资源描述:
《基于surf特征的自动聚焦区域选择算法》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于SURF特征的自动聚焦区域选择算法摘要:电子经纬仪在测量过程中,要使不同距离处的测量标志在目镜中成像清晰,需要通过对物镜进行精确调焦来完成。聚焦区域大小和位置的判断是自动聚焦的一个关键点。本文将SURF算法运用在自动对焦的窗口选择中,待搜索图像经过SURF匹配后,获得目标图像在待搜索图像中四个顶点位置,即聚焦窗口。通过实验证明,这种方法适用于聚焦目标特定的情况,锁定目标图像后,清晰度评价函数所需的高频部分完全来自目标图像,克服了目标图像偏离中央和高亮目标引起的误对焦。关键词:聚焦窗口;SURF;电子经纬仪;Tenengrad评价函数;阈值梯度中图分类号:C35文献标识码:A1引言
2、电子经纬仪是获取地理信息的重要工具之一,它是一种依靠机械加工保证测量精度的仪器,测角精度可达0.5〃o一般来说对于一个熟练的经纬仪操作人员,人眼单次照准目标引起的角度误差约为3〃;且不同测量操作人员对经纬仪使用的熟练程度也会产生不同的测量精度。照准误差的存在使得经纬仪测量误差远远不能达到标称精度。基于以上原因,需要研发一套经纬仪自动化照准系统。获得清晰的目标影像是研制经纬仪自动照准系统的第一步。现有的聚焦评价函数在一定程度上能够克服高噪声或高亮目标对图像的影响,但当图像中包含不同景深的多个物体,或目标与背景对比度较小时,还是很难避免误聚焦现象。为了保证聚焦成功,一副图像中聚焦区域大小
3、和位置的判断是自动聚焦的一个关键点。常规的聚焦窗口选择算法有中心取窗区域选择算法和多点取窗区域选择算法。前者是利用单点固定区域,选择图像中央区域像素进行聚焦评价函数计算,聚焦窗体大小由目标图像实际位置决定[1,2];后者通常是对图像进行统计,给出一个最优化的主体景物估计区域,然后取多点窗口作为聚焦区域[3]。目前大多数文献都是研究聚焦评价函数,很少提及聚焦窗口的选择问题,一般都是选取图像的中心区域作为聚焦窗口,但实际很难保证目标总是处于图像中心区域。当目标图像偏离中心时,往往会因聚焦窗口选入过多背景图像导致聚焦性能下降甚至聚焦失败。电子经纬仪瞄准的目标是测量标志中心,即自动聚焦时,无
4、论测量标志位于前景还是背景,我们始终需要获得清晰的测量标志。本文针对上述问题提出了一种新的方法确定聚焦窗口:对图像进行SURF特征匹配,确定感兴趣区域位置,直接将聚焦窗口定义在感兴趣区域上。2研究方法2.1SURF特征区域选择算法描述SURF(speededuprobustfeatured)[4]是一种尺度不变和旋转不变的特征点检测子和描述子,具有速度快,鲁棒性好的特点。SURF分为特征点检测和特征描述子生成两部分。在特征点检测部分,利用积分图像,使用快速Hessian检测子在尺度空间提取图像特征点;在特征描述子生成部分,首先确定每个特征点的主方向,然后沿着主方向构造一个窗口区域,在
5、窗口内提取一个64维向量,用该向量描述特征点[5]。基于SURF算法的自动聚焦算法流程,如图1所示,先提取模板图像,即特定的测量标志点,并计算出模板图像的特征点;通过摄像头捕捉图像,作为待搜索图像,计算出待搜索图像的特征点;特征匹配,把待搜索图像的SURF特征点和模板图像的SURF特征点进行匹配,找到待搜索图像中模板图像的四个顶点位置,即聚焦窗口;将该聚焦窗口作为同场景序列图像的聚焦窗口。选取大小为415X409的图像为模板图像,取大小为2560X1920的两副图像为待搜索图像,经过SURF算法后,获得模板图像在第一幅待搜索图像中四个顶点位置(496,379),(911,379),(
6、911,788),(496,788),在第二幅待搜索图像中四个顶点位置(82,524),(637,157),(1002,738),(426,1108),如图2(a)和⑹所示。两副待搜索图像描述场景相同,摄像头经过旋转和倾斜后,采集到第二幅图像,经模板匹配,仍获得模板图像在待搜索图像中位置。SURF算法具有尺度,旋转和倾斜不变性,对缩放、小视角改变、噪声、亮度变化具有很好的适应性强。用目标四个顶点位置定义聚焦窗口,不仅缩小聚焦区域,减小计算量,加快聚焦速度;并且锁定目标,避免混入大量背景影响评价函数精确度,有效的减小了噪声和高亮目标的影响。2.2SURF-梯度-阈值聚焦评价函数传统的自
7、动聚焦算法有灰度变化函数、梯度变化函数、图像灰度爛函数以及频域类函数等四大类[6]。本文采用梯度变化函数中的Tenengrad聚焦评价函数进行评判,考虑到模糊图像小梯度的像素数多于清晰图像,使得图像在过渡带区域内某点的梯度值虽然较小,但梯度和较大或者和清晰图像相当,影响评价函数的准确性和有效性,所以,采用对梯度矩阵进行阈值M处理,去掉较小的梯度值[7]。同时,在对图像进行微分运算或梯度运算的操作后,虽然获得了图像的边缘及细节信息,但同时也加强了噪声,为了避