图像清晰度评价算法研究

通过图像清晰度评价函数判断离焦图像的清晰度是相机实现自动调焦的关键.使用最优离散余弦变换(DCT)系数的和作为评价图像清晰度方法,并用该评价方法与图像的调制传递函数(MTF)的变化趋势做相关性分析,以验证该评价方法的有效性.结果表明:基于离散余弦变换的评价方法可以得到与MTF相似的评价结果,归一化后,最清晰图像的判断值都为1,随图像变模糊时函数的下降趋势基本一致.     

置信度边缘检测在眼底相机自动对焦中的应用

研究糖尿病变,定期的眼底筛查清晰病变图像,是发现和治疗病变的重要手段.图像清晰度评价函数的选择是自动对焦技术的关键.为了保证对焦的精度,提出了以血管边缘的清晰度作为评价函数和粗精调焦相结合的自动对焦算法.利用边缘置信度的辅助检测能快速准确地提取出血管边缘,将血管边缘检测结果作为自动对焦的评价函数.在接近正焦区域使用该评...     

虹膜图像采集的自动调焦技术研究

针对虹膜图像采集中存在的图像模糊问题,提出一种基于图像清晰度评价函数的虹膜图像采集自动调焦方法。该方法通过计算虹膜内边界附近区域的最大灰度梯度来定义图像清晰度,运用改进的爬坡方案进行CCD对焦,提取对焦过程中的部分特征点进行曲线拟合求出最佳聚焦点,移动相机到最佳成像位置得到清晰的虹膜图像。实验结果表明,该方法能快速准确实现虹膜拍摄中的自动对焦。     

数字图像清晰度评价函数的研究与改进

通过分析常见的图像清晰度评价函数,针对自动对焦系统中图像清晰度评价问题,提出了一种基于聚焦窗口的改进梯度评价函数算法。改进后的算法具有计算量小、实时性好、评价曲线单峰性好、灵敏度高、聚焦检测效率高等特点,可以更好地满足自动对焦系统对图像清晰度评价的要求。     

基于图像矩函数的图像清晰度评价方法

自动调焦作为显微图像测量中的关键技术,其核心为图像清晰度评价函数。现有图像清晰度评价函数在对焦目标与背景的对比度较低时,评价曲线极易失去其理想特性,或灵敏度下降,造成聚焦精度的降低;或出现多个局部极值,造成调焦失败。针对这一问题,在分析离焦图像成像原理的基础上,提出一种新的基于图像矩的图像清晰度评价函数,并给出定义。新的评价函数由不同阶的图像矩加权构成,通过调节权重系数可以灵活控制评价函数的灵敏度和抗噪性。通过微小透明球体的显微图像序列对新的评价函数进行实验验证,并和四种常用评价函数进行分析比较。实验结果证明,在低对比度条件下,相对于其它四种常用评价函数,基于图像矩的图像清晰度评价函数在有效保持了如单峰性、无偏性等理想曲线特性的同时,在灵敏度及抗噪性方面也具有明显优势。     

望远镜跟踪系统的自动对焦方法研究

为了满足望远镜跟踪系统的发展需求,研究了基于图像处理的自动对焦技术在望远镜跟踪系统中的应用。介绍了几种图像清晰度评价函数,包括梯度函数以及统计函数等,并通过计算机仿真和实验验证的方式分析了各种评价函数在此自动对焦系统中的应用和性能。研究结果表明自相关函数、能量梯度函数和Sobel函数都是有效的清晰度评价函数,其中自相关函数相对其他函数性能更加优越。     

全像素双核成像技术及应用研究综述

全像素双核(dual-pixel, DP)自动对焦(dual-pixel CMOS auto focus, DP CMOS AF)采用混合检测自动对焦,其在每个像素配备两个光电二极管,使每个像素既参与对焦又参与成像,克服了传统相位检测自动对焦和反差检测自动对焦技术的缺点。根据离焦视差估计图像合焦镜头所需移动的距离,DP自动对焦具有更快的对焦速度和更高的对焦精度,因此广泛应用在手持设备中(如手机相机、单反相机等)。由于全像素双核传感器将每个像素分成两半,该传感器一次拍摄即可得到两幅图像。这两幅图像(全像素双核图像对)可以看做一个具有相同曝光时间和严格校正的小基线立体图像对。该图像对的视差与图像模糊程度相对应,只在离焦区域存在视差。全像素双核传感器不仅用于自动对焦,而且可以用于深度估计、散焦去模糊和反射去除等方面。本文系统地综述了全像素双核传感器的自动对焦、成像原理及研究现状,并进一步展望其未来发展。1)对自动对焦技术进行介绍,对比了传统对焦与全像素双核对焦;2)详细分析了全像素双核传感器的成像原理、成像模型及特点;3)系统地介绍了全像素双核在计算机视觉领域应用的最新进展,从深度估计、反射去除和离焦模糊去除等方面进行全面阐述及分析; 4)适当的数据集是基于深度学习方法的基础,对目前的全像素双核数据集进行了介绍;5)分析了全像素双核在计算机视觉领域面临的挑战与机遇,对未来的全像素双核应用方向进行了讨论与展望。     

基于图像处理的自动聚焦技术及应用

自动聚焦技术是提高压痕直径测量系统测量精度、智能化和自动化的重要手段.介绍了采用图像处理法实现压痕直径测量系统的自动聚焦技术,核心就是选择一个合适的图像清晰度评价函数.在研究了众多图像清晰度评价函数的基础上,提出了基于向量模型和改进DCT变换的图像清晰度评价函数,实验表明,提出的算法具有良好的单峰性、准确性、稳定性、可靠性和快速性.最后通过基于COM组件技术的Matlab与VB混合编程来保证算法实现和软件设计.     

基于边缘特征提取的图像清晰度评价函数

图像清晰度评价函数是清晰度法自动调焦技术中用来反馈离焦状态的一个度量工具。调焦系统可以通过对成像清晰度的评价来自动搜索到成像最清晰位置。图像中边缘梯度能量大小反映了一幅图像的清晰状况,根据图像最清晰时图像中边缘梯度最大的特点,设计了一系列基于边缘梯度算子的清晰度评价函数。首先从理论上论证了这一系列函数与其它函数相比更具有鲁棒性、直观性的优点,然后通过实验验证,这一系列函数都符合了调焦函数中单峰性、抗噪性和无偏性的使用要求。     

一种离焦模糊图像客观检测的新方法

为了更精确地进行离焦模糊图像检测,提出了一种针对一幅图的离焦模糊图像客观检测的新方法,其核心思想是由线扩展函数(LSF)得到离焦模糊图像的点扩展函数(PSF)。该方法首先假定图像中至少能检测到一条明显边缘,然后由此边缘构造LSF。由于作用于空间域,无需复杂的傅里叶变换或迭代运算,因此该方法速度很快。此外,为使检测方法更具普遍性,还提出了离焦模糊检测的一般准则,这种准则适用于所有图像而不依赖于图像的内容。实验结果验证了该方法的精确性和有效性。     

机器视觉疲劳裂纹扩展试验摄像头自动聚焦方法

在机器视觉疲劳裂纹扩展试验中,为了能够满足对裂纹宏观观察裂纹和准确定位裂纹尖端的要求,需要采用变焦镜头放大和缩小采集图像范围,针对于摄像头变焦后的聚焦问题,提出了摄像头的自动聚焦方法。首先建立图像采集系统,采集裂纹图像至计算机,通过中值滤波对图像预处理,去除噪声干扰,选取裂纹区域作为聚焦窗口,采用Laplace算子法作为清晰度评价函数,并提出一种变步长穷举法进行聚焦搜索。最后设计了以ARM7为核心的摄像头运动控制器。实验表明,所提出的方法能够实现疲劳裂纹扩展试验中摄像头在各种情况下的准确自动聚焦,为下一步精确测量疲劳裂纹扩展参数奠定基础。     

运动模糊情况下障碍物检测预处理

针对在非结构化环境下,摄像机和拍摄目标相对运动造成的图像模糊情况,进行障碍物检测预处理。利用边缘锐度法判定获得的图像是否为运动模糊图像,如果是则利用傅里叶频谱和Radon变换得到点扩展函数后,利用 Lucy-Richardson法进行复原;为了降低后期障碍物检测的处理复杂度,利用提出的一种改进二维熵分割算法进行障碍物粗定位,面积阈值消除噪声影响,完成障碍物检测预处理。通过仿真实验验证了该方法的可行性和有效性,为智能汽车在非结构化环境下避障提供参考依据,为障碍物识别奠定基础。     

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。     

单目视觉在棒料全自动上下料系统中的应用

在全自动上下料系统中,机器视觉技术以它快而准确无误的性质发挥重要的作用.针对系统的功能要求,进行了基于单目视觉全自动上下料系统平台的设计和搭建,通过Halcon完成了摄像机和机械手标定,理论上研究了实现空间棒料的三维姿态的算法,在图像处理中运用二项式滤波、傅立叶变换、闵可夫斯基加减法确定空间棒料的三维姿态,通过VS2015C#与Halcon混合编程,进行软件界面开发,控制机械手上下料.结果表明该方法具有可行性.     

利用DCT变换进行图像置乱及其效果评价

提出了基于DCT变换的图像置乱效果评价新方法,以便真实地评价图像置乱效果的好坏。首先将置乱前后两图像分成大小相同的子块并对其进行DCT变换,其次利用置乱前后相同位置子块图像所对应频域系数来构造偏差矩阵并定义其离散概率分布,最后通过计算离散概率分布的信息能量作为图像置乱程度的评价。提出的评价方法能够很好地度量图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。     

A dedicated hardware architecture for real-time auto-focusing using an FPGA

The auto-focus is a fundamental function of a camera system which is required to photograph a clear image of an object. To obtain the optimal focus of a specific region within an image, the sharpness of the region must be measured. Since the sharpness represents the difference between a pixel and its neighbors, multiple pixel references occur while evaluating each pixel. To compensate for the processing bottleneck caused by this repetitive memory reference, this paper presents a dedicated hardware architecture for real-time auto-focusing. The proposed system processes the incoming pixel simultaneously with its neighboring pixels based on its parallelized window processing architecture. In addition, the proposed system performs an adaptive thresholding-based sharpness function with multiple windows to achieve accuracy and robustness. The proposed system is compared to several conventional pixel-based auto-focusing systems under various environmental conditions.