《3开题报告样板3》由会员分享，可在线阅读，更多相关《3开题报告样板3（13页珍藏版）》请在金锄头文库上搜索。
1、基于图像的自动聚焦方法研究目录一、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 10一、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
2、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
3、：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，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：(
4、1)基于时域：灰度熵法，对焦良好的图像的熵大于没有对焦清晰的图像；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；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；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；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、小波变换法等，具有灵敏度高、曲线尖锐的特
5、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、Tenengrad函数、方差函数、Brenner函数、AutoCorrelation算子、Standard Deviation函数为最优聚
6、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
7、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焦成败的重要因素之一。分离成像主体的区域可以有效地减少背景信息的干扰,从而使对焦主体的成像最为清晰。常用的有九宫格法，中心区域双框法等。虽然现有方法在一定程度上都能够达到自动聚焦的目的，但是对于高噪声或含高亮度目标的图像却很难同时满足聚焦速度和精度的要求，有些甚至会出现多峰干扰，导致误聚焦。因此，自动聚焦技术还远未完全解决。 本课题是研究基于CCD摄像机实时获取视频图像的平台，以相对复杂的线路板为图像采集对象，图像预处理工作采用梯度阈值处理，以减少噪声影
8、响，粗调时选用灰度方差法计算判别函数值进行全局搜索，细调时选取对焦窗口，采取FFT频域函数计算，用优化的爬山算法更有目标性地在小范围内搜索极值点，实现视频图像快速准确的自动聚焦。三、研究的主要内容由光学成像模型可知，只有当图像处于聚焦面时才最清楚，具有更多的细节，而偏离聚焦面即离焦时，将造成图像模糊，质量下降，因此，如何准确地获取该聚焦面就成为主要的问题。本课题的研究目标是优化图像清晰度判别函数，使其具有单峰性、无偏性、抗噪性能强、计算量小等优势。设计一可靠性高的基于图像的实时自动聚焦的软件，探究如何快速而准确地找到聚焦曲线的极值点，即最佳聚焦位置。研究的主要内容如下：1.构建具有自动聚焦功能
9、实时获取视频图像的自动化系统。2.基于图像清晰度的判别方法比较研究，选取计算量小，速度快的方法。3.基于图像的自动聚焦方法研究，即优化搜索算法。4.通过实例验证本课题方法的有效性、稳定性。四、研究方案拟采取首先经梯度阈值处理减小图像噪声对聚焦过程的影响，第一步在空域上采用灰度差分法作为清晰度评价函数，用改进的爬山搜索法快速找到全局极值点位置，实现初步粗调；第二步为减少计算量而锁定中心区域作为聚焦窗口，在频域上判别，采用快速傅里叶变换，从极值点前一站开始以小步长（越来越小）搜索，精确寻找所需的最佳位置，实现自动聚焦的微调。通过对不同情况下图像的自动聚焦的对比研究，多种清晰度判别函数曲线的比较研究
10、，验证本评价函数曲线具有较好的单峰性、无偏性的同时，提高了搜索方法的准确性、稳定性。图像清晰度判别方法（灰度差分法，FFT）自动聚焦算法（全局搜索，小窗口定位）线路板测量实例验证图4-1本文算法的功能模块图4.1 采用的清晰度判别函数：(1)时域：灰度方差法，具有好的单峰性，计算量小，速度快。图像的标准差做粗调时的判别函数： (4-1)其中，整体灰度均值，为点处的灰度值，M，N分别是行数和像素数。(2)频域：FFT变换法，函数曲线有尖锐的峰尖，灵敏度高。细调时的判别函数： (4-2)其中，u=0,1M-1； v=0,1N-1 改进的傅立叶谱为： (4-3)其中， ，、分别是的实部和虚部。4.2
11、 技术路线：总体路线：将CCD摄取的图像输入计算机，系统在调焦区间内镜头每移动一个位置，计算图像的清晰度判别函数值，比较每相邻两幅图像的函数值的大小，用步进电机驱动调焦装置到达相应的位置，来实现自动聚焦。考虑实际生产需要的保证调焦的精度和缩短自动聚焦时间条件下，采用大步长进行搜索，靠近焦平面(对焦窗口)时，只关注目标区域的细节部分（对应于频域上的高频分量），用小步长搜索。预处理工作：先对采集的图像进行梯度阈值处理，以减少背景噪声影响，减少判别曲线的局部极值点干扰。(1)粗调模块：确定镜头调焦的范围即对焦区间AB，设定初始步长D1（较大）及镜头初始位置x，计算此时的评价函数的值F(x)；CCD镜
12、头向初设的方向移动一个步长，得到F(x)，根据评价函数的单调性判断镜头移动的方向，若F(x) F(x)，继续向x方向移动调焦，若F(x)F(x),则说明越过极值点，立刻减小步长，向反方向移动一个小步长，重复上述的比较和确定爬上方向，直至找到粗调阶段的极值点P，进入下一步的细调。(2)细调模块：选取所关心的目标中心区域，即聚焦窗口，由于更关心细节部分，在频域上表现为高频分量多，利用FFT变换求得判别函数。镜头返回到与极大值距离D1位置处，以D2=D1/2为步长，向峰值点方向搜索，步骤同Step1；到达峰值另一侧x处（距离峰值位置为D2，再次以x为起点，以D3=D1/4,向峰值点方向搜索。令D=D
13、1/2，如此步长越来越小，以达到精调的目的，最终找到最佳聚焦位置点。（0kmn） (3)实例验证：将线路板作为图像采集对象，用上述方法实现对线路板测量的自动聚焦。4.3 可行性分析：(1)聚焦算法的基本原理是，通过镜头和CCD采集到数字图像，按相应聚焦准则计算图像中的高频分量来判断是否聚焦准确，因此本研究的算法可以快速地找到全局峰值点，有效利用图像频域的高频分量来判别。(2)本试验的步进电机控制的CCD平台已研制完善，确保了聚焦过程中控制镜头移动的自动化，为软件的成功演示提供了可靠的硬件设备。 (3)对现有自动聚焦各方法的优缺点已熟悉。CCD、光学镜及平台步进电机驱动器控制卡图像采集卡PC机及
14、控制软件被测物旋转工作台图4-2 硬件准备的功能结构图五、拟解决的关键问题与创新点5.1拟解决的关键问题(1) 聚焦的精度取决于评价函数，聚焦的速度取决于峰值搜索法，因此实现自动聚焦的算法要满足计算量小、精度高。 (2) 探究如何快速找到全局峰值点，减少峰值点附近噪声干扰，以免陷入局部极值点，引起聚焦误判。(3) 实现自动聚焦的实时性和和准确性的协调，兼顾聚焦的速度。(4) 适当地选取聚焦窗口，能有效地减少在对目标进行聚焦时背景成分的干扰，并减小计算量，从而提高聚焦速度。 5.2 本项目的创新点一个图像是否聚焦，反映在空域上是图像的边界及细节部分是否清晰，在频域上则是图像的高频分量是否丰富。(
15、1) 本研究的算法分两步：第一步，粗聚焦阶段，在空域采用了灰度方差法，初步寻找全局极值点；第二步，缩小搜寻范围，选择一中心区域，利用频域变换对图像进行FFT来获取图像的高频信息实现精聚焦。(2) 粗聚焦时，计算量小，适合大范围的快速聚焦；精聚焦时，只考虑聚焦窗口，减小了计算量，计算速度快，定位精确。根据所需要达到的精度和速度，可以通过改变步长来调节。(3) 即使图像对比度不大或混有噪声，不影响本方法聚焦的准确性。本方法具有相对的稳定性，抗噪性能好。六、预期目标6.1 提出一个快速、准确定位的自动聚焦方法，并具有稳定性。6.2开发一套基于图像实现自动聚焦的软件，并在硬件平台进行实例验证，保证聚焦效果的稳定性、精确度。6.3 在研究成果基础上，预期
