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 。     

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.     

基于动态因子自适应搜索算法的自动调焦研究

为提高自动调焦的性能,采取动态因子自适应搜索算法。首先,建立分辨率逐步递减的调焦窗口,以减少非聚焦区域对调焦评价函数计算的影响;其次,通过动态调焦因子方法修正目标变化对清晰度评价函数的影响;最后,通过适应变步长爬山算法结合清晰度评价函数搜索聚焦点,提高搜索速度和调焦精度。试验仿真显示,本文提出的算法获得的图像清晰,其性能受噪声影响小,可满足自动调焦中对稳定性、实时性和清晰度的要求。     

数字共焦显微仪序列光学切片自动采集方法研究

提出一种基于图像处理的数字共焦显微仪序列光学切片自动采集方法。方法分两个步骤:第一步是对细胞进行自动聚焦;第二步是细胞的起始点自动调焦定位及进行光学切片。方法采用清晰度评价函数作为判别标准,将灰度差分算法与拉普拉斯函数法相结合,通过计算机实现两个步骤的自适应调焦控制,进而实现光学切片的自动采集。实验结果表明,方法有较高的自动聚焦和细胞起始点定位的速度和准确性,对三维球形细胞序列光学切片图像采集,简单易行,效果良好。     

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。     

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。     

基于图像清晰度评价的跟踪望远镜自动调焦算法研究

为了减小跟踪望远镜调焦时间,分析了自动调焦的光学原理及数字图像处理相关技术,提出一种适合跟踪望远镜的实时自动调焦算法。该算法基于对图像清晰度的评价,通过步进电机驱动次镜移动来搜索最佳成像位置,并且综合了全局搜索法与传统爬山法的优点。在实验中,完成了对远处静态目标自动对焦,有效地避免了局部峰值导致的对焦失败,在保证系统调焦精度的前提下使对焦速度小于3s。     

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。     

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。     

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。     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

基于循环平移和DTCWT的声呐图像滤波方法

声呐图像散斑噪声的存在严重影响声呐图像的人工判读和自动识别。声呐图像散斑噪声滤波是声呐图像处理领域的一个重要难题。双树复小波变换(DTCWT)因其具有近似的平移不变性、良好的方向选择性已被应用于图像滤波。但这种平移不变性的近似性使得DTCWT不能较为彻底地抑制伪吉布斯现象,而导致滤波后图像的边缘存在一定程度的模糊。为了减小伪吉布斯现象和声呐图像边缘模糊,将循环平移与DTCWT结合使用,提出一种基于循环平移和DTCWT的声呐图像滤波方法。实验结果表明,该方法在滤除声呐图像散斑噪声的同时能够较好地保持声呐图像的边缘。     

一种有效的去除图像混合噪声的滤波算法

依据噪声特点以及图像的像素关联性,提出了一种有效的数字图像混合噪声滤波算法。该算法首先对图像像素进行检测,依据受脉冲噪声污染的图像像素与其周围邻域多数像素在亮度上具有显著差异的特点准确检测出脉冲噪声,然后以检测到的脉冲噪声为被处理像素,用其邻域内未被脉冲噪声污染的图像像素对其进行中值滤波,由于当前脉冲噪声点以及邻域脉冲噪声点均未参与滤波运算,从而较好地保护了图像的细节。对图像中的高斯噪声,提出了一种改进的加权均值滤波算法,该算法在定义相关度函数时,既考虑了像素的灰度相关性,又考虑了像素的位置相关性。实验结果表明:提出的混合噪声滤波算法不仅可以有效滤除图像中的混合噪声,而且还可以较好地保护图像的细节。     

应用正则化影响函数扩散模型的星图噪声滤波

由于恒星星图的噪声滤波对保持星点的边缘细节要求较高,本文以塔基（Tukey）扩散模型与改善的PM（Perona-Malik）模型为基础,提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集,利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理,并通过给定边界条件恢复图像边缘。由于避免了方差稳定（VS）变换,该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试,并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力,同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低了13.6%,峰值信噪比平均提高了6.1%。得到的数据显示,本方法的滤波能力优于普通的扩散函数方法,特别适用于星图的噪声滤波处理。     

一种基于均值滤波和梯度影响因子的滤波算法

均值滤波采用邻域平均法对图像进行滤波,在降低噪声的同时破坏了图像的细节和边缘。针对这一问题提出了一种在均值滤波算法的基础上增加梯度影响因子的滤波算法,可实现在滤波的同时尽量保留图像的边缘,达到既减小图像噪声又保留边缘的目的。将梯度影响因子进行多项式展开可以降低程序的时间复杂度。通过实验对比表明,改进算法对图像细节和边缘有更好的保护,同时达到更好的滤波效果。     

微间隙焊缝磁光成像卡尔曼滤波跟踪算法

在激光对接焊过程中,实时控制激光束准确对中焊缝是保证焊接质量的前提。针对紧密对接激光焊,研究一种用于微间隙(不大于0.1 mm)焊缝位置识别及跟踪的磁光成像卡尔曼滤波算法。采用磁光传感器实时获取焊接区域的微间隙焊缝磁光图像序列,利用微间隙焊缝磁光图像的灰度梯度特征提取焊缝位置坐标。以焊缝位置及位移量构成状态矢量,建立描述焊缝位置的状态方程和测量方程。同时,假设系统动态噪声和测量噪声为零均值随机分布的高斯白噪声,建立噪声环境下的卡尔曼滤波跟踪算法,计算最小均方差条件下焊缝中心最优预测值,减小系统噪声和过程噪声对焊缝位置测量的影响。试验结果显示,该方法能有效实现激光对接焊微间隙焊缝位置的识别与跟踪。     

基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.     

Deconvolution improves colocalization analysis of multiple fluorochromes in 3D confocal data sets more than filtering techniques

Background and noise impair image quality by affecting resolution and obscuring image detail in the low intensity range. Because background levels in unprocessed confocal images are frequently at about 30% maximum intensity, colocalization analysis, a typical segmentation process, is limited to high intensity signal and prone to noise‐induced, false‐positive events. This makes suppression or removal of background crucial for this kind of image analysis. This paper examines the effects of median filtering and deconvolution, two image‐processing techniques enhancing the signal‐to‐noise ratio (SNR), on the results of colocalization analysis in confocal data sets of biological specimens. The data show that median filtering can improve the SNR by a factor of 2. The technique eliminates noise‐induced colocalization events successfully. However, because filtering recovers voxel values from the local neighbourhood false‐negative (‘dissipation’ of signal intensity below threshold value) as well as false‐positive (‘fusion’ of noise with low intensity signal resulting in above threshold intensities), results can be generated. In addition, filtering involves the convolution of an image with a kernel, a procedure that inherently impairs resolution. Image restoration by deconvolution avoids both of these disadvantages. Such routines calculate a model of the object considering various parameters that impair image formation and are able to suppress background down to very low levels (< 10% maximum intensity, resulting in a SNR improved by a factor 3 as compared to raw images). This makes additional objects in the low intensity but high frequency range available to analysis. In addition, removal of noise and distortions induced by the optical system results in improved resolution, which is of critical importance in cases involving objects of near resolution size. The technique is, however, sensitive to overestimation of the background level. In conclusion, colocalization analysis will be improved by deconvolution more than by filtering. This applies especially to specimens characterized by small object size and/or low intensities.     

应用属性距离加权平均滤波提高CCD光斑的亚像素定位精度

针对现有滤波方法无法克服CCD光斑信号的噪声去除和特征保持之间的矛盾,由图像噪声引起的随机误差成为影响光斑定位精度主要因素的问题,提出了用属性距离加权平均(ADWA)方法对光斑图像进行滤波处理的方案。根据含噪信号的属性分离信号和噪声,通过增加属性的方式来进一步缓解噪声去除与信号特征保持之间的矛盾。实验结果表明,在基于位置、幅值的二元属性距离加权平均(2-ADWA/LV)的基础上,引入"梯度"属性构成3-ADWA/LVG后对光斑信号进行滤波处理,能将光斑定位精度提高20%以上,使定位结果标准差减小到0.024pixel。实验表明,用ADWA对光斑信号滤波,可通过挖掘和引入新的属性来进一步去除光斑信号噪声同时增强信号特征保持效果,从而为提高光斑的亚像素定位精度提供一条有效途径。     

基于分层多尺度形态学梯度修正的分水岭分割

形态学分水岭分割对图像中的噪声和非规则细节较为敏感, 常常导致较严重的过分割. 如果在分水岭分割之前采用线性滤波器进行平滑,可以在某种程度上消除噪声和非规则细节干扰造成的分水岭过分割, 但是可能使分割出的目标轮廓产生位置偏移. 为了能够在消除过分割的同时保持目标轮廓的位置不变, 提出了一种基于分层多尺度形态学梯度修正的分水岭分割方法. 首先对原始图像进行多尺度形态学滤波平滑; 然后根据形态学梯度图像的三维地貌体积对其进行分层多尺度修正, 自适应地确定修正所需的结构元素尺寸, 对于低梯度层级采用较大尺寸结构元素进行形态学闭运算, 消除因非规则细节产生过分割的非规则局部极小值, 而对较高梯度层则采用较小尺寸的结构元素, 保持区域轮廓的位置不变; 最后在修正梯度图像基础上, 运用标准分水岭变换实现图像分割. 实验结果表明, 该方法能够在消除过分割的同时, 较准确的保持目标轮廓的位置.