激光扫描共聚焦显微镜自动对焦研究

目的：针对激光扫描共聚焦显微镜在二维平面扫描样本时不能自动准确定位焦平面的不足,提出一种基于全自动光学显微镜自动聚焦原理的数字图像处理算法解决这个问题。方法：利用激光扫描共聚焦最微镜获得具有一定厚度的显微样本不同焦距下序型固傻,首先应用灰度方差算子全局搜索进行粗聚焦,对粗聚焦得到的焦平面附近各一个扫描步距范围内的图像再利用基于Sobel梯度的熵函数进,行目标区域的精确聚焦,单向搜索以提高聚焦速度.结果：实验表明该方法对于无荧光标记的样本的均可以准确对焦,粗细两次聚焦可以提高自动对焦的精度,基于Sobel梯度的熵函数对于图像边缘敏感,比以往的空域自动对焦方法更符合生物显微样本对焦精确度高的需求。     

不同物距下的自动聚焦方法研究

目前对不同物距情况下的自动聚焦问题研究较少，为此提出了解决这一问题的自动聚焦方法。首先分析了不同物距的多个物体之间的成像关系和在不同物距情况下的图像清晰度评价函数的性质，然后提出了一种图像中心窗口的方法和用作图像清晰度评价函数的二维加权DCT系数的方法，最后采用一种改进的搜索策略对图像进行自动聚焦。实验结果表明，该方法可有效地对不同物距的图像进行自动聚焦。     

一种基于中频滤波的动态步长聚焦算法

针对岩石薄片显微图像采集应用过程中的聚焦评价与聚焦搜索问题,提出了一种基于中频滤波和Laplacian聚焦评价函数相结合的聚焦评价方法,以及动态步长聚焦搜索算法.评价方法采用中频滤波算子与图像卷积,保留图像的基本框架,再利用Laplacian聚焦函数进行聚焦评价;对于聚焦搜索算法,则根据每次搜索比较的结果,进行动态更新...     

数字同轴全息对刀技术中微细铣刀的自动聚焦方法

数字同轴全息对刀技术中微细铣刀全息再现像的自动聚焦是实现高精度自动对刀的关键技术,其中聚焦评价函数是判别图像质量的依据.通过比较几种常用的聚焦评价函数的评价性能,探讨了数字全息自动对焦过程中刀具的成像特点以及适用的聚焦评价方法,发现小波变换聚焦评价函数能适应高精度聚焦的需要.针对自动调焦问题,提出一种分段递进搜索方法,将搜索过程分为两个过程:大步距粗调和小步距精调,分段搜索最优解.然后比较分析了所提搜索方法与经典的模拟退火算法和Levenberg-Marquardt算法的搜索性能.实验结果表明,所提分段递进搜索方法适用性更强,并通过计算机模拟实验进一步验证了其有效性.     

基于八面梯度均方差的跟踪系统自动调焦方法

为了实现目标跟踪系统的自动调焦,针对其实时性、准确性的要求,提出了基于八面梯度均方差的自动调焦方法.该方法以像素周围8个方向的梯度均方差作为清晰度评价函数,对消除噪声及光线波动的影响效果很好,能够准确地计算图像清晰度.同时,制定了强制连续调焦与精确调焦相结合的调焦策略.通过对几种评价函数的研究仿真,验证了八面梯度均方差函数在单峰性、灵敏性和稳定性等方面的优越之处;通过反复进行自动调焦实验,说明了调焦策略在克服评价函数局部峰值和精确聚焦方面的良好表现.该方法已应用于目标跟踪系统的自动调焦.     

基于图像评价的显微镜自动对焦方法

针对显微镜观测动态平面目标时的自动对焦需求，提出一种基于图像清晰度评价的显微镜静/动态自动对焦方法。首先，根据对聚焦-失焦图像特征的分析，建立加权Tenengrad评价函数评估方法和图像分块对焦窗口模式。其次，针对搜索过程中的局部极大值问题，利用模拟退火理论建立对焦搜索模型。最后，为了对动态图像进行评价，利用图像模糊法来判断动态无参考图像失焦水平。在此基础上，形成了静态调焦模型，动态失焦检测与实时对焦模型。通过搭建显微镜自动对焦实验平台，结果表明：该静态调焦模型能够使显微镜快速准确地静态自动调焦，动态失焦检测和实时对焦模型能够使显微镜满足在动态观测下离焦检测和实时调焦的要求。     

数字全息显微中的自动聚焦

为实现快速、准确的自动聚焦,采用理论分析和实验验证相结合的方法,对显微数字全息自动聚焦所采用的数值重建算法、全息图零级谱滤除和聚焦评价函数等相关问题进行了研究。结果表明:菲涅耳变换重建算法完全可以用于数字全息自动聚焦中;全息图零级谱的滤除使得基于菲涅耳变换算法的自动聚焦过程无法实现;灰度方差函数、傅里叶频谱加权对数函数和标准偏差相关函数可以有效地用于显微数字全息数中的自动聚焦,其中傅里叶频谱对数函数计算时间最短,是首选的聚焦评价函数;利用再现像光场中部分区域作为聚焦判断依据,可以大大缩短自动聚焦时间。     

基于Roberts梯度的自动聚焦算法

如何快速有效地实现聚焦一直是图像测量中的焦点,其中图像自动聚焦评价函数的选择是关键问题。在比较、研究图像聚焦评价函数和边缘检测的基础上,提出了将Roberts梯度算子作为聚焦评价函数引入自动聚焦之中。同时为了消除噪声的影响,仔细研究闽值问题,并引入了一个闽值参数。经过大量的仿真实验,画出了几种自动聚焦算法的聚焦图形,并进行了详细的比较分析。结果表明,引入参数的Roberts算子具有无偏性好、单峰性强、灵敏度高等特点,该算子比其他评价函数更为准确、稳定、可靠。     

基于Sobel算子的自动聚焦系统

自动聚焦是成像系统的关键技术之一,本文利用Sobel算子边缘检测算法,提出了图像边缘能量清晰度评价函数,该评价函数不仅有单峰性强,无偏性好,灵敏度高等特点,而且还具有很好的抗噪声性能和稳定性。本文还介绍了基于图像处理的实时自动聚焦系统的组成和工作原理。实验结果表明,采用基于Sobel算子的自动聚焦技术具有良好的聚焦效果。     

基于Roberts 梯度的自动聚焦算法

如何快速有效地实现聚焦一直是图像测量中的焦点, 其中图像自动聚焦评价函数的选择是关键问题。在比较、研究图像聚焦评价函数和边缘检测的基础上, 提出了将Roberts 梯度算子作为聚焦评价函数引入自动聚焦之中, 同时为了消除噪声的影响,仔细研究阈值问题, 并引入了一个阈值参数。经过大量的仿真实验, 画出了几种自动聚焦算法的聚焦图形, 并进行了详细的比较分析。结果表明, 引入参数的Roberts 算子具有无偏性好、单峰性强、灵敏度高等特点, 该算子比其他评价函数更为准确、稳定、可靠。     

采用光流估计的数字相机自动对焦算法

自动对焦技术对于数字相机至关重要，它是获取清晰图像的重要手段。针对复杂环境下多目标场景图像，提出了一种基于光流场估计的自动对焦算法。通过计算输入图像序列的光流场，对场景中的运动目标进行检测，根据目标运动属性准确判断出感兴趣目标。改进了Brenner清晰度评价方法，利用目标的二维边缘梯度信息建立评价函数，并且通过非线性增益提高评价函数的灵敏度，减小了噪声对评价值的影响。实验证明，该算法能够在主辅目标景深比达50倍的情况下分辨出感兴趣主目标，并在方差为0.02的随机噪声干扰下能有效地评价图像的清晰度；此算法将Brenner等评价函数的峰值稳定余量提高了1至4倍，对于不同图像具有良好的鲁棒性，易于硬件实现。     

基于Retinex的低照度图像增强

Retinex理论是颜色恒常知觉的计算理论,可以用于图像清晰度严重失真状况下的图像增强.在研究Retinex算法的基础上,对低照度彩色图像失真中色彩恢复存在的问题进行研究,构建了一个恢复效果较好的色彩恢复函数——余弦色彩恢复函数.给出了处理后图像的自动补偿/增益方法以及补偿/增益中参数实际选取的经验值.对处理后的图像进行了质量评价分析,表明该恢复函数在处理低照度图像时具有较明显的改善效果.     

Non-reference assessment of sharpness in blur/noise degraded images

Image sharpness perception is not only affected by blur but also by noise. Noise effect on perceived image sharpness is a puzzling problem since image sharpness may increase, up to a certain amount of noise, on even regions when noise is added to an image. In this paper, we propose a NR perceived sharpness metric GSVD (Gradient Singular Value Decomposition), that shows to be effective in correlating with subjective quality evaluation of images affected by either blur or noise. This metric (i) requires no training on human image quality ratings, (ii) provides comparable performance with full reference (FR) peak signal to noise ratio (PSNR) and multiscale structural similarity (MSSIM), and (iii) performs better than most of the state-of-the-art NR sharpness metrics when assessing quality in blurry image sets and noisy image sets jointly.     

基于高频方差熵清晰度评价函数的聚焦三维测量方法

图像清晰度评价函数是聚焦恢复深度法（Depth from Focus, DFF）实现三维形貌测量的核心,直接决定了深度方向的测量精度。文中提出了一种基于高频方差熵的图像清晰度评价函数,与常用函数对比了清晰度比率、灵敏度因子两个定量指标,结果表明所提函数优于常用函数。通过对所提函数获得的清晰度评价曲线进行高斯曲线拟合,实现了深度方向聚焦位置的精确计算。对文中方法开展了聚焦重复性与标准台阶高度测量测试,重复性聚焦实验的测量标准差为2.82 μm,台阶高度测量标准差为12 μm,验证了文中方法用于高精度非接触三维测量的可行性。     

用于红外自动调焦的图像离焦深浅度判定算法

为了提高图像的可调焦范围,以往的自适应清晰度自动调焦算法对深度和轻度离焦图像采取了不同的评价方式,却未给出明确的图像离焦深浅度判定方法,进而影响了算法的可行性。为解决该问题,从Sobel算子出发来提取图像边缘,并通过阈值选择出阶跃边缘,从而利用阶跃边缘宽度来判别图像离焦程度。经实验分析,该方法可以无参考地判断单张图像的清晰度。与SMD、Laplace等方法相比,它具有与场景无关的优势。不同场景的相同清晰度图片的边缘宽度标准差仅为0.0676。此外,边缘宽度的大小与图像离焦程度成正相关,证明了该方法的有效性。本文算法的判定准确率达到了86.8%,与高频和算法、基于无参考结构清晰度的算法相比具有一定优势。     

Influence of a combination of random noise and pattern-edge width (in pixels) on contrast-to-gradient image resolution in scanning electron microscopy

The contrast-to-gradient (CG) method has been proposed previously for the evaluation of image resolution in scanning electron microscopy (SEM). In the CG algorithm, the image to be evaluated is gradually reduced to form the 1/r-reduced image (r = 1, 2, 3, ...) until the representative features of local patterns are accurately recognizable after the corresponding r-th noise reduction. We have studied the influence of a combination of random noise and pattern-edge width (in pixels) on the CG resolution R using both PC-made test images and typical SEM images. As the random noise is larger, the value of R becomes larger (or poorer). The increase in R due to the noise influence is more significant for the narrower width of the pattern edge. This satisfactorily agrees with the common idea that the image resolution is to reflect the sharpness of the pattern edge recognized in the image noise. By revising the form of DeltaR from the weighted standard fluctuation of R to the differential of R, a significantly weak N(dot)-dependency on R has been favorably confirmed, with keeping firmly the noise-dependency on R. Here, N(dot) is the number of pattern dots in the image.     

微小零件显微检测图像的清晰度评价

根据微小零件显微检测图像纹理相似、边缘信息太少和灰度分布范围有限等特点,从算法的基本原理出发,对传统清晰度评价函数进行了分析。针对传统清晰度评价函数无法兼具高灵敏度和抗噪性的缺陷,提出了一种基于局域方差信息熵的清晰度评价算法。该算法利用局域方差对各灰度级的自信息量进行加权,一方面弥补了信息熵函数缺失的空间信息,避免清晰度误判;另一方面增加清晰区域像素参与计算信息量时的权重,同时减少背景区域和噪声区域像素计算的权重,从而提高函数灵敏度。实验结果表明,与传统清晰度评价函数相比,局域方差信息熵函数不仅灵敏度很高,而且具有较好的抗噪性,可用于实际的自动对焦系统中。     

基于清晰度的彩色图像分割改进算法

针对K-means算法不能很好的分割目标较小,且目标颜色不能明显区别于背景颜色的彩色图像等缺点,提出了一种基于清晰度的彩色图像分割算法(S-K-means)。该算法引入图像清晰度评价理论,将彩色图像R、G、B三个通道的灰度矩阵转换成清晰度矩阵,然后选用Lab彩色空间,最后进行K均值聚类。为验证算法的有效性,对多幅电力线图像进行了分割实验,并与其他的分割方法进行比较实验,给出了详细的理论分析。实验结果表明该算法效果好,对电力系统中高压巡线具有参考价值,且具有较高的使用价值。     

Multi-focus image fusion using HOSVD and edge intensity

The purpose of multi-focus image fusion is to integrate the partially focused images into one single image which is focused everywhere. To achieve this purpose, higher order singular value decomposition (HOSVD) and edge intensity (EDI) based multi-focus image fusion method is proposed. The main characteristics of the proposed method includes: 1. an effective and robust sharpness measure based on edge intensity is presented; 2. considering the fact that HOSVD is an effective data-driven decomposition technique and shows the outstanding ability in the representation of high-dimensional data, it is used to decompose multi-focus images; and 3. a multi-strategy fusion rule based on sigmoid function is used to fuse the decomposition coefficients. Furthermore, several experiments are conducted to verify the superiority of the proposed fusion framework in terms of visual and statistical analyses.     

椭圆方向窗与新轮廓波应用于多聚焦融合算法研究

针对光学显微镜景深扩展中的多聚焦图像融合问题,提出了一种基于方向特性的新轮廓波域多聚焦图像融合算法。该算法首先对图像进行新轮廓波变换(New Contourlet Transform with Sharp Frequency Localization,NCT-SFL),分解得到不同尺度、不同方向的高低频系数,低频系数融合使用算术平均法,高频系数融合分为两步:先采用改进拉普拉斯能量和(Sum Modified Laplacian,SML) 提取特征值;然后定义新的与方向分解一一对应的椭圆方向窗,在确定的椭圆窗参数下,对提取的特征值进行累加并以此为依据对高频系数进行融合,最后通过反新轮廓波变换得到融合图像。在实验部分用定义的新的客观评价指标互结构信息(Mutual Structural Information,MSI)对融合算法进行了评价,结果表明:对多聚焦图像本文所提方法比新轮廓波域方形窗算法MSI提高了2.94%,比Contourlet域方形窗与椭圆窗算法MSI分别提高了10.44%和8.56%。说明本文方法能提取源图像中更多的清晰信息到融合图像,是一种有效的景深扩展手段。