电子经纬仪系统中自动调焦爬山搜索算法的优化设计

电子经纬仪的自动调焦是仪器实现自动化的重要部分,自动调焦的过程就是镜头按照自动调焦搜索算法来回搜索调焦评价函数求最大值的过程,传统的爬山搜索算法会受到调焦评价函数局部极值的干扰而不能准确聚焦;介绍了一种改进的自动调焦搜索算法,在选择清晰度评价函数基础上,同时考虑图像的调制传递函数(Modulation Transfer Function,MTF),综合判断搜索方向,给出了优化算法的原理和实现;实验结果表明,改进的爬山式搜索算法中Brenner函数值的标准差为0.009 3,MTF值的标准差为0.003 9,平均用时为12s,能有效地排除局部极值干扰,使系统精确、可靠的调焦。     

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.     

显微视觉系统中自动聚焦算法的研究

针对自动聚焦过程中的聚焦评价函数、聚焦窗口、搜索算法进行了研究。首先改进了Robert函数增加了聚焦评价函数的陡峭度;其次针对固定聚焦窗口无法准确找到聚焦物体的缺点,提出了一种动态选择聚焦窗口的方法,该方法将图像分块,利用不同子块的梯度变化程度区分物体和背景,该方法更具适应性;进而提出了大步长和小步长相结合的爬山搜索算法,经过改进后的爬山搜索算法能更准确地找到焦平面;最后通过自行研发的显微视觉系统验证了所提自动聚焦方案的有效性。     

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。     

基于离焦量差异定性分析的自动对焦方法

为了改善在某些场景中由于聚焦评价函数非单峰性而造成爬山搜索方法正确率降低、误差增大的问题,设计了一种基于离焦量定性差异度量的自动对焦方法。首先,利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值;接着,采用投票策略得出这两幅图像的离焦量差异定性度量;然后,根据离焦量差异定性度量确定对焦搜索方向;最后,按照变步长策略逐渐缩小搜索范围和搜索步长,直至在步长为1时找到合焦位置。在由18倍光学变焦的监控摄像机上采集的3个图像序列上展示了该方法与其他两种典型的基于聚焦评价函数的爬山自动对焦方法的对比,实验结果表明:所提方法在保持爬山搜索法快速、行程比较少等优点的同时,明显提高了在聚焦评价函数单峰性不良的场景中的正确率,降低了误差量,很好地解决了局部极值对于爬山搜索法的影响。     

基于深度估计置信度的聚焦形貌恢复

聚焦形貌恢复是非接触式三维重建领域中的重要技术手段。由于环境的影响和相机本身的限制,图像采集过程中会不可避免地产生噪声信息,影响重建精度。针对该问题,提出一种高精度、抗噪声的聚焦形貌恢复算法。使用聚焦评价函数对离焦序列图像进行评价,得到聚焦评价序列图像,并使用高斯拟合峰值法定位像素聚焦位置获得初始深度图。在此基础上,通过像素的聚焦评价曲线与灰度曲线之间的相似度衡量深度估计置信度,生成初始深度图的置信图,并将置信图作为引导图对初始深度图进行引导滤波,得到优化后的深度图。使用多组仿真离焦序列图像与真实显微离焦序列图像对所提方法进行性能验证,实验结果表明：所提方法在仿真与真实离焦序列中均能表现出优良的三维重建效果,在真实数据实验中,所提方法的所有指标均优于基于深度图优化的方法,与传统方法相比均方根误差分别降低64.8%和47.3%以上,相关系数分别提高2.18%和6.35%以上,具有更高的精度和更强的抗噪性,能有效提高聚焦形貌恢复精度。     

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。     

基于图像清晰度的快速自动聚焦算法

提出了一种新的快速自动聚焦算法;通过梯度阈值处理提高聚焦图像的信噪比,对选取的聚焦窗口采用图像边缘点判据与改进的Tenengrad聚焦函数相结合的方法,通过自适应变步长登山搜索算法实现了自动聚焦过程从快速粗调到精确细调的过渡;验证结果证明该算法和实际聚焦过程吻合,比已有的聚焦算法在聚焦可靠性、速度及灵敏度上有较大提高。     

机器视觉系统的自动对焦技术研究

为了解决在工业生产现场复杂环境下机器视觉系统中定焦相机的失焦问题,提出了一种机器视觉定焦相机的自动对焦技术,该技术通过上位机实时对相机采集到的图像进行感兴趣区域(Region of Interest,ROI)裁剪、离散傅里叶变换(Distributed Fourier Transformation,DFT)滤波等预处理过程,再由改进的图像清晰度评价函数对图像清晰度进行评价,最后由运动机构带动相机自动搜寻焦点位置并完成对焦功能。实验结果表明,经过傅里叶变换滤波后,提升了评价函数的灵敏度。通过与几种典型的评价函数对比,提出的方案能有效地排除环境干扰,自动对焦的结果与标准样张最为接近,且在不同物距情况下仍能够高效运行。     

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。     

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。     

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。     

动态调节因子的邻域搜索人工蜂群算法

自人工蜂群算法(ABC)提出以来,因其算法简单、控制参数少、全局收敛能力强、便于实现等优点得到了广泛的关注。然而,ABC算法仍然存在收敛精度低、收敛速度慢等不足之处。针对此问题,受到生物个体邻域规则的启发,提出一种基于生物邻域最优个体的人工蜂群算法(NABC),通过食物源向邻域最优食物源周围搜索,提高了种群的搜索速度;同时,为了动态调节算法的搜索过程,使算法早期侧重于全局搜索,后期侧重于深度搜索,提出了基于三角函数调节因子的邻域搜索人工蜂群算法(DNABC)。对12个测试函数的实验结果表明,NABC算法在函数优化时具有较高的收敛精度和较快的收敛速度,而且基于三角函数的调节因子能够对NABC算法的搜索过程进行调节,促进了NABC算法的改善。     

改进型遗传蚁群混合算法求解0/1背包问题

针对原有的遗传蚁群混合算法收敛速度慢、运行时间长等缺陷,提出了一种新混合算法,该算法从蚁群中选取部分优良个体采用遗传算法寻优,所选个体数目随迭代次数自适应变化,同时,对算法中的交叉、变异操作以及赋值等方面进行了一些改进。仿真结果表明,该算法在搜索能力、收敛速度以及程序运行时间方面都有明显的提高,由此证明了该算法的有效性。     

求解CARP车场选址问题的混合随机搜索算法

针对环保车车场选址问题,提出了一种混合随机搜索算法(HRSA)。新算法利用当车场已知时计算环保车优化行使路线的CARP算法作为车场选址评估函数,为加快收敛速度采用改进的Dijkstra算法计算初始车场地址,进而采用一种局部搜索策略寻找当前车场附近的更优地址,同时为避免陷入局部最优采用一种随机跳变策略探测其他更优地址,实现对解空间的高效搜索。在洒水车车场选址问题上的实验表明,HRSA求解此类问题是有效的。     

超大视场自适应快速对焦算法

为满足超大视场机器视觉自动对焦系统快速检测的要求,研究了一种基于对焦深度的自适应快速对焦算法。该算法采用粗对焦与精确对焦相结合的二级对焦策略,在不同的检测区域实现自适应选择最佳评价函数,实现自适应快速对焦。实验结果表明该算法在保持调焦精度的前提下,能够在大视场内快速聚焦,最终实现平均对焦时间小于0.5 s,一次性对焦成功率高达95%,满足自动对焦系统对高速、高精度自动对焦的要求。     

Tent混沌粒子群算法及其在结构优化决策中的应用

首先对Tent混沌序列加以改进,将其引入粒子群算法中;然后提出一种基于改进的Tent映射的粒子群算法.采取分阶段更新的优化策略,使其在搜索初期更具遍历性,在搜索后期,通过人为更替最差粒子的速度和位置,使算法具有更快的收敛速度与更好的全局搜索能力.构建一种资源配置结构优化模型,并将改进的Tent映射粒子群算法引入资源配置结构优化决策中,在寻优速度、精度和成功率等方面均显示出良好的优化效果.     

改进的BP神经网络算法在航迹匹配中的应用

利用迭代最近等值点(ICCP)算法对重力图上的航迹进行匹配可以减小惯性导航系统误差,但计算量大。针对上述问题,通过修改激励函数并增加假饱和预防函数,提出一种改进的反向传播神经网络学习算法。仿真结果表明,该算法可以加快搜索最近等值点的速度,更好地满足重力辅助导航对匹配精度及匹配速度的要求。