图像调焦过程的清晰度评价函数研究

自动调焦是一类建立在搜索算法上的调焦方法,它通过计算机编程对不同对焦位置所成像的清晰度进行评价,利用正确对焦时图像最清晰这个特征找到正确的对焦位置。判断图像对焦与否是通过图像清晰度对焦评价函数/调焦状态评价函数(调焦判定函数)来衡量的。利用每一个调焦判定函数对包含了一组模糊和清晰图像的序列图像进行处理,可以得到对应于相应判定函数的调焦曲线,利用曲线可以非常直观地分析判定函数的性能。结果表明,灰度梯度函数具有比较稳定的调焦特性。     

基于图像处理的微装配自动调焦系统

介绍了一个基于图像处理的自动调焦系统,该系统由光学显微镜、CCD、力矩电机和齿轮传动机构等组成。调焦系统中采用粗/精结合的调焦方法,即首先采用基于Krisch边缘检测算子的清晰度评价函数对被测物体进行粗调焦,并在计算机上采集了包含目标的大致轮廓和边缘的显微图像;然后针对全景图像上的某个目标区域采用基于高频分量的清晰度评价函数进行精调焦,使得显微图像显示出更多的纹理细节。实验中清晰度评价函数算法均采用Windows下的Visual C++实现。实验结果表明,该自动调焦的系统精度可达±4.8 μm,基本上满足了微装配任务的调焦精度要求。     

结合跟星系统成像特征的自动调焦系统设计

对于恒星光斑成像，传统的梯度评价算法在重度离焦情况下梯度细节薄弱，难以识别正确的调焦方向。为了实现跟星系统对恒星的快速成像和可靠跟踪，建立了针对恒星成像特征进行评价的自动调焦系统，对系统的聚焦评价算法、自动调焦结构以及自动控制系统进行研究。通过跟星系统成像的灰度分布情况分析光斑图像梯度特征在正焦和离焦时的区别。根据恒星光斑成像灰度级差异变化的特点，将背景值纳入评价贡献，在传统的梯度评价函数中加入光斑信号灰度差异贡献。设计适用改进算法的调焦硬件结构和系统结构，利用步进电机和调焦底座组成调焦组件，通过计算控制单元驱动调焦组件实现自动调焦系统。利用搭载调焦系统的跟星装置进行实验和分析。实验结果表明：自动调焦装置能够在跟星系统中稳定地进行调焦工作，且改进算法相对于传统梯度算法有着更好的调焦方向性，在保持传统梯度算法67%灵敏度的同时，将局部极值点减小为0。改进算法不受梯度细节薄弱影响，能够在不同离焦程度下保持较好的调焦方向性和正焦灵敏性，跟星系统在搭载自动调焦装置后能够快速搜索合适焦距并进行大气光学特性测量。     

基于图像梯度差值算法的自动快速调焦

为了提高自动调焦技术的测量精度,采用图像梯度差值算法。首先建立调焦窗口,高斯型非均匀采样函数使远离中心区域的分辨率降低,接着增设阈值改进黄金分割的调焦搜索,最后在梯度差值中对图像的一个像素以及其周围的八相邻像素进行考虑。构造像素的最大灰度梯度和最小灰度梯度,孤立噪声点减弱评价函数的影响,使图像边缘点近似等于最大像素灰度梯度值的平方。实验仿真显示系统自动调焦精度达±0.1μm,满足测量系统对精度、稳定性和实时性上的要求。     

跟瞄系统调焦结构分析

在动态跟瞄系统中,获得大小适中、清晰稳定的目标图像是对目标进行跟踪、瞄准的前提条件。为使调焦系统能够在动态跟瞄系统中平滑、灵活、快速地进行调焦,系统采用凸轮调焦,应用MATLAB软件对凸轮曲线进行优化,使系统的MTF曲线在50 lp时数值全部大于0.6,像差基本达到平衡,成像图像清晰,可满足实际应用要求。通过伺服电机带动调焦凸轮的结构,使整体结构满足紧凑、轻量的要求,调节精度为±1.1μm。最终实现了对动态目标的跟踪、瞄准。     

离焦模糊图像清晰度评价函数的分析与改进

传统的基于梯度的图像清晰度评价函数(调焦函数)对噪声敏感,在实际应用中易引入过多的非边缘信息,影响系统的稳定性。本文基于光学成像系统离焦模型分析了系统离焦对图像清晰度的影响,并提出了一种改进的图像清晰度评价方法。该方法利用最大灰度差提取细节信息来评价图像清晰度;引入阈值区分边缘点和非边缘点来减小图像平坦区域对评价函数灵敏度的影响,同时有效抑制噪声的干扰。进行了仿真实验和实际测试并与传统的清晰度评价函数进行了比较。结果显示,提出的方法具有更好的灵敏度和抗噪性能,能够准确而稳定地评价离焦模糊图像的清晰度,可用于实际光学系统的自动调焦。     

基于阈值的调焦方向判断方法

为了克服局部峰值对方向判断的影响,同时又拥有比较高的实时性,提出了一种基于阈值的调焦方向判断方法。它通过区域判断阈值将调焦曲线分为靠近峰值和远离峰值2类区域。在靠近峰值的区域,通过比较相邻2个采样点的调焦评价函数值得到正确的调焦方向;在远离峰值的区域,当调焦评价函数值进行差分累加后的累加值的绝对值大于差值累积阈值时,通过判断累加值的符号得到正确的调焦方向。实验结果表明,所提出的调焦方向判断方法可以有效地克服局部峰值的影响而保证100%的方向判断正确率,同时拥有较高的方向判断速度。     

基因芯片荧光靶点显微成像自动调焦控制

在基因芯片荧光靶点阵列图像CCD扫描采集系统中,显微成像自动调焦控制是进行芯片杂交信号荧光靶点图像采集的先决条件.在定义图像清晰度评价函数的基础上,通过对实时采集的显微图像进行清晰度评价函数计算,采用基于粗精结合原则的自动调焦控制策略,实现了荧光靶点显微成像自动调焦控制.调焦控制实验表明,该方法显著提高了基因芯片荧光靶点图像聚焦和采集的效率.     

基于图像处理的显微镜自动调焦方法研究

自动调焦技术是提高显微镜测量精度的重要手段,本文介绍了采用图像处理法实现显微镜自动调焦的方法。对图像处理法实现显微镜自动调焦中的两个关键技术进行了详细的讨论：其一是图像清晰度评价函数的选取,文中采用绝对方差函数和修正平方梯度函数分别作为粗精调焦评价函数;另外还针对提高图像信息质量的方法进行了探讨,采用线性拟合与同态滤波方法进行图像处理,为离焦判断提供高质量的图像信号。实验表明,该方法调焦精度达±０．３μｍ 。     

自动验光仪中图像处理与调焦准确性的研究

图像清晰度评价函数可以反映调焦系统的调焦准确性。为了验证所选择的评价函数满足调焦准确性的要求,现选择在不同调焦位置拍摄图像并进行处理,找出最佳成像位置,然后利用调焦透镜的移动量与屈光度的关系计算出屈光度,与实际使用的模拟眼比较并计算误差。通过对不同屈光度的模拟眼分别测量,最终结果表明:该评价函数能够较好地满足调焦的准确性要求。     

A texture-analysis-based design method for self-adaptive focus criterion function

Autofocusing (AF) criterion functions are critical to the performance of a passive autofocusing system in automatic video microscopy. Most of the autofocusing criterion functions proposed are dependent on the imaging system and image captured by the objective being focused or ranged. This dependence destabilizes the performance of the system when the criterion functions are applied to objectives with different characteristics. In this paper, a new design method for autofocusing criterion functions is introduced. This method enables the system to have the ability to tell the texture directional information of the objective. Based on this information, the optimal focus criterion function specific to one texture direction is designed, voiding blindly using autofocusing functions which cannot perform well when applied to the certain surface and can even lead to failure of the whole process. In this way, we improved the self-adaptability, robustness, reliability and focusing accuracy of the algorithm. First, the grey-level co-occurrence matrices of real-time images are calculated in four directions. Next, the contrast values of the four matrices are computed and then compared. The result reflects the directional information of the measured objective surfaces. Finally, with the directional information, an adaptive criterion function is constructed. To demonstrate the effectiveness of the new focus algorithm, we conducted experiments on different texture surfaces and compared the results with those obtained by existing algorithms. The proposed algorithm excellently performs with different measured objectives.     

基于小波变换的显微图像清晰度评价函数及3-D自动调焦技术

提出了基于小波变换的图像清晰度评价函数。采用大NA(数值孔径)和小NA的显微图像序列,比较分析了本文提出的评价函数和经典的归一化方差函数、熵函数、能量拉普拉斯函数以及另外两种基于小波变换评价函数的清晰度评价性能。同时采用带有标准偏差为25的高斯噪声显微图像序列,比较了这五种评价函数的抗噪能力。实验结果表明:提出的评价函数具有最高的聚焦精度和聚焦分辨率,且具有与抗噪能力最强的归一化方差函数相当的抗噪能力。提出了基于区域选择的自动聚焦方法,实现了处于不同深度的微操作对象的3-D自动聚焦。该评价函数和区域选择聚焦技术可以用于高精度的自动微操作作业中。进一步说明自动调焦是实现自动化微操作的关键技术,而其核心是清晰度评价函数的选取或构建。     

A self‐adaptive and nonmechanical motion autofocusing system for optical microscopes

For the design of a passive autofocusing (AF) system for optical microscopes, many time‐consuming and tedious experiments have been performed to determine and design a better focus criterion function, owing to the sample‐dependence of this function. To accelerate the development of the AF systems in optical microscopes and to increase AF speed as well as maintain the AF accuracy, this study proposes a self‐adaptive and nonmechanical motion AF system. The presented AF system does not require the selection and design of a focus criterion function when it is developed. Instead, the system can automatically determine a better focus criterion function for an observed sample by analyzing the texture features of the sample and subsequently perform an AF procedure to bring the sample into focus in the objective of an optical microscope. In addition, to increase the AF speed, the Z axis scanning of the mechanical motion of the sample or the objective is replaced by focusing scanning performed by a liquid lens, which is driven by an electrical current and does not involve mechanical motion. Experiments show that the reproducibility of the results obtained with the proposed self‐adaptive and nonmechanical motion AF system is better than that provided by that of traditional AF systems, and that the AF speed is 10 times faster than that of traditional AF systems. Also, the self‐adaptive function increased the speed of AF process by an average of 10.5% than Laplacian and Tenegrad functions.     

Automatic focusing by correlative methods

The possibility of focusing images by the autocorrelation function is explained. It can be shown that these techniques are less sensitive to disturbances by noise than others. Furthermore, focusing criteria derived from autocorrelation functions have different responses to image contrast. It has been shown that these focusing criteria can be determined using binary images and applying the laws of stochastic ergodic metrology. This leads to a large reduction in computing time. Moreover, an attempt was made to focus by means of binary images determined by simple segmentation. The experimental results show that such a focus criterion operates quite well. The criterion offers the advantage that brightness levels in the image can be chosen selectively for focusing.     

Dynamic evaluation of autofocusing for automated microscopic analysis of blood smear and pap smear

Autofocusing is a fundamental procedure towards automated microscopic evaluation of blood smear and pap smear samples for clinical diagnosis. This paper presents comparison results of 16 selected focus algorithms based on 8000 static bright‐field images and 1600 dynamic autofocusing trials using 10 blood smear and pap smear samples. Besides static behaviour, dynamic autofocusing performance is introduced for ranking the 16 focus algorithms. The Fibonacci search algorithm is employed for controlling the z‐motor of the microscope to reach the focus position that is determined by focus objective functions. Experimental results demonstrate that the variance algorithm provides the best overall performance. Together with our previously reported findings, it is demonstrated that the variance algorithm or the normalized variance algorithm is the optimal focus algorithm for non‐fluorescence microscopy applications including pap smear and blood smear imaging.     

压电工作台的神经网络建模与控制

建立了压电工作台的神经网络在线辨识模型并设计了相应的自适应控制器以抑制压电工作台迟滞特性、蠕变特性及动态特性对其微定位精度的影响.采用双Sigmoid激活函数对神经网络激活函数进行了改进,同时分析了改进激活函数的神经网络模型与PI迟滞模型在迟滞建模上的异同.设计了基于改进激活函数的3层BP神经网络作为压电工作台的在线辨识模型,推导了网络权值、阈值及激活函数阈值修正公式.最后,基于神经网络模型设计了压电工作台的自适应控制方案,该控制方案利用另外一个神经网络来完成对PID控制器参数的自适应调整.实验结果表明:提出的神经网络在线辨识模型平均误差为0.095 μm,最大误差为0.32 μm;自适应控制方案跟踪三角波的平均误差为0.070 μm,最大误差为0.100 μm;跟踪复频波的平均误差为0.80 μm,最大误差为0.105 μm.实验数据显示压电工作台的定位精度得到了有效提高.     

机器视觉精密测量中的显微光学聚焦

考虑显微光学涉及的聚焦精度对机器视觉精密测量效果的影响,开展了显微视觉环境下对图像聚焦技术综合定量评价的研究。建立了偏移率等系列性能指标,对13组清晰度函数在显微视觉条件下的无偏性、单峰性、分辨力等进行了综合评价,优选出方差函数和Brenner函数分别用于粗聚焦和精聚焦阶段的清晰度计算。建立了分步爬山搜索法,实现了显微自动聚焦。与传统爬山法相比,提出的方法聚焦时间显著缩短,重复精度提高约24%。将建立的自动聚焦与图像测量方法应用于某电液伺服阀衔铁气隙测量中,得到的测量均值与工具显微镜结果相近,而测量标准差可达1.9μm,测量效率也显著提高。最后对伺服阀加电条件下的气隙动力学特性进行了测试,获得了驱动电流-衔铁气隙之间的关系,为在线装配/装调提供了重要依据。     

基于超分辨图像复原的显微圆孔孔径测量方法

为提高圆孔的光学显微测量准确性,研究了基于超分辨图像复原的显微圆孔孔径测量方法。该方法通过超分辨图像复原处理圆孔显微图像,提高了传统光学显微系统对圆孔成像的分辨率,确定了以超分辨复原图像灰度值为0.399作为圆孔物理边缘判据,实现对圆孔边缘的准确探测。理论分析表明该方法可准确测量微米级及以上直径圆孔。核孔膜孔径测量实验中,由二值化图像得到孔径测量结果为6.35μm(测量不确定度为0.08μm),与扫描电镜测量结果6.268μm(测量不确定度为0.083μm)相符,测量误差仅0.08μm。该技术有助于实现对圆孔形状的快速、准确在线测量。     

改进蜂群算法在平面度误差评定中的应用

为了准确快速评定平面度误差,提出将改进人工蜂群( MABC)算法用于平面度误差最小区域的评定.介绍了评定平面度误差的最小包容区域法及判别准则,并给出符合最小区域条件的平面度误差评定数学模型.叙述了MABC算法,该算法在基本人工蜂群算法( ABC)模型的基础上引入两个牵引蜂和禁忌搜索策略.阐述了算法的实现步骤,通过分析选用两个经典测试函数验证了MABC算法的有效性.最后,应用MABC算法对平面度误差进行评定,其计算结果符合最小条件.对一组测量数据的评定显示,MABC算法经过0.436 s可找到最优平面,比ABC算法节省0.411 s,其计算结果比最小二乘法和遗传算法的评定结果分别小18.03μm和6.13 μm.对由三坐标机测得的5组实例同样显示,MABC算法的计算精度比遗传算法和粒子群算法更有优势,最大相差0.9 μm.实验结果表明,MABC算法在优化效率、求解质量和稳定性上优于ABC算法,计算精度优于最小二乘法、遗传算法和粒子群算法,适用于形位误差测量仪器及三坐标测量机.