关键词:
自动聚焦
数字图像处理
清晰度评价函数
聚焦窗口构建
显著性特征
定量评价指标
摘要:
聚焦是各类光学成像系统获得清晰、高质量的图片的关键技术,是进行后续的图像分析和处理的重要基础。在高速发展的信息社会,自动聚焦技术覆盖了生产、生活的各个领域,从日常生活的数码相机、摄像机等,到空间遥感系统、生物医学成像领域等都离不开自动聚焦技术。自动聚焦经历了从早期的主动式直至被动式的发展演变历程。被动式中基于数字图像处理技术的方法,具有准确性高、集成度高、空间和时间适用性强等优势,因此得到了广泛的应用和飞速的发展。自动聚焦系统在无需过多人工干预的情况下,即可自动识别质量最佳的清晰图片,解决了手动聚焦操作复杂、效率不高、成像质量不佳等问题,为各类成像系统后续的图片分析、处理及应用提供了保障。聚焦深度法是基于图像处理技术的自动聚焦方式中优势较为明显的方法,具有精确度高、系统复杂性较低、通用性较好等优点。聚焦深度法对采集到的一系列模糊程度不同的图像进行目标区域窗口构建,对比窗口内图像的清晰度评价值,根据评价结果,驱动电机按既定的搜索策略移动镜头的位置,直至找到质量最佳的图片。本文选择各项性能优势明显的聚焦深度法进行自动聚焦算法的研究。清晰度评价函数是聚焦过程中的核心所在,其目的是判断聚焦与离焦状态下图像的差异情况,对图像进行清晰度评价值计算,为后续的搜索步骤提供依据。聚焦窗口构建是自动聚焦中定位主体目标的关键,只针对窗口内的感兴趣目标区域进行分析及处理,能有效改善自动聚焦的实时性与准确度。本文主要对清晰度评价函数和聚焦窗口构建进行研究,提出了基于Kirsch算子的梯度阈值评价函数和基于图像显著性特征的窗口构建方法,提高了评价函数的性能和窗口构建的准确度。此外,本文依据聚焦深度法的完整流程,采用本文提出窗口构建方法和评价函数,选择适当的聚焦峰值搜索方法,提出了改进的聚焦策略,并阐述了其操作流程。本文主要的创新点如下:(1)针对传统的梯度类评价函数对噪声敏感,不能保证评价结果稳定性的问题,提出了基于Kirsch算子的梯度阈值评价函数。为了减少计算量,保证实时性,以绝对值之和近似表示Kirsch梯度值;提出了一种新的阈值去除图像中的小梯度值,有效地增加了模糊图像和清晰图像的差异;抑制孤立噪声点在图像中的梯度值,提高了评价结果的鲁棒性。本文的评价函数在准确度、抗噪稳定性等各项性能上都有比较明显的优势。(2)针对聚焦窗口构建的研究,提出了基于图像显著性特征的窗口构建方法。根据人眼视觉对图像显著性区域的关注程度,创新性地选择图像的显著性信息作为聚焦窗口构建的依据。采用计算量较小的LC算法构建显著图,利用分区域显著值求和减少图像的分辨率,增大显著值较大的区域的影响,并通过设定阈值进行二值化以实现聚焦图片中目标与背景的分离,最后计算分割后的图像的"重心",将得到的矩形窗口映射到原图像,实现聚焦窗口的构建。经过大量实验表明,本文的窗口构建方法对目标物体的定位准确性高,计算量也小,保证了自动聚焦的实时性。(3)对各种评价函数的性能进行测评时,选择主观定性评价指标的同时,增加客观的定量评价指标对清晰度评价曲线的性能进行对比,各项数据更能直接、全面的反映清晰度评价函数的差异和性能特点。本文提出的评价函数的各项定量评价指标结果性能良好,说明函数具有良好的抗噪性和稳定性。