欢迎来到天天文库
浏览记录
ID:44930941
大小:134.50 KB
页数:13页
时间:2019-11-05
《3、开题报告样板3》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、基于图像的自动聚焦方法研究12目录一、选题依据、目的和意义……………………………… 2二、国内外研究现状……………………………………… 2三、研究的主要内容……………………………………… 5四、研究方案……………………………………………… 5五、拟解决的关键问题与创新点………………………… 8六、预期目标……………………………………………… 9七、研究计划进度…………………………………………9八、主要参考文献…………………………………………1012一、选题依据、目的和意义近年来,自动聚焦技术在家用数码设备、显微镜、内窥
2、镜、机器人视觉、无人视频监控以及卫星遥感等系统中有着广泛的应用。要对这些电器实现自动化、智能化,自动聚焦是关键。自动聚焦技术对精密影像测量仪器有重要的意义。一种好的自动聚焦方法,有助于提高影像测量仪所获取图像的清晰度,从而提高测量仪的测量精度。然而,基于图像处理的智能化方法有着速度快、精度高、体积小等优点,是重中之重。与传统光学方式和红外线或超声波测距方式相比,数字图像处理方式更利于设备的集成化、微型化,可降低设备成本,具有广泛的应用前景。自动聚焦技术是一项涉及遥感图像信息采集、无人监控、图像自动录入系统等多方面的重要
3、技术,实现自动化是一项推动科研水平、提高军事国防能力的关键技术。随着数字成像技术向自动化和智能化发展,自动聚焦技术的应用范围不断扩大,在自动化、高精度、高稳定性等方面都取得了很大进展,是实现自动化微操作的关键技术。本研究在以步进电机和CCD组建的实验平台的基础上,在BCB平台上开发的视频图像实时自动聚焦的软件,必将对实现聚焦的自动化方面具有重要的推动作用。二、国内外研究现状现有的自动聚焦算法由两个部分组成:一个是清晰度评价函数,一个是寻优搜索算法。清晰度函数是描述摄像头对图像的聚焦程度的函数,搜索算法是为了快速准确地找
4、到最佳聚焦位置。2.1常用的清晰度评价函数:基于图像的自动聚焦的关键在于构造图像的清晰度评价函数,它在坐标轴上是一个以聚焦位置为横坐标,12以最佳聚焦位置的评价函数值为极值点,先上升后下降的类似于高斯分布的曲线。应满足:(1)无偏性(2)单峰性(3)灵敏度高(4)较高信噪比(5)计算量小。图像清晰时,图像的细节部分丰富,空域表现为相邻像素的特征值(灰度、颜色)变化大,频域表现为频谱的高频分量多。这是构造各种聚焦评价函数的理论基础。国内外提出的各种聚焦算法,可归纳为以下两类:(1)基于时域:①灰度熵法,对焦良好的图像的熵
5、大于没有对焦清晰的图像;②灰度梯度向量模方和,能够把灰度方差扩大化,数值变化明显,评价函数曲线极值点两边迅速下降;③灰度差分法(SMD)、灰度方差算子(VAR),具有较好的单峰性,方差算子抗噪性能较强;④基于图像边缘检测的方法,如Laplacian算子、Sobel算子、Roberts梯度算子和Tenengrad等,对景物图清晰度敏感,计算速度能够随着区域的减小而提高;⑤互相关法:如Vollath4,Vollath5,具有较强的抗噪声稳定性,计算复杂度小。(2)基于变换域:高频带通法、快速Fourier算法、DCT变换法
6、、小波变换法等,具有灵敏度高、曲线尖锐的特点,能够满足高精度的要求。加拿大Toronto大学先进微纳米系统实验室,对这些函数进行大量实验,这些函数分别对139500帧图像进行分析处理,所有图像是12种图片分别以100×、400×和3种检测方法、2种放大倍数采集到的,并分别用精度、取值范围、峰值点(最大值点外)的数量、宽度、噪声水平对处理结果进行评估,综合这5个参数值,得到函数的最终评估值,从而得出最优聚焦函数。根据大量实验数据,加拿大Toronto大学先进微纳米实验室综合评出平方梯度函数、绝对梯度函数、Tenengra
7、d函数、方差函数、Brenner函数、AutoCorrelation算子、StandardDeviation12函数为最优聚焦函数。2.2自动聚焦搜索算法:(1)自动聚焦的速度取决于搜索算法,可归纳为全局搜索算法,中心区域搜索法及爬山法三类。全局搜索峰值法,避免陷入局部极值点,但速度慢;自适应变步长登山搜索算法,每过一次峰值,反向移动镜头,搜索步长减半,步长由所需精度确定;还可以结合边缘点判据,加快搜索速度,避免同一判据在某些部分可能失效;还有文献16提出的修正的快速爬山算法(MFCS),收敛速度快,抗噪声能力强,但仍
8、有很多缺陷。(2)Fibonacci搜索算法:Fibonacci搜索具有取样点存储量少、不确定区间容易预测等优点,在试验次数指定的情况下,是最优化的搜索法。但如果对焦评价函数曲线并不是理想的光滑曲线,出现大量的局部极大值时,Fibonacci搜索有可能陷入局部极大值的邻近区域。另外,在背景干扰比较严重的情况下,对焦窗口选取是影响对
此文档下载收益归作者所有