基于图像自相关函数的透明度评价.docxVIP

基于图像自相关函数的透明度评价 自动精确聚焦是现代光学成像系统的一项重要技术。聚焦性能取决于光学成像矩阵函数的准确性和有效性。图像的清晰度评估函数反映了图像的距离采样程度。国内外研究表明，有许多光学函数被纳入频率函数、粒度变化函数、梯度函数和图像灰积函数。 从信息论的观点来看,图像轮廓的锐度和细节的丰富度取决于图像的高频成分.人眼视觉特性主要是频率对比敏感度,即在亮度不变的情况下,人眼对图像的细节是敏感的,因此从频率的角度来解释图像清晰与模糊是直观的,是符合人眼的视觉特性和主观感受的.上面谈到的评价函数除频谱函数外,其余3种都与频率没有直接关系,而与图像像素之间的相关性有关.如果像素之间的相关性较大,则图像灰度变化小,图像梯度值小,图像熵也小;反之,像素之间的相关性较小,那么图像灰度变化大,图像梯度值大,图像熵也大.因此,这3类清晰度评价函数同图像自相关函数有相同的数学物理内涵,只是表达形式不同而已.以往的文献只进行定性的基于启发式的说明,而没有进行定量计算. 事实上,图像自相关函数也是图像清晰度评价函数,但国内外众多文献都没有从理论上分析其原因,也未能解释图像越清晰,其自相关函数曲线将变得越尖锐的原因.文献利用小波函数对图像边缘进行增强,得到了更为尖锐的自相关函数波峰,但仍然未解释通过图像边缘增强后,自相关函数曲线变得更尖锐的原因. Sun等对包括了自相关函数在内的18种清晰度评价函数进行了聚焦测量评判,但没有解释自相关函数为何能进行清晰度评价; Vollath利用自相关方法实现自动聚焦,也只是从图像领域对比度的角度出发来定性地阐述自相关函数同图像清晰之间的联系. 综上所述,国内外文献都没有提供自相关函数作为清晰度评价函数完备的数学证明.本文从理论上分析其能作为清晰度评价函数的数学基础.在此基础上,根据自相关函数同其它清晰度评价函数的物理内涵的一致性,这个数学基础也是其他3类清晰度评价函数的基础. 1 图像功率谱f 从空间域来看,不同图像具有不同的景物背景,但用功率谱空间频率域观察不同图像,所有景物的状态信息都被隐藏且不可恢复,表明在理论上任意图像均具有相似的功率谱分布特征.大量的实验表明,图像的一维功率谱近似呈指数曲线状,因此,可用式(1)描述标准化的功率谱曲线. S(f)=exp(?k|f|),(1)S(f)=exp(-k|f|),(1) 其中: S(f)为功率谱,S(f)反映了组成图像的各个频率分量的强度; k为图像锐度指数, 0k1, 若k值较大,功率谱曲线衰减较快,图像的高频分量较少(图像模糊),反之,功率谱曲线衰减较慢,高频分量较多(图像清晰); f为空间频率. 灰度变化函数、梯度函数和图像灰度熵函数可作为判断图像高频分量评价函数,但均未与频谱发生关联,从空域到频域的傅立叶变换的结果也与图像功率谱无直接关系.根据维纳-辛钦定理可知,图像的自相关函数和功率谱是傅立叶变换对,因此得到图像的自相关函数为 R(τ)=∫+∞?∞exp(?k|f|)exp(j2πfτ)df=∫0?∞exp(kf+j2πfτ)df+∫+∞0exp(?kf+j2πfτ)df=2kk2+4π2τ2.(2)R(τ)=∫-∞+∞exp(-k|f|)exp(j2πfτ)df=∫-∞0exp(kf+j2πfτ)df+∫0+∞exp(-kf+j2πfτ)df=2kk2+4π2τ2.(2) 其中τ为空域位置差.R(τ)为实偶函数,关于纵坐标对称,类似于高斯函数分布. 因为0k1,当τ≠0时,有4π2τ2?k2,式(2)可简化为 R(τ)=k2π2τ2.(3)R(τ)=k2π2τ2.(3) 分析式(1)和式(3),可得如下结论: (1) 当k较小时,功率谱曲线变化较缓慢,包含有较多(丰富)的高频成分,即当图像清晰(正焦)时,功率谱曲线变化缓慢;k较小时,对于相同的τ,R(τ)也较小,其自相关函数曲线变化陡峭,图像清晰时,自相关函数曲线将变得尖锐; (2) 当k较大时,功率谱曲线变化较快,包含较多的低频成分,即当图像模糊(离焦)时,功率曲线变化较快;k较大时,对于相同的τ,R(τ)也较大,其自相关函数曲线变化缓慢,图像模糊时,自相关函数曲线将变得平坦. 2 自相关函数波峰宽度法计算 自相关函数曲线的尖锐程度可用自相关波峰宽度表征,由于R(τ)是实偶函数,关于纵坐标对称,一般地将R(τ)值从1降为0.5时所对应的波峰宽度定义为有效宽度d.取R(τ1)=1,R(τ2)=0.5,τ1=0,其中τ1和τ2分别为自相关函数的横坐标,则有 d=2(τ2?τ1)=2τ2,(4)d=2(τ2-τ1)=2τ2,(4) 将R(τ2)=0.5代人式(3),得 τ2=k√π.(5)τ2=kπ.(5) 将τ1=0和式(5)带入式(4),得 d=2k√π.(6)d=2kπ.(6) 由式(