基于图像处理的应用PPT.ppt

试验结果与分析 (a)梯度平方和函数 (b)排序梯度和函数 (c)基于阈值梯度数函数 梯度平方和函数，目标的面积减小，参加计算的梯度数相应减小，使得尽管清晰程度接近，但评价值却出现了大幅下降，失去了调焦评价的作用。 对于排序梯度和函数与阈值梯度数函数来说，表现明显优于梯度平方函数，尽管目标变化较大，但评价值基本保持稳定，波动的范围很小。评价值与图像的清晰程度保持了很好的对应关系，受目标大小变化的影响有限。 1.3 抗干扰性能实验 （二） 一组目标大小变化，同时清晰程度也变化的图像， 序列开始和结尾属于目标大，但是离焦量也大，模糊程度高， 在序列中间，目标变小，离焦量也变小，清晰度相对高。 清晰度与目标大小均变化序列 1.3 试验结果与分析 梯度平方和函数受到了明显的干扰，在序列的中间段找不到最清晰的位置， 这是由于目标大小变化，导致前后帧的梯度数量波动引起的。 对于排序梯度和函数与阈值梯度数函数表现相当稳定， 有良好的可靠性，准确性、平滑性，在目标有变化情况下， 也仍然符合调焦评价函数的要求。 1.3 调焦搜索策略 调焦系统的搜索策略就是准确快速的找到评价函数的峰值位置，搜索的方向就是相前或向后，属于求解一维函数极大值的问题 1.4 爬山法（MCS） 斐波那契(Fibonacci)法 曲线拟合 爬山法 1.4 判断前一步图像和当前图像清晰度评价函数值的大小， 决定下一步的方向 调焦搜索策略 搜索的步数要少，速度优先于精度 1.4 搜索不能大范围往复移动 步距的选择要体现两幅图像评价值的区分度， 也要克服目标变化量带给评价曲线的影响 改进搜索策略 1.4 (1) 方向搜索 第一类： 第二类： 第三类： 第四类： 改进搜索策略 1.4 （2）位置搜索 用当前的评价值与前面两步评价值的均值比较， 防止评价曲线上某个点出现异常波动引起判断失误 由于动目标的特点和齿轮间隙的影响。 测量电视的调焦难以达到很精确的准焦位置。 在准焦位置附近反复搜索的方式不能保证找到准焦点， 反而会对成像质量带来影响，比如抖动问题 第一类型方式，找到第三类型，然后反向两步停止 单帧图像清晰质量判定 1、图像质量判断必要性 2、图像质量评价方法 3、图像边缘类型 4、单帧图像清晰度判定 5、实验结果 2 图像质量判断必要性 2.1 连续自动调焦流程： 动态调焦就是在测量电视或动目标观测的整个过程中， 间隔一段时间或一定帧数后，触发自动调焦 如果调焦初始时，当前帧图像本身是清晰的。那么在调焦初始， 盲动扫描中，镜头会离开准焦面，这样反而造成图像变模糊。 对目标跟踪的稳定性和测量精度造成不良影响 图像的客观质量评价方法  2.2 图像的客观质量评价方法 均方误差( MSE)和峰值信噪比(PSNR) 图像的主观质量评价方法 2.2 主观质量评价尺度 级别 绝对测量尺度 相对测量尺度 1 很好 一群中最好的 2 较好 好于该群中平均水平 3 一般 该群平均水平 4 较差 差于该群中平均水平 5 很差 该群中最差的 无法应用数学模型对其进行描述，从工程应用的角度看，难以应用到 实际系统。因此，图像的主观质量评价方法受到了严重限制。 调焦系统图像判断特殊性 2.3 调焦系统图像判断特殊性 上述图像清晰质量的评价判断适用于多帧图像的比较，或处理后的图像与原始图像的比较，不能根据单帧图像的信息判断图像的清晰质量。 连续自动调焦系统的工作过程，要求在调焦前，先判断当 前图像的清晰度，如果在可接受范围，就不再调焦。 需要采用一种数学手段来建立人的主观判断和图像清晰度的对应关系 数字图像边缘模型 2.3 对数字图像来说，边缘过渡区剖面是一个斜坡，过渡区的宽度取决于从初 始灰度变化到最终灰度的斜坡的长度。 这个长度又取决于斜度，而斜度是由图像的模糊程度约定的。 (a) 理想数字边缘模型 (b) 斜坡数字边缘模型 边缘的法向梯度值变化趋势 2.3 不同模糊度图像 法向梯度值变化图 单帧图像清晰度判定 2.4 边缘方向和位置 区域内有无边缘判断 单帧图像清晰度判定 2.4 边缘灰度过渡参数m1和m3 单帧图像清晰度判定 2.4 试验结果 2.5 优点：根据边缘法向梯度的分布特征来判断目标成像的清晰程度，原有的算法是比较两幅以上的图像，只能得到图像的相对清晰质量，只需要对当前一帧图像判断就能得到与主观清晰程度对应的参量。 缺点：该算法对背景简单的扩展目标，具有良好边缘的目标有较高的判断