论文中自动调焦的方法.docx

传统的图像清晰度评价函数主要有以下几类:(1)灰度变化函数。聚焦图像比离焦图像包含更多的灰度变化, 这样图像灰度值的变化可以作为评价函数。(2)梯度函数。在图像处理中,图像梯度可以用来进行边缘提取,离焦量越小图像边缘越锋利,应该具有更大的图像梯度值。(3)图像灰度熵函数。聚焦图像的信息熵要大于离焦图像的信息熵, 因此图像的灰度熵也可以作为评价函数。(4)频域类函数。这类函数主要基于傅里叶变换,傅里叶变换的高频分量对应图像边缘,而聚焦图像总是具有锋利的边缘,即包含更多的高频分量,这样可以根据图像傅里叶变换后高频分量的含量作为评价函数。(5)其他方法。图像灰度梯度向量模方和、Roberts 梯度、拉普拉斯算子和是属于改进的梯度函数类的图像聚焦评价函数。理想的清晰度评价函数应具备以下几个特点：（1）无偏性，只有物平面与焦平面重合时,评价函数才取极值。（2）单峰性，评价函数有且只有一个极值。（3）具有足够的信噪比，在一定噪声的干扰下,保证系统正确地检测到离焦信号。（4）可重复性，有较好的重复精度。（5）可计算性，计算量不应太大，有利于编程。几种期刊论文中所做的创新点一：定义了一种基于边缘灰度的显微图像清晰度评价函数，该函数采用改进的线性微分拉普拉斯算子和阈值滤波的方法以减少图像聚焦的误差。将该函数用于显微镜的自动调焦中，具体方法包括：①对显微图像的噪声进行中值和同态滤波以提高显微图像的质量；②通过带门限的帧差技术以区分背景与前景，同时，为减少噪声和图像前景变化的影响，在评价函数中引入了阈值参数。实验结果表明，该方法准确、稳定和可靠，精度较高。二：采用图像处理法实现显微镜自动调焦。对图像处理法实现显微镜自动调焦中的两个关键技术进行了详细的讨论：其一是图像清晰度评价函数的选取，文中采用绝对方差函数和修正平方梯度函数分别作为粗精调焦评价函数；另外还针对提高图像信息质量的方法进行了探讨，采用线性拟合与同态滤波方法进行图像处理，为离焦判断提供高质量的图像信号。①绝对方差函数实现粗调焦评估, 而采用修正平方梯度函数作为精调焦评价函数实现精调焦:；②用最小二乘拟合消除线性系统误差，采用滤波法消除图像信号中的随机噪声。三：研究了现有基于聚焦的自动调焦DFD(Depth from Focus)方法,提出了显微视觉下一种新型的基于离焦(Depth from Defocus)的快速自动调焦算法,该算法只要给定两幅模糊图像,就可直接计算出目标聚焦平面位置。实验结果显示,该方法的聚焦速度比传统 DFF方法(本文选择 SML法)快2～4倍。改进了的 DFD 算法提高了自动调焦性能,增强了显微光学鲁棒性,调焦精度较高,且具有较好的实用性。四：基于CCD图像技术提出一种新的图像式显微自动调焦、瞄准系统,该系统实现了通用光学仪器及现代数字化仪器中自动调焦与图像瞄准,解决了这类仪器自动化程度低,瞄准精度受人员主观影响大,劳动强度大,不易于微机化等问题。其大致过程是：先采集一幅图像,然后判别是否正焦,如果已正焦,则结束调焦过程。如果未正焦,则通过计算调焦评价函数,确定步进电机应走的步数并控制电机运行,然后,再采集一幅图像进行判别,如此循环,直至调焦结束。过程如下所示：五：提出双向差分绝对值函数作为自动调焦评价函数,在20μm范围内以变步长实现了正确聚焦,获得质量较高的图像效果,为进一步实现微操作打下基础。如下图所示为哈尔滨工业大学机器人研究所研制的基于微装配的微操作机器人显微视觉系统构成示意图。装配对象的位置信息经过显微镜放大后，由CCD摄像机将光学图像转换成电信号，经图像采集卡送入计算机，用专用软件对图像进行分析处理，判断系统的焦面状态和目标位置状态，结果送入控制系统，通过自动调焦机构调整显微镜在垂直工作台方向的位置以获得最清晰的图像，实现自动调焦。另一方面,通过目标搜索及执行机构，调整两操作手在水平方向的位置，从而将操作对象移到视野中央。六：DCT与SUSAN算法的结合在聚焦评价算法的研究中，①首先对传统的离散余弦变换(DCT)算法和最小核值相似区(SUSAN)算法进行改进，②然后结合改进后的DCT算法和SUSAN算法提出一种新的聚焦评价算法，该算法结合频域评价算法和空间域评价算法各自的优点，使聚焦曲线在单峰性，局部极值点和灵敏度等方面与传统算法相比有较大改善。在聚焦窗口的研究中，本文提出一种基于图像子块重要程度加权的聚焦窗口选择方法，该方法以总梯度变化率作为图像子块重要程度因子，将重要程度因子值小于阈值的图像子块视为背景子块，去除背景子块后剩下的部分为聚焦窗口。新的聚焦窗口选择方法能实现动态的区分目标区域与背景区域。①离散余弦变换(DCT)聚焦评价算法②自适应SUSAN算法③组合算法七：基于图像矩的图像清晰度评价函数现有图像清晰度评价函数在对焦目标与背景的对比度较低