面向微操作的显微视觉系统自动聚焦优化算法

研究了面向微操作的显微视觉系统自动聚焦评价函数和聚焦控制策略。首先,分析显微图像特点并做预处理;接着引入像素相关性指标,并结合梯度函数形成一种新的图形清晰度评价函数,改善了函数的灵敏度和抗噪性;最后对传统爬山算法进行改进,在粗调阶段以大步长搜索并用曲线拟合的方法快速定位到峰值点附近,精调阶段以小步长搜索到评价函数值下降点即可准确定位到焦平面,该算法避免了复杂的阈值设定问题,与传统爬山法相比,在一定程度上提高了聚焦速度,并大幅提高了聚焦成功率。     

岩石薄片显微图像的自动聚焦算法

岩石薄片显微图像在有较多的平坦背景区域且受到杂质和噪声干扰时,现有的聚焦算法极易出现自动聚焦失败。本文针对岩石薄片显微图像的相关特性,提出一种改进的Vollath函数清晰评价函数,该算法基于图像的互相关函数,可以有效抑制噪声、减少杂质干扰,再结合变步距渐进爬山算法实现岩石薄片显微图像的自动聚焦。大量实验表明,该算法基本可以满足实时性要求,并表现出卓越的单峰性和抗噪性,已在岩石薄片显微图像的自动聚集中进行实际应用。     

基于显微成像系统最优聚焦函数选取

与光学成像系统不同,光学显微的成像系统景深较小,在聚焦过程中的主要核心问题在于聚焦评价函数的选取。针对目前常用的8种聚焦评价函数进行实验,并对聚焦评价曲线进行定性分析,采用灵敏度因子、清晰度度比率、平缓区波动量以及运行时间进行定量分析,结合分析数据选取出适用于显微成像系统的最优聚焦评价函数。     

自动换片细胞显微图像分析仪自动聚焦系统的研究

针对自主研发的可自动换片的显微图像分析仪(Auto-Slide ICM),研制了切实可行的自动聚焦系统。详细描述了细胞图像聚焦评价函数、空场判别函数和支持自动换片的聚焦搜索策略等关键技术。基于此聚焦系统,Auto-Slide ICM可以实现无人干预快速连续扫描20张载玻片,提高了ICM的自动化程度和工作效率。     

显微视觉系统对柱状微零件自动聚焦技术研究

针对显微视觉中的柱状物体图像的清晰度问题,提出了一种实时检测图像特征并跟踪特征区域进行自动聚焦的方法。该聚焦算法包括聚焦评价函数、聚焦搜索算法和聚焦区域选择。该聚焦搜索算法实现了显微视觉系统下快速准确的聚焦,克服了爬山搜索算法的缺点,有效避免搜索结果陷入局部极大值。显微视觉中对聚焦区域的选择尤为重要,以图像特征区域作为聚焦区域,实时检测该特征区域进行聚焦,实现了在景深小于柱状物体半径的情形下对柱状物体边缘的精确聚焦。粗聚焦后电机位置的标准差为205μm,精聚焦后电机位置的标准差为37μm。实验结果表明,该自动聚焦方法能够满足微装配系统对显微视觉的聚焦需求。     

测量用视觉传感器的自动聚焦

研究了一种新型测量用视觉传感器自动聚焦的实现,采用灰度变化率之和清晰度评价函数对被测物体进行大范围的粗聚焦,利用Roberts梯度函数实现在峰值附近的精确聚焦,并由计算机串口发控制命令驱动电机转动镜头至对焦清楚的位置。该系统具有简单实用、可靠等优点。仿真实验结果表明:自动聚焦的效果具有很好的准确度,能够满足系统的要求。     

基于全自动控制显微镜的自动聚焦算法研究

图像自动聚焦评价函数的选择是垒自动控制显微镜无源方式自动聚焦系统的关键问露。对几种主要的图像聚焦评价函散(灰度方差算子、灰度梯度算子、能量谱方法等)进行了比较、研究，并在此基础上首次将改进的Laplacian算子作为聚焦评价函数引人自动聚焦之中,同时为了消除噪声的影响，引入了步长和阈值两个参数。实验结果表明，改进的LapIacian算子比其他评价函数更为准确、稳定和可靠，该算法已成功应用于显微镜自动词焦系统中。     

计算机视觉检测中自动调焦算法的研究

为了提高计算机视觉检测系统的精度与效率,对几种典型的自动调焦算法进行详细对比与分析,提出一种改进的新型复合式自动调焦算法:首先利用灰度变化率和函数分段线性插值实现函数大范围快速粗调焦;再利用梯度向量平方函数二次插值实现函数峰值点附近微小区域的精确调焦;对改进调焦算法进行测试并做出客观分析。实验结果表明,改进后的算法自动调焦精度高、速度快,且搜索范围大、通用性强,已在数字刀具测量仪中成功应用。     

结构光测量自动聚焦系统开发和研究

为配合结构光测量系统来进行更深入的处理和测量,在以PC机为控制核心的基础上设计了一种自动聚焦系统,以实现对不同场景图像的亮度自动调节和精确聚焦功能。系统以Sobel-Tenengrad函数为评价函数,通过登山法搜索极值,在10 s内完成精确聚焦。通过该系统在不同场景下对四种灰度评价函数值进行计算,对其单峰性和鲁棒性进行分析和总结,经过实验后发现Sobel-Tenengrad函数、梯度向量平方函数、拉普拉斯函数综合性能良好,而方差函数未能表现出评价函数应具有的性能。     

显微图像分析系统的自动扫描与自动聚焦

本文先由显微镜光学系统定出系统的扫描精度,接着由显微镜光学系统和摄像机光学系统的传递函数定出调焦精度,进而用同态滤波去除了待聚焦图像中的噪声,然后用最大熵法对模糊图像实现了快速准确的聚焦。     

一种摄像头自动聚焦方法及硬件实现

提出了一种基于数字图像处理技术实现自动聚焦的方法,给出了一种改进的灰度差分法作为图像聚焦是否清楚的评价函数。对图像质量进行比较,根据比较结果由单片机驱动镜头到达聚焦点,实现自动聚焦。     

一种新的宽带DOA估计自聚焦算法

具有较高精度的宽带信号波达方向（DOA）快速估计算法是其实用化所要解决的重要问题。提出了一种新的相干子空间（CSM）类宽带DOA估计自聚焦算法。算法利用子空间投影变换将信号分离后分别处理,通过不断更新聚焦方向实现自聚焦。与已有算法相比,不受DOA初始值的影响,有更小的聚焦误差;不同目标在聚焦矩阵更新过程中无需再做奇异值分解,有较低的实时计算量。仿真实验表明,算法以较小的计算代价实现了近乎最优的聚焦性能,有较高的DOA估计精度。     

应用于聚焦窗口自适应选择的人工鱼群算法改进

聚焦窗口选择是自动聚焦算法中的重要模块,直接影响评价函数曲线的尖锐性、精确性,影响聚焦系统的复杂度。针对传统的聚焦区域选择算法的局限性,提出了一种基于AFSA的聚焦区域自适应选择算法;针对标准的人工鱼群算法易陷入局部最优的缺陷,对人工鱼群算法中的参数设置及行为进行改进。实验表明,采用人工鱼群算法可快速实现效果较好的前景图像分割,通过选取前景边缘丰富的区域,保证了前景聚焦的精确性;算法可以跟踪偏离中心的主体景物,适用于主体与背景对比度小的情况,因此得到的聚焦区域是动态的,具有自适应性。     

数字自动对焦中的搜索算法研究

设计了综合的对焦搜索算法。利用对焦范围上下限、预判定搜索方向、评价函数值连续下降两次才认为越过对焦曲线峰值与设定下降阈值,改进了爬山搜索法。在对焦镜偏离光学对焦范围情况下,利用对焦范围上下限与预判定搜索方向,改进了穷举搜索法;对完焦后再校验场景是否正确,光照低于设定阈值时则关闭搜索,可提高抗干扰能力;利用成像曲线,变倍镜移动时能快速地对焦。实验表明:采用综合搜索算法能够实现准确、快速的对焦,避免搜索陷入局部峰值,具有良好的抗干扰与稳定性。     

中值滤波快速算法的进一步思考

通过分析经典中值滤波算法以及几种改进的快速算法,提出了2种新的快速算法并进行了详细地介绍,即不需要排序的基于统计法的中值滤波算法和只需要少量数据排序的基于分治法的中值滤波算法。实验结果表明,提出的基于分治法的中值滤波方法在大窗口情况下非常有效,在保证整体数据不失真的前提下大幅度提高了计算速度。     

基于边界梯度的自动调焦评价函数

介绍了若干常用的评价函数,针对基于全图像数据的评价函数的不足,提出了基于边界梯度的评价函数,经过二值边界提取后,利用边界处的边缘强度来计算评价值。为克服该函数计算费时较多的缺点,提出了一个粗调-细调结合的自动调焦方法。在实际图像上的实验结果表明,提出的方法有效,相比已有评价函数准确性更高,计算速度也可接受。     

蚁群算法在连续空间寻优问题求解中的应用

将蚁群算法引入连续空间的函数寻优问题求解,通过将传统群算法中的“信息量留存”过程拓展为连续空间中的“信息量分布函数”,定义了相应的求解算法,对多极值函数和非线性连续函数的寻优实例仿真取得了良好的结果,显示了蚁群处在连续空间优化问题中的应用前景。     

融合改进哈里斯鹰和改进动态窗口的机器人动态路径规划

针对动态环境的移动机器人路径规划问题,提出了一种改进哈里斯鹰算法（IHHO）与改进动态窗口算法（IDWA）的融合算法（IHHO-IDWA）。首先,针对哈里斯鹰算法后期搜索性能不足等问题,提出了融合自适应混沌和核心种群动态划分策略、融合黄金正弦策略以及动态云最优解扰动策略来提高算法的性能。其次,针对动态窗口算法存在规划的路径长和易陷入死锁等问题,提出了三个改进策略：增加子函数,保证算法能够规划出更短的路径;提出自适应权重策略,平衡算法局部避障能力和全局搜索性能;设定初始航向角,避免路径冗余。最后,通过测试函数、CEC2014函数的数值实验和静态、动态路径规划实验,验证了IHHO和IDWA性能有明显提升;通过50×50大型动态地图验证了融合算法较对照组算法规划的路径缩短了11.51%,证明了该方法的优越性。     

基于混合二进制粒子群的Web系统优化算法

随着网络用户量的急剧增加,Web服务器被广泛应用于大型软件系统中,系统在运行前通常需要配置与性能相关的多个参数。人工配置参数的过程太繁琐且需要专业知识与经验,为了更便捷、更快速获取合理的系统配置参数,提出了一种基于混合二进制粒子群的Web系统优化算法。该算法加入了经验因子、爬山算法、线性递减惯性权重,对Web系统自动迭代寻找最优配置参数,解决了传统二进制粒子群算法寻优效率低、容易陷入局部最优解等问题。实验结果表明,该算法寻优效率高,能跳出局部最优解,可以获得效果更好的全局最优解。     

在数据流数据库中集成聚类算法研究与实现

在数据流管理系统中集成数据挖掘功能,有助于对数据流进行更加有效的管理和挖掘,但目前研究界对此方面工作关注不够。基于数据流管理系统Esper,利用时间窗口和自定义函数,采用Esper处理语言改写Clustream算法,在Esper系统中实现聚类算法。实验结果表明,该方法可以Esper具有对数据流进行聚类分析的能力;与用Java实现数据流聚类相比,在Esper中实现聚类方法具有更好的处理多维大数据量数据流的能力。