基于图像清晰度的自动聚焦算法

在数字监控和机器视觉中,摄像头的焦距可以由计算机根据图像的清晰度自动控制。本文针对监控系统在目标跟踪时对自动聚焦的速度和精度的要求,提出了两次定位、单向搜索的快速精确的聚焦算法。在聚焦精度方面首先针对全局图像进行第一次粗略的聚焦,图像的清晰度判断采用计算速度较快的相邻象素差分法的判断函数;然后再对图像中的目标区域进行第二次精确的聚焦,图像清晰度判断采用对清晰度变化敏感的基于Laplacian边缘检测的判断函数。调焦过程采用最佳焦距位置的单向搜索法,以提高聚焦的速度。实验证明该算法具有较好的实时性和精确性。     

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。     

基于SOBEL算子的图像清晰度评价函数研究

提出一种新的图像清晰度评价函数,该函数对经典Sobel边缘检测算子进行了改进,采用八方向模板来榆测梯度值,在一定程度上能有效地解决传统评价算子梯度计算中方位局限的缺点,同时将标准差作为阈值引入到函数中,可以消除噪声的影响.通过两组仿真实验时该算法和其他评价算法的聚焦性能进行了比较,结果表明该算法可行,具有单峰性强、无偏性好、灵敏度高和抗噪性强等特点.     

基于高清网络摄像机的自动聚焦算法

针对传统的聚焦评价函数运算量大、峰值搜索算法易受干扰且视频质量反复变化的问题,实现一种较传统聚焦评价函数与爬山算法相结合的聚焦算法更好的自动聚焦算法.采用TI公司的TMS320DM368处理器自带的自动聚焦(AF)引擎作为硬件实现的聚焦评价函数;采用的峰值搜索算法将聚焦曲线分为聚焦区和散焦区,在散焦区使用大步长的GM(1,1)模型预测搜索方向,在聚焦区使用小步长的爬山算法搜索峰值.实验结果表明,该算法拥有更好地实时性与准确性,适用于高清网络摄像机的自动聚焦.     

稀疏图像内容情况下显微镜自动聚焦算法

自动聚焦是全自动显微成像中的关键技术.为了解决在极低内容密度(稀疏内容)情况下传统聚焦方法无法成功找到焦平面的问题提出一种基于图像内容重要度加权的聚焦函数增强算法.该算法利用聚焦过程中当前图像和参考图像中对应像素沿光轴方向的梯度变化规律对像素进行分类,并根据不同像素对图像清晰程度判决的贡献大小自适应调整当前像素的重要度因子,通过这种方式增强了图像内容像素的计算权重并有效抑制了镜头杂质及背景噪声,极大地增强了聚焦曲线的陡峭度在此基础上,采用图像分块的方式来克服显微镜Z轴机械系统误差对算法性能的影响并降低算法复杂度.实验结果表明,在图像内容非常稀疏的情况下,该算法的聚焦成功率高达90％,而传统聚焦算法的成功率仅为24％.     

快速自动聚焦算法在影像精密测高中的应用

快速、有效地实现聚焦是图像法测高的焦点,选择合适的焦点评价函数和设计高效的图像自动聚焦算法是其中的关键问题。在比较研究图像评价函数的基础上,选择灰度方差作为焦点评价函数,研究了一种粗略试探和微步距精确搜索相结合的自动聚焦算法,并分析了影像聚焦精度和速度的影响因素。该聚焦算法应用于自动影像测量仪,通过对各种材质的表面在变倍镜头的不同倍率下做聚焦和测高试验,获得结果并进行了详细的比较分析。结果表明,该算法稳定、可靠、高效,测量结果精确。     

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。     

基于小波多分辨率分析的自动聚焦算法

利用点扩散函数（PSF）理论讨论了自动聚焦过程中图像高频能量的变化。通过对传统方差评价函数的改进,提出了一种新的自动聚焦算法。该算法利用小波多分辨率分析突出图像高频能量,改善了聚焦的精确度和鲁棒性。同传统的图像灰度方差法和梯度法评价函数相比,本评价函数具有更好的单峰性、尖锐性和准确性。     

基于自动聚焦算法的多聚焦图像融合*

在分析了多聚焦图像特点的基础上, 将镜头自动聚焦算法移植到多聚集图像融合问题的研究中, 并加以改进, 其主要思想是: 以高频分量作为图像清晰度的判据, 寻求多聚焦图像的聚焦区域, 将其直接移植到融合图像中; 而对于一个焦点到另一焦点的过渡区域, 对其用取最大特征的融合算子进行处理。实验表明, 该算法是原图像特征的最佳近似, 优于小波分解的融合算法。     

稀疏图像内容情况下显微镜自动聚焦算法?

自动聚焦是全自动显微成像中的关键技术。为了解决在极低内容密度(稀疏内容)情况下传统聚焦方法无法成功找到焦平面的问题,提出一种基于图像内容重要度加权的聚焦函数增强算法。该算法利用聚焦过程中当前图像和参考图像中对应像素沿光轴方向的梯度变化规律对像素进行分类,并根据不同像素对图像清晰程度判决的贡献大小自适应调整当前像素的重要度因子,通过这种方式增强了图像内容像素的计算权重并有效抑制了镜头杂质及背景噪声,极大地增强了聚焦曲线的陡峭度。在此基础上,采用图像分块的方式来克服显微镜Z轴机械系统误差对算法性能的影响并降低算法复杂度。实验结果表明,在图像内容非常稀疏的情况下,该算法的聚焦成功率高达90%,而传统聚焦算法的成功率仅为24%。     

基于Fisher准则的自适应图像分割算法

为了克服基本遗传算法收敛性差、易早熟的问题,针对阈值分割算法的实时性和准确性的要求,基于Fisher评价函数较强的分类效果和遗传算法的强大空间搜索能力,提出了改进的自适应分割算法,引入Fisher评价准则函数作为适应度函数,运用自适应的遗传算法确定图像分割的阈值,实现二者的有效融合,获得了比较满意的结果。实验表明,通过与已有的算法进行比较,改进的算法在分割效果和寻优效率上,都有了显著的改善。证明该优化算法的正确可靠性。     

机载SAR实时成像系统自聚焦方法研究

发展我国自主产权的机载SAR（合成孔径雷达）实时成像系统，对于军事国防、资源探测、灾害预报等领域均具有重要的意义，在SAR成像算法中，自聚焦的好坏是影响图像分辨率的关键因素，但是因为自聚焦算法的复杂性，国内目前尚未有效地解决它在实时环境中的实现问题，从而使得实时成像的质量比较差，提出了一种利用GPS（全球定位系统）数据改善机载SAR实时成像系统自聚焦性能的实现方法，并在自主研制的机载SAR实时成像系统上实现，使该系统的成像分辨率得到明显改善。     

基于口腔图像的分割算法的研究

针对传统分割算法难以解决多目标分割等问题，提出了一种改进的一维Kaput熵多闽值分割算法。该算法依据Kaput熵阈值选择原理，应用图像灰度直方图信息，利用迭代合并和选择方法建立口腔图像中的阈值分割模型，解决了图像分割中阂值的自动获取问题和多阈值并行选择问题，实现了口腔图像中牙齿和病灶的分离。形状准则和一致性准则评价方法证明了该算法在抗噪声方面明显优于自适应阈值方法。获得的分割结果较好地保留了图像的灰度信息和边缘信息，为后续的图像分析和诊断工作提供了保证。     

基于改进Canny算法的局部自适应图像去噪

针对传统Canny边缘检测算法自动化程度不高的缺点,通过计算每个像素的含噪程度,使Canny算法具有自适应性.分析了Bayes原理及其不足,采用局部自适应阈值法.图像经边缘检测后,分为边缘与非边缘区域.对非边缘以平稳小波变换为基础,为每个小波系数选取合适的领域窗口,计算局部Bayes阈值,再通过软化处理收缩系数,对边缘...     

基于边缘信息的快速配准算法

为了实现快速、高精度的图像配准,首先利用LOG算子提取图像边缘信息,然后利用Freeman码,并定义了一种边缘轮廓间的相似性度量,找到两幅图像中对应的边缘轮廓,最后在矩不变量思想的基础上定义了一种矩中心点,利用矩中心点之间的对应关系实现了高效率、高精度的图像配准。通过实验,证实了该算法的快速性和准确性。     

多灰度层次图像的的快速模糊边缘检测算法

模糊边缘检测算法一般是在某个灰度级附近的边缘得到增强的同时,其他一些边缘会受到抑制。为了同时增强图像中不同灰度层次的边缘信息,本文提出一种改进的快速模糊边缘检测算法。利用边缘的一般特征和图像中邻域像素的关联性,根据不同的灰度区域自适应地选取算法参数,用于对多灰度级边缘的图像进行边缘提取。本文算法简洁合理,可以检测到不同灰度层次的边缘,而且速度较快。     

基于形态学梯度的X射线数字图像边缘检测方法

研究和分析了形态学梯度算子,提出了一种适合X射线数字图像边缘检测的多尺度形态学梯度算子;这种算子的取值来自于膨胀梯度图和腐蚀梯度图中同位置像素的最小值,它结合了膨胀和腐蚀的优点。也考虑了X射线数字图像对比度低的特点;实验证明这是一种检测X射线数字图像边缘的有效方法。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容,讨论了经典的边缘检测算子算法,该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用,其基本原理是基于利用结构元素去探测图像;在讨论常见数学形态学梯度的基础上,提出了一种基于形态学梯度的图像边缘检测算法,应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显地优于经典的算子检测算法,在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

一种基于改进的形态学红外图像边缘检测算法

针对红外图像边缘模糊和非均匀性噪声强的特点,提出了一种阈值分割与形态学相结合来提取红外图像特征的方法,对红外图像进行边缘提取。仿真实验结果表明：该方法能够清晰、有效的提取红外图像的边缘,改善图像质量,是一种有效的边缘检测方法,具有较好的实用性。