基于数字图像处理的自控显微镜聚焦算法研究

自动聚焦的评价函数是基于数字图像处理的自动聚焦算法的关键问题.从空域和频域详细分析了离焦图像的成像原理,利用带步长的拉普{记斯算子比较了一系列模糊l冬I像的清晰度.改进的拉普拉斯算子结合爬山法能够实现自控显微镜的高效率精确聚焦,是一种简洁实用的聚焦策略.改进后的聚焦评价函数具有灵敏度高、单峰值、无偏离、计算量小和较高的信噪比等特点.实验表明,与传统的梯度算子聚焦算法相比较,改进的自动聚焦算法效率更高,聚焦位置更精确.     

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.     

Sobel算子在气膜孔图像清晰度评价过程中的研究

对高压涡轮叶片中冷却气膜孔(下简称:气膜孔)视觉测量过程中遇到的气膜孔图像清晰度评价问题展开研究。利用光学成像系统分析了系统离焦对图像清晰度的影响,并提出了一种Sobel算子与阈值相结合的图像清晰度评价方法。针对气膜孔孔径小、单晶材料反光、焦平面的获取困难、气膜孔边缘难识别等问题,进行对比实验,设计了图像清晰度评价函数归一化与阈值选取相结合的测量方法,这确保了评价功能的真实性,同时滤除了高频噪声。实验结果表明,所提出的评价方法可以准确地评价气膜孔图像的清晰度。此方法具有很强的单峰性,无偏性和良好的抗噪性能。     

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。     

光学显微成像系统图像清晰度评价函数的对比

图像清晰度评价函数是评价各类成像系统成像质量的一个关键函数,为找到合适的图像清晰度评价算法,采用MATLAB软件对16种适用于光学显微成像系统的清晰度评价函数进行仿真,定量分析了不同算法的灵敏度、单峰性、无偏性以及运算速度。实验表明:Laplacian函数具有较高的单峰性、无偏性和灵敏度;存在高斯噪声时,Brenner函数、Tenengrad函数和基于Prewitt算子的函数以及中值滤波-离散余弦函数稳定性好;而存在椒盐噪声时,Roberts函数综合性能最优。     

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。     

基于窗口模式的自动聚焦算法

随着数字智能化技术的不断成熟与提高,自动聚焦技术也日益完善并广泛应用。简单介绍了目前一些经典的图像清晰度评价函数,并提出一种改进的拉普拉斯算子的图像清晰度评价函数。该算法把整幅图像分成不同的窗口,提出一个新的概念——兴趣参数,并引入至不同窗口。经过与其它一些经典算法进行大量的实验研究对比,证明该算法在聚焦的适时性、灵敏性和准确性上都具有一定的优越性。     

嵌入式自动聚焦摄像模组控制系统的设计

针对手机等移动终端设备中的摄像模组,提出了一种嵌入式自动聚焦控制系统。该系统以AD5820作为聚焦电机的驱动IC,以OV5642作为图像传感器,利用68013单片机进行数据处理并控制驱动IC调整镜头的位置,完成准确自动聚焦。系统通过控制音圈电机带动镜头行程变位,获取一系列图像;计算每幅图像清晰度评价值构成清晰度评价曲线;采用梯度函数作为图像清晰度评价标准;并用全程搜索的方式找到图像清晰度最大值时镜头的位置,从而达到聚焦的目的。实验验证显示,系统的聚焦分辨率能达到5～10μm,响应速度小于70ms。自动聚焦实物拍摄图像清晰,能够很好地满足摄像模组自动聚焦的需求。     

一种全自动显微镜快速聚焦方法

自动聚焦技术是全自动控制显微镜系统的核心部分,主要解决的问题是如何提高聚焦的精度和速度,其中聚焦评价函数用来衡量图像是否聚焦。通过对几种聚焦评价函数的仿真实验对比分析,以及结合实际工程应用,提出一种直接截取图像的视频信号进行实时处理的聚焦方法,并对其中的关键技术分析、实验。实验表明:该方法提高了聚焦的精度和速度,并且它已成功应用于显微镜自动调焦系统中。     

结核杆菌涂片显微视觉检测系统的自动聚焦

结核杆菌医学涂片大多具有观察区内容稀疏不均匀、杂质较多的特点,使用自动显微镜检方法进行图像采集时,会出现清晰度区分困难、效率低下、甚至聚焦评价失效的问题,为提高自动镜检的效率和准确度,本文自主搭建了显微视觉计算机自动检测系统,对结核杆菌涂片的自动聚焦技术进行系统的研究。首先,对比研究11种常用聚焦函数对结核杆菌镜检玻片图像聚焦评价的优劣,并分析了聚焦成功和失效的原因。在综合分析各聚焦函数对结核杆菌涂片的聚焦效果基础上,提出了一种基于Tenengrad的改进型聚焦评价函数,通过改进内容像素的聚焦权重提高聚焦准确度,优化图像处理算法来提高图像采集效率。实验结果表明:改进型Tenengrad聚焦函数FTen-Q在结核杆菌涂片的各类视野图像评价方面具有高灵敏度和准确度,其聚焦成功率和运算效率分别提高了13.884%和17.616%,可以满足结核杆菌涂片类非均匀涂片的显微视觉自动检测应用要求。     

基于梯度先验的水下图像恢复

由于水体对光线的吸收和散射作用,水下图像呈现出强衰减、高噪声和色彩畸变等问题,难以满足视觉观察和图像分析的需求。针对这一问题,提出了一种基于梯度先验的水下图像恢复方法,用以提高水下图像质量。首先,根据水下成像特性,建立水下图像梯度先验,水下图像中目标反射信息(水下清晰图层)的梯度大于散射噪声信息(水下噪声图层);其次,根据水下成像模型,对上述梯度先验进行表征建模;最后,建立水下图像的梯度分布优化函数,采用半二次优化方法分离出目标反信息,作为水下图像恢复结果。以UEIB和RUIE数据集为实验样本,与近年来所提出的5种水下图像处理方法进行比较,方法在定性和定量两类评价中均获得了出色的处理结果,峰值信噪比(PSNR)、结构相似性(SSIM)和水下图像质量评价指标(UIQM)评价指标分别达到20.066 5、0.696 1和3.902 9,均优于对比方法。因此,该方法能够有效地抑制水下图像噪声,提高水下图像的信噪比、清晰度和对比度。     

Image sharpness measurement in scanning electron microscopy—part II

A method for qualitative and quantitative analysis of scanning electron microscope (SEM) images forthe determination of sharpness is presented in this paper. Described is a procedure for qualitative analysis based on a software program called SEM Monitor that can be applied to research or industrial SEMs for day-to-day performance monitoring. The idea is based on the fact that, as the electron beam scans the sample, the low-frequency changes in the video signal show information about the larger features and the high-frequency changes give data on finer details. The image contains information about the primary electron beam and about all the parts contributing to the signal formation in the SEM. If everything else is kept unchanged, with a suitable sample, the geometric parameters of the primary electron beam can be mathematically determined. An image of a sample, which has fine details at a given magnification, is sharper if there are more high frequency changes in it. In the SEM, a better focused electron beam yields a sharper image, and this sharpness can be measured. The method described is based on calculations in the frequency domain and can also be used to check and optimize two basic parameters of the primary electron beam, the focus, and the astigmatism.     

模糊综合评价法在设备招标评标中的应用

分析了目前评标过程中经常采用的几种方法，指出其存在的弊端。提出了一种基于模糊数学的综合评价方法，该方法根据模糊隶属度理论把定性评价转化为定量评价，解决了原有方法中定性与定量评价不能很好结合的问题，使评标方法在综合性、合理性、科学性等方面得到了改进。该模型在其他类似问题的评价中也有一定的推广价值。     

Accurate shape from focus based on focus adjustment in optical microscopy

Optical microscopy allows a magnified view of the sample while decreasing the depth of focus. Although the acquired images from limited depth of field have both blurred and focused regions, they can provide depth information. The technique to estimate the depth and 3D shape of an object from the images of the same sample obtained at different focus settings is called shape from focus (SFF). In SFF, the measure of focus–sharpness–is the crucial part for final 3D shape estimation. The conventional methods compute sharpness by applying focus measure operator on each 2D image frame of the image sequence. However, such methods do not reflect the accurate focus levels in an image because the focus levels for curved objects require information from neighboring pixels in the adjacent frames too. To address this issue, we propose a new method based on focus adjustment which takes the values of the neighboring pixels from the adjacent image frames that have approximately the same initial depth as of the center pixel and then it re-adjusts the center value accordingly. Experiments were conducted on synthetic and microscopic objects, and the results show that the proposed technique generates better shape and takes less computation time in comparison with previous SFF methods based on focused image surface (FIS) and dynamic programming. Microsc. Res. Tech., 2009. © 2008 Wiley-Liss, Inc.     

自动调焦系统中图像清晰度判别方法的研究

利用图像处理方法进行自动调焦的关键是图像清晰度特征值的提取。图像清晰度是衡量成像系统质量的重要指标。现介绍了四种新颖的判别方法,分别是经改进的灰度比较法,点锐度算法,平方梯度聚焦函数法,小波变换法。通过在不同的应用场合对这四种图像清晰度判别方法进行比较,为实际操作时如何选取提供了参考。     

基于投影图像特征匹配的微纳CT焦点漂移校正

微纳CT射线源焦点热漂移是影响图像清晰度的重要因素之一。通过理论和仿真实验分析了射线源焦点漂移对图像清晰度的影响。利用实际微纳CT系统,实验发现焦点漂移主要是缓慢热漂移,漂移量与X射线源功率正相关,且焦点漂移具有一定随机性。据此,提出一种基于投影图像特征匹配的焦点漂移校正方法。首先,在实际CT扫描后快速采集少量参考投影,根据实际CT投影和参考投影自适应特征匹配结果求取特定角度下的焦点漂移量;其次,采用样条插值获取CT扫描过程所有的焦点漂移量;最后,根据焦点漂移量修正实际投影数据,重建得到校正后的图像。实验表明,该方法定位精度高,可大幅度减少图像畸变,图像清晰度提高近10%。     

基于亚像元CCD几何超分辨方法研究

摘要:为了在现有CCD像元尺寸的基础上提高CCD像元分辨力,对CCD几何超分辨问题进行了研究。从研究现状入手,给出了现有算法及其存在的不足,建立了亚像元超分辨成像数学模型,提出了基于亚像元的CCD几何超分辨方法：两片线阵CCD集成在同一器件中,在线阵方向上错开半个像元,同时读出时间减半,最终交织重组图像数据,以合成高分辨率图像。利用MATLAB7.0.1软件对双线性插值方法及亚像元成像方法进行了仿真,并定性定量地比较两种方法的效果。结果显示：亚像元方法合成图像分辨率约为低分辨率图像的2倍,且PSNR比双线性插值图像高0.2dB。该方法可以实时合成高分辨率图像,显著地减轻欠采样引起的图像模糊。     

基于AHP的工程机械管理评价体系

对工程机械管理的评价过程是一个涉及多因素、多目标的决策过程.运用层次分析的理论与方法,在工程机械管理效率评价指标体系的基础上,建立合理的综合评价模型,探讨基于组件技术建立能适应各种不同层次、不同地区的开放型、通用的工程机械管理评估系统,提出系统的组件化模型,全面考虑评判过程中的定性指标及定量指标,为正确评价与决策提供了科学的方法及手段。     

基于灰色理论和模糊综合评价的设备评标方法研究

对目前设备评标常用的几种方法进行分析,同时针对设备评标过程中模糊、灰色的特点,提出了一种基于灰色理论和模糊数学的综合评标方法。在评标过程中,运用模糊评价实现了定性评价到定量评价的合理转化,采用灰色统计方法建立了设备评标的模糊评价矩阵,利用灰色关联度分析法确定了各级评价指标的权重,使评标方法在综合性、合理性、科学性等方面得到了改进。最后,通过案例实证分析,表明了该方法在设备评标过程中具有实用性和有效性。     

结合局部特征的无参考彩色图像质量评价

由于传统的无参考彩色图像质量评价方法与人眼感知结果的一致性较差,本文提出了一种全面利用待评价图像的色度、锐利度和对比度的无参考彩色图像质量客观评价方法。分析了彩色图像锐利度的局部特征,提出了一种新的彩色图像锐利度测量模型。基于对比度的局部特征和Buchsbaum曲线特征,建立了新的彩色图像对比度测量模型。最后,通过线性组合色度测量模型、锐利度测量模型和对比度测量模型,构建了无参考彩色图像质量评价函数。利用TID2013数据库中的3类退化图像(高斯模糊图像、对比度改变图像和噪声图像)验证了本文提出的锐利度测量模型、对比度测量模型和无参考彩色图像质量评价函数的性能。结果表明,本文提出的锐利度测量模型和对比度测量模型的性能均优于传统的锐利度和对比度计算模型。提出的无参考彩色图像质量评价函数的Spearman秩相关系数(SROCC)为0.904,Kendall秩相关系数(PROCC)为0.865,Pearson线性相关系数(PLCC)为0.922,亦均优于传统方法。