热成像系统自适应自动对焦算法

为了实现不同环境下热成像系统的准确对焦,本文针对现有自动对焦算法存在的问题开展研究,提出了一种热成像系统自适应自动对焦算法。通过对比实验系统采集图像的梯度算子评价函数曲线,确定最优最大梯度和清晰度评价函数,并以某一复杂场景为例,说明了最佳对焦位置搜索、对焦窗口选择和图像清晰度评价的具体实现方案。对多个复杂场景的自动对焦实验表明,本文提出的热成像系统自适应自动对焦算法能够有效解决复杂场景目标的准确对焦问题。     

基于色彩相关性的彩色图像清晰度评价算法

数字图像的清晰度评价对于相机自动对焦而言至关重要。针对现有清晰度评价函数的不足之处,提出了一种针对彩色数字图像的空域清晰度评价算法。此算法利用像素三刺激值之间的色差相关性判定像素点的色彩,建立清晰度色差因子;运用非线性函数提高了像素点的梯度增益系数,使该评价函数对特殊条件下图像的清晰度判定更敏感。实验证明,该评价函数在评价一般自然图像清晰度时比传统评价算法更为敏感;在典型评价函数评价特殊目标图像失效时,该算法依然具有良好的鲁棒性;此算法计算量较小,执行效率高,易于硬件实现。     

一种基于角点检测的实时自动对焦方法及实现

为了满足热像仪在不同场景下自动对焦的功能需求,对现有多种自动对焦实现方案的优劣势进行了评估分析,并选择了一种基于角点检测算法的对焦方案。通过检测图像中的角点数量来实时判断图像的清晰度。根据热像仪FPGA图像处理系统的性能对该算法进行了改进与优化,并提出了多阈值角点检测实时对焦方法。根据当前场景的对焦状态,热像仪可自主判断是否执行对焦操作,以适应不同检测场景的需求,最终实现其在不同场景下的实时自动对焦功能。     

基于一体化摄像机的清晰度评价函数研究

清晰度评价函数的选择是一体化摄像机实现对焦,以获取高质量图像很重要的依据。针对一体化摄像机的实时性和简易行,对几种常用的清晰度评价函数算法分别从高效性、无偏性、单峰性和灵敏度等进行了较全面的性能比较。分析结果表明:Laplace函数和Brenner函数的峰顶宽度相对较窄,灵敏度高,因此适合于小范围精确调焦。Tenengrad函数、Robert函数和平方梯度的峰顶相对较宽,在焦点附近具有比较高的灵敏度,同时也有一定的调焦范围,适于中等范围的自动调焦,这对于一体化摄像机所需要的自动调焦控制具有指导意义。     

单目结构光测量中参数自适应标定方法

针对结构光测量时手工调节相机参数易导致图像质量的随机性,进而导致标定精度的下降及调参环节重复繁琐的问题,提出了一种结构光测量的相机标定自适应调参方法。首先,设计了一套相机自动调参装置,根据三个调参环调节时的图像变化机理,选取标定板面积占比、图像清晰度及图像对比度三个参数,分别定义焦距调节环、对焦环及光圈调节环。其次,为实现相机的高精度标定自适应参数调节,针对传统Brenner函数的缺陷,通过一种改进的Brenner自动阈值函数,实现对图像清晰度的精确快速对焦,并对标定板图像感兴趣区域的前景与背景进行分割,计算图像对比度,根据标定的重投影误差,确定标定相机的最优调节区间,以自适应调参搜索控制方法进行标定参数调节。最后,为提高自适应标定调参时电机的搜索定位速度,建立了调参函数模型,并通过物距及像素长度自适应计算焦距。三维测量调参实验表明,相比于手工标定,基于提出的调参方法能在5 s内实现自动调参,且重投影误差减少66.57%。     

一种基于高通滤波评价函数的自动对焦方法

介绍了自动对焦系统中三种常用的清晰度评价函数——方差评价函数,梯度评价函数,DCT（Discrete Cosine Transform）评价函数。从对焦图像高频分量多的特点出发,提出了一种基于高通滤波评价函数的自动对焦方法,该方法在低复杂度的同时表现出良好的对焦特点,可以快速地实现对焦。     

基于图像评价的显微镜自动对焦方法

针对显微镜观测动态平面目标时的自动对焦需求，提出一种基于图像清晰度评价的显微镜静/动态自动对焦方法。首先，根据对聚焦-失焦图像特征的分析，建立加权Tenengrad评价函数评估方法和图像分块对焦窗口模式。其次，针对搜索过程中的局部极大值问题，利用模拟退火理论建立对焦搜索模型。最后，为了对动态图像进行评价，利用图像模糊法来判断动态无参考图像失焦水平。在此基础上，形成了静态调焦模型，动态失焦检测与实时对焦模型。通过搭建显微镜自动对焦实验平台，结果表明：该静态调焦模型能够使显微镜快速准确地静态自动调焦，动态失焦检测和实时对焦模型能够使显微镜满足在动态观测下离焦检测和实时调焦的要求。     

采用加权最小二乘准则的影像仪自动对焦方法

针对影像测量领域中自动对焦方法存在的对焦准确性不高、对焦过程复杂等问题,提出了一种采用加权最小二乘准则的自动对焦方法.首先,根据不同种类图像清晰度评价函数的评价特性,选定对焦过程中所用的图像清晰度评价函数.其次,在图像清晰度评价函数的基础上进行两阶段对焦,即粗对焦阶段与精对焦阶段.然后,分析了加权最小二乘准则中加权系数的确定原则并给出了其具体确定方法.最后,对精对焦阶段所得清晰度评价值进行归一化处理,采用加权最小二乘准则进行高斯曲线拟合求取极值,极值位置即最终正焦平面.实验结果表明:在步距为0.1mm的条件下,该方法与现有的洛伦兹(Lorent)、Gauss拟合方法相比,对焦误差由0.05 mm降低到0.02 mm,有效地提高了现有曲线拟合法的对焦准确性.     

基于光流场分析的红外图像自动配准方法研究

提出了一种基于光流场分析的准确的红外图像自动配准方法．该方法可分为两个过程：先是利用全局光流场完成两幅图像背景区域的配准；其次利用由粗到细的层级匹配算法提取两幅图像中运动目标的特征点集，根据两组特征点集由最小二乘法计算出运动目标的变换参数，完成运动目标的配准．对一定研究领域的红外图像自动配准的仿真实验表明：该方法准确且对场景的运动有很好的鲁棒性．     

TFT-LCD面板光学检测自动聚焦算法研究与比较

针对当前TFT-LCD玻璃基板在线检测过程中存在的显微图像对焦模糊问题,对基于图像处理的自动调焦方法在TFT-LCD玻璃基板检测中的应用进行了研究。基于对TFT-LCD液晶面板的光学检测,重点介绍了目前较为常用的、具有代表性的几种基于图像处理的清晰度评价算法,并从算法的单峰性、无偏性、灵敏性以及计算量等方面进行了比较与分析,提出了一种粗细调相结合的复合自动对焦方法,分别选取斜边缘检测算子和梯度滤波器算子作为调焦粗搜索和精搜索阶段的对焦评价算子。实验结果表明:使用调焦行程为15步的全局搜索算法,传统单一算法耗时2.18s,得到图像的清晰度评价函数值为46.78;粗细调相结合的复合自动对焦方法时间仅为1.41s,得到图像的清晰度评价函数值为52.49。该方法不仅对焦精度高,有较大的对焦范围,还能保证高的计算效率。     

基于GPU并行运算的红外运动目标实时增强算法

在一些复杂场景中,红外目标容易受到背景杂波及噪声的干扰,因此难以被准确地检测和识别出来。提出了一种基于光流的红外运动目标增强算法,即利用运动目标与背景之间的速度场差异对目标进行增强处理.同时,对该算法进行了基于计算机图形处理器(Graphic Processor Unit,GPU)并行运算的优化,使其可以在线实时运行.与运动目标检测中常用的帧差法和背景差分法相比,本文算法具有更好的稳健性。由于对实际的红外视频进行了运动目标增强处理,该算法表现出了较好的增强效果和实时性能.     

复杂地面场景下的红外运动目标跟踪

复杂地面场景下的红外目标易受背景影响并经常出现遮挡情况,难以简单地依靠亮度或梯度信息检测并跟踪目标。根据复杂背景下红外运动目标与背景的速度场差异,提出了利用光流对目标进行跟踪的算法。首先对图像进行配准,保证在随动跟踪时背景的相对静止;然后在目标的跟踪波门内计算改进的Horn-Schunck 光流;最后根据目标的光流特征,优化粒子滤波算法中粒子的转移概率,实现对目标的稳健跟踪。实验结果表明,该跟踪算法能对复杂地面场景下的红外运动目标持续跟踪,并不受目标被短时遮挡的影响。     

基于区域定位与轮廓分割的红外目标检测

红外图像受随机噪声干扰严重.传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响,不易准确辨识.为了准确识别红外目标,采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法.首先利用高斯混合模型定位红外目标区域的位置,然后利用基于空间信息的分水岭算法得到闭合区域,再利用基于脉冲耦合神经网络的分割算法剪切其虚影,最终检测到完整的运动目标.结果表明,该方法能够消除在传统方法中产生的虚影现象,得到精确的红外运动目标.通过比较,实验结果优于传统方法.     

动态背景下的光流场计算方法

通过计算光流场来检测场景中的运动目标是计算机视觉中非常重要的研究课题,而光流场计算的精度直接关系到目标检测的准确性。针对实际拍摄的视频中由于背景存在运动而导致光流场中运动目标不突出的情况,提出了一种基于分块积分投影配准算法的光流场计算方法。首先利用提出的分块积分投影配准算法得到图像背景的运动参数,然后对背景进行运动补偿,再利用L-K算法求取运动补偿后图像中有效区域的光流场。通过真实视频对算法进行验证,并将结果与经典的L-K算法结果进行了对比。对比结果显示:本文所提算法计算得到的光流场中运动目标更加突出,算法效果较好。     

基于Contourlet变换的红外弱小目标检测方法

介绍了存在背景干扰和噪声情况下的红外图像中弱小目标的检测问题,提出一种基于Contourlet变换的检测算法。首先对图像进行Contourlet变换,利用Contourlet分解后子图像的特性抑制背景和去噪声,最终实现对目标的检测。通过在含有随机目标的红外序列图像中的实验,并与小波变换进行比较,证明了算法的有效性。     

Moving object segmentation and detection for monocular robot based on active contour model

A novel geodesic active contour model based on optical flow information is proposed to segment and detect the moving object for monocular robots. More specifically, an active contour is formulated using the level set method, which eliminates the need of re-initialisation. The developed scheme alleviates the effect of optical flow noise, increasing the robustness of the detection of moving objects. Experimental results show that this algorithm can successfully track a moving target, e.g. a human being.     

港口背景下红外运动目标的一种检测方法

为了解决港口背景下红外运动目标检测中受背景干扰带来的误分割和误跟踪问题,提出了一种基于港口背景抑制和光流检测的红外运动目标检测方法。首先,通过对小波分解图像进行OTSU分割,得到天水线区域。然后使用多级滤波确定序列图像中港口背景的抑制基准点,并根据这些背景抑制基准点实现序列图像的港口背景抑制。最后,运用光流预测实现红外运动目标检测。通过对实际港口背景红外图像进行背景抑制和红外运动目标检测的实验,验证了所提方法的可行性和有效性。     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

运动目标检测与识别方法研究

为了解决低对比度红外序列图像中运动小目标的检测问题,提出了一种基于多级滤波的检测方法.首先,对具有一定空间分布范围(≤5×5)的小目标,可根据目标/噪声/背景的灰度分布模型具体分析其频谱特性范围.由Fourier变换定义可知,噪声能量主要集中在高频段,背景能量主要集中在低频段,而目标能量则主要分布在中频段,所以可以根据目标的大小,由门函数的Fourier变换估算出各种尺寸目标所处的频段,然后选择不同级数的滤波器将不同大小的候选目标从复杂背景中分离出来.经过多级滤波处理后,再对得到的包含候选目标的图像进行图像分割等适当的后续处理,就可以检测出真正的目标.