确及聚焦评价函数曲线出现双峰的问题,明显地提高了评价函数的无偏性、单峰性以及灵敏度。该方法普适性强,更适用于自动聚焦系统。     

基于对焦深度法的光学显微镜系统设计

针对传统显微镜采用手工对焦方式存在自动化程度低、对焦过程较慢且对操作者经验要求高的问题,提出一套基于对焦深度法的光学显微镜系统。结合基于图像处理自动对焦的显微镜通用结构,设计了一套由ARM开发板、触控液晶显示屏、Arduino UNO开发板、红外对管、工业数码显微镜及步进电机等组成的光学显微镜系统。结合触控液晶显示屏的特点,设计出结合不同大小的感兴趣区域对焦窗口选择方法,并在采用常见梯度函数作为图像清晰度评价函数及爬山搜索算法的基础上,提出容错改进方法。实验分别对不同的图像清晰度评价函数及对焦窗口大小进行了实时性、灵敏度及容错性能测试。结果表明,该系统具有较高的可靠性。     

基于区域对比度的图像清晰度评价算法

高效、准确的图像清晰度评价是实现自动调焦的关键。在分析了现有图像清晰度评价方法优缺点的基础上,提出了一种基于图像区域对比度的清晰度评价新方法,建立和分析了评价函数的数学模型,并对航空摄像机采集的系列图像进行实验和仿真。与其他算法比较的结果表明:该方法具有精确度高、对比度明显等优点,能够应用于实际的图像清晰度评价和自动对焦中,克服了单纯依靠计算灰度差带来的不足,具有较高的实用性和可靠性。     

基于自适应阈值的齿轮干涉图像前景区域提取方法

齿面物体像灰度法是激光移相干涉测量中提取齿轮干涉图像前景区域的重要方法之一,针对该方法因人工设定阈值且忽略不同图像边缘特征从而导致的测量效率及精度受限问题,提出了一种基于自适应阈值的齿轮干涉图像前景区域提取方法。首先分析齿轮齿面形貌特征与各边缘顶点差异,对图像进行区域划分;然后根据边缘灰度变化规律通过邻域窗口筛选合格像素点并获取掩模结果,实现前景区域提取;最后根据5类图像评价指标分别对4组算法分割结果与传统方法分割结果进行数据对比。结果表明：算法在实现图像自动处理的基础上与参考结果匹配精确度提升约3.5%～4.5%,PRI(probabilistic rand index)提升约3%～4%,VOI(variation of information)提高约15%～25%,GCE(global consistency error)降低约2.5%～3.5%,最终相位信息准确度提升9μm～15μm。结果符合精度要求,该方法可广泛应用于齿轮干涉图像前景提取中。     

基于评价函数的光电定焦方法研究

以CCD和透镜作为光学成像系统,并以高斯公式作为基本测量原理,提出了基于定焦评价函数的图像处理方法来寻找光学系统的最清晰像面位置,以实现光学系统的自动定焦。实验选用了绝对方差函数、梯度向量模函数、梯度向量平方函数三种评价函数进行了验证,经过逐次逼近,确定出最清晰的像面位置。实验数据显示,定焦精度可达0．01mm。     

基于独立分量分析和粒子群算法的太阳能电池表面缺陷红外热成像检测

根据红外成像特性及太阳能电池电致发光原理,研究一种基于限制式独立分量分析(ICA)模型和粒子群优化(PSO)方法的太阳能电池组件表面缺陷检测方法。利用太阳能电池红外图像的结构特点,首先设计一种ICA滤波器,并使用具有多方向搜索特性的PSO算法来求解ICA的分离矩阵,求解中加入限制式,使图像正常区域经滤波后有一致的反应值并有效凸显缺陷区域。然后使用ICA滤波器对图像进行旋积运算,最后使用阈值分割得到检测结果。实验结果表明,提出的ICA滤波检测方法对太阳能电池组件表面缺陷检测效果显著,检测精度高,能很好地区分背景和缺陷。     

Multi-Focus Image Fusion Based on Hessian Matrix Decomposition and Salient Difference Focus Detection

Multi-focus image fusion integrates images from multiple focus regions of the same scene in focus to produce a fully focused image. However, the accurate retention of the focused pixels to the fusion result remains a major challenge. This study proposes a multi-focus image fusion algorithm based on Hessian matrix decomposition and salient difference focus detection, which can effectively retain the sharp pixels in the focus region of a source image. First, the source image was decomposed using a Hessian matrix to obtain the feature map containing the structural information. A focus difference analysis scheme based on the improved sum of a modified Laplacian was designed to effectively determine the focusing information at the corresponding positions of the structural feature map and source image. In the process of the decision-map optimization, considering the variability of image size, an adaptive multiscale consistency verification algorithm was designed, which helped the final fused image to effectively retain the focusing information of the source image. Experimental results showed that our method performed better than some state-of-the-art methods in both subjective and quantitative evaluation.