学位论文 > 优秀研究生学位论文题录展示

基于提升小波变换的自动聚焦算法研究

作　者: 马书晓
导　师: 姜威
学　校: 山东大学
专　业: 通信与信息系统
关键词: 数字图像处理自动聚焦聚焦窗口选择聚焦评价函数小波算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 23次
引　用: 0次
阅　读: 论文下载

内容摘要

随着时代的进步,我们对各类图像设备(如数码相机、摄像机、影像监视系统和显微镜等)的需求日益增加,自动聚焦技术的研究也变得越来越重要。自动聚焦技术可以使成像设备自动调节直至聚焦以获取清晰的图像,是数字成像过程中的关键技术。自动聚焦技术的发展程度直接影响着图像设备的成像速度和成像质量,因此这项技术的研究具有十分重要的意义。在当前的自动聚焦研究中,聚焦算法主要分为离焦深度法和聚焦深度法两大类。离焦深度法是在离焦图像中直接获取目标物体深度信息的方法,其经过计算得到镜头与目标物体的距离,然后调整镜头到精确聚焦的位置,实现聚焦。聚焦深度法是基于搜索基础的聚焦策略,其通过对多幅图片进行清晰度判断来驱动镜头移动,直至镜头到达精确聚焦点,是当今研究的主流方向,本文也是以聚焦深度法基础的。在本文中,首先对自动聚焦系统的工作原理进行了简单的介绍,数字式自动聚焦系统首先利用感光元件对目标物体进行成像,然后在图像中选择感兴趣区域作为聚焦区域,并用清晰度评价函数对该区域的图像清晰度进行评价,进而根据最大极值搜索法来驱动镜头移动至准确聚焦的位置。自动聚焦系统主要包括三个关键问题：聚焦区域(ROI)的选择,图像清晰度评价函数的选择,和全局最大值搜索算法的选择。在论文接下来的内容中,对这三个问题分别进行了分析。根据对现存的自动聚焦系统关键问题的分析,从聚焦实时性和精确性的角度出发,本论文提出了一种基于提升小波变换的聚焦策略。小波变换是基于有限宽度基函数进行变换的,具有分析频率可调的优点。与傅里叶变换、余弦变换相比,小波变换具有检测图像尖锐边缘处灰度值突变的能力,所以基于小波变换的图像清晰度评价函数可以更好地分辨出图像质量的好坏。提升小波又称第二代小波,其把现存的有限长的小波滤波器分解,加快了小波变换的速度,不再需要二进小波函数平移和伸缩的条件,不依赖于傅里叶变换,但仍具有第一代小波的所有优点,本文中采用提升小波变换进行评价函数的计算。在提出的聚焦策略中,首先利用人工鱼算法选择聚焦窗口,然后在该区域内利用梯度函数作为评价函数,先以自适应大步长穷举搜索算法搜索聚焦点所在区间,然后改用改进后的捉升小波评价函数以小步长爬山搜索算法搜索聚焦点准确位置。在研究过程中采用该聚焦策略对大量的图像序列进行了实验,实验表明,无论目标物体是否在视野中央都能实现精确聚焦,且与传统的小波算法相比聚焦时间可以缩减30%-40%。经初步实验验证,该算法可以避免聚焦点搜索中陷入局部最优的缺陷,具有一定的自适应能力,实时性和准确性也得到了优化。

全文目录

摘要  8-10
ABSTRACT  10-12
符号说明  12-14
第一章绪论  14-22
  1.1 自动聚焦的研究意义  14-15
  1.2 自动聚焦系统简介  15-19
    1.2.1 自动聚焦系统框图  15-16
    1.2.2 自动聚焦技术的发展历史  16-19
  1.3 本文的主要工作和组织结构  19-22
第二章自动聚焦成像模型分析  22-27
  2.1 光学系统的成像特性  22-24
  2.2 自动聚焦系统的离焦和聚焦原理  24-27
第三章自动聚焦中聚焦区域的选择  27-40
  3.1 聚焦区域选择基本理论  27-30
    3.1.1 焦深与景深  27-29
    3.1.2 背景区域对聚焦函数的影响  29-30
  3.2 经典聚焦区域选择算法  30-33
    3.2.1 中心取窗法  30-31
    3.2.2 多点取窗法  31-32
    3.2.3 非均匀采样取窗法  32-33
  3.3 自适应粒子群取窗法  33-36
    3.3.1 粒子群算法(PSO)  33-34
    3.3.2 聚焦区域选择中PSO的参数设置  34-35
    3.3.3 自适应粒子群取窗法流程  35-36
  3.4 实验结果与分析  36-40
第四章自动聚焦中清晰度评价函数选择  40-60
  4.1 清晰度评价函数选择准则  40
  4.2 经典清晰度评价函数分类  40-41
  4.3 经典清晰度评价函数举例  41-48
    4.3.1 灰度阈值法  41-43
    4.3.2 梯度函数  43-46
    4.3.3 频域评价函数  46-48
    4.3.4 信息学函数  48
  4.4 基于小波变换的清晰度评价函数  48-53
    4.4.1 小波变换的基础理论  48-49
    4.4.2 基于小波变换的清晰度评价函数  49-50
    4.4.3 改进后的基于提升小波分解的清晰度评价函数  50-53
  4.5 实验结果与分析  53-56
  4.6 极点搜索策略  56-60
    4.6.1 平均搜索法  56
    4.6.2 经典爬山算法  56-57
    4.6.3 曲线拟合法  57
    4.6.4 改进后的爬山搜索算法  57-60
第五章一种新的聚焦策略的提出  60-66
  5.1 一种新的聚焦策略  60-62
    5.1.1 聚焦区域选择策略  60
    5.1.2 清晰度评价函数选择  60-61
    5.1.3 极点搜索策略  61-62
  5.2 实验结果与分析  62-64
  5.3 总结与展望  64-66
参考文献  66-71
致谢  71-72
攻读硕士学位期间发表论文  72-73
学位论文评闽及答辩情况表  73

基于提升小波变换的自动聚焦算法研究

内容摘要

全文目录

相似论文