CN103914870A - 一种基于新聚焦评价函数的通用性强的全息图自动重建方法 - Google Patents
一种基于新聚焦评价函数的通用性强的全息图自动重建方法 Download PDFInfo
- Publication number
- CN103914870A CN103914870A CN201410070282.2A CN201410070282A CN103914870A CN 103914870 A CN103914870 A CN 103914870A CN 201410070282 A CN201410070282 A CN 201410070282A CN 103914870 A CN103914870 A CN 103914870A
- Authority
- CN
- China
- Prior art keywords
- distance
- automatic
- maximum value
- reconstruction
- standard deviation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Holo Graphy (AREA)
Abstract
本发明提供的是一种全息图自动重建技术。首先设计了一种聚焦评价函数,该函数利用了局部方差分布能够反应图像细节信息及方差本身的抗噪能力的优势,将局部方差分布的标准差作为评判图像清晰程度的一项指标,使得自动重建的实现成为可能;然后设计了决定策略,即决断聚焦函数值的何种性能作为目标重建距离的反应,在本发明中采用函数值的极大值作为目标重建距离的反应值;最后对距离间隔进行了探讨,距离间隔即搜索步长,它直接影响着自动重建的实时性,在本发明中对距离间隔采用了由大到小逐渐细化并进行及时反馈的策略进行搜索,提高了运算效率。本发明能实现较高准确率的自动重建并具备一定程度的实时性和通用性。
Description
技术领域
本发明涉及的是一种实现全息图自动操作的方法,具体地说是利用图像的细节特征建立聚焦评价函数,然后通过对聚焦评价函数的性能的分析做出适当的决断策略,最后通过智能选择搜索步长的方法对全息图进行自动重建,其中聚焦函数是这一目标的关键技术之一。该方法能够实现对水下全息图较为准确和实时地自动重建。
背景技术
数字全息成像技术,相比其它成像技术,能够非破坏地和非侵入地记录样本,实现真实世界的三维空间重建等。随着计算机和CCD技术的发展,光学全息技术和数字全息技术在研究海洋浮游动物及其它海底粒子的实时分析、鉴定和空间分布及其它水下应用中占据越来越重要的地位。而精确自动聚焦(即自动确定重建距离,FD,Focus Distance)是数字全息技术中实现自动重建的关键技术之一。FD是指目标所在光场到CCD记录光场的光径长度,重建目标只有在其重建距离才会清晰,否则,重建像会严重退化,出现离焦现象。因此为了重建清晰目标,必须精确判定目标FD。
判定FD的关键是寻找合适的聚焦评价函数(又称清晰度评价函数,FCF,Focus criterion Function)。FCF是根据目标的某种特性,例如边缘锐度,统计特性等,随FD的变化情况建立起来的一种聚焦判据准则。现有的FCF主要分为两大类:空域法,例如基于边缘锐度的梯度方法,基于统计特性的灰度方差法,自相关函数法,图像信息熵法等;频域法,利用了细节的频域特性基于统计特性的灰度方差法,自相关函数法,图像信息熵法等;频域法,利用了细节的频域特性,例如傅里叶变换法,小波法,稀疏菲涅耳类小波法,余弦变换法[等。频域法灵敏度和单峰性较好,但对于角谱法重建,这类FCF比较费时,对实现实时性不利。例如傅里叶变换法,小波法,稀疏菲涅耳类小波法,余弦变换法等。频域法灵敏度和单峰性较好,但对于角谱法重建,这类FCF比较费时,对实现实时性不利。
本专利提到的实现全息图自动重建的方法,是将反应细节信息的局部方差分布的某个性能值作为聚焦评价函数,对重建像的清晰度进行描述,然后再将聚焦评价函数的某个特征作为决断策略,聚焦评价函数是实现自动聚焦和实时重建的核心技术,它决定着自动重建的成败,本专利选择者局部方差的标准差作为聚焦评价函数,不仅具有很强的抗噪能力,同时还提高了运算效率,保证了自动重建的准确和实时实现。决断策略在本专利中选择聚焦评价函数的极大值作为最佳重建像对应重建距离的反应,这样确保了自动重建的完成。智能化选择步长直接指向聚焦函数的极大值,大大减少了重建次数,保证了自动重建的实时性。
发明内容
本发明的目的在于提供一种通用性比较强的自动重建全息图的方法:一种全息图自动重建方法。
本发明主要研究内容如下:
1、聚焦评价函数:又叫清晰度评价函数,是估计海洋生物全息图聚焦距离的核心技术之一,它决定着是否能自动完成重建的成败。
聚焦评价函数具体实现步骤如下:
①计算图像的局部标准差分布,分布计算公式如(1)所示:
S是图像坐标(i,j)邻域的标准差,f(i,j)为图像坐标(i,j)处的灰度值,m×n是模板的尺寸。在此,m=n=3,这主要考虑到清晰边缘的实际像素数,如果m,n设置太小会检测不到边缘,且费时;若m,n设置太大会降低其对边缘的表现能力。可通过matlab里的stdfilt()函数实现;
②计算第一步得出分布的标准差,标准差公式如(2)所示:
其中S(i,j)为第一步得出的局部标准差分布,μS为分布的均值。可以通过matlab的std()函数实现;
2、距离间隔:搜索重建距离的步长,该间隔不能太大,否则会搜索不到目标重建距离,亦不能太小,否则会影响重建的实时性。
距离间隔具体实施如下:
①通过大步长搜索,直到极大值出现;
②在第一步极大值出现的距离附近,设置更小的步长,再次搜索极大值;
③将得到的极大值和第二步得到的极大值比较,如果相差小于阈值T,则将当前的极大值作为目标重建距离,否则重复第二步。这里,T取1mm。
附图说明
图1自动重建过程流程图
图2被重建全息图
从(a)到(j)分别为10种微生物的全息图
图3图2对应的全息图的聚焦函数曲线
从(a)到(j)分别为图2中从(a)到(j)的重建像聚焦函数曲线
图4图2对应的各全息图的自动重建后的重建像的目标部分的放大图
从(a)到(j)分别为图2中从(a)到(j)采用本发明确定的目标重建距建立的重建像
图5图2对应的各全息图的重建像的目标部分的放大图
从(a)到(j)分别为图2中从(a)到(j)采用目标真实重建距建立的重建像
具体实施方式
利用本发明的估计方法对10幅海底拍的结构复杂程度不一的全息图进行重建。图像均由英国阿伯丁大学海洋实验室在深海拍摄,其拍摄微生物种类机构繁杂。对其进行自动重建,获得的重建距离如表1所列。
表1目标重建距离表
由表1数据可以看出,对于10幅全息图,利用本发明的方法确定的目标重建距离基本上和其真实的重建距离是吻合的。说明本发明的方法对全息图自动重建具有较好效果,且具有较好的通用性和实用性。
实验结果表明:本发明的方法利用局部方差分布作为图像细节的描述,将局部方差分布的标准差作为图像清晰度评价指标值,使得聚焦函数曲线表现出相似的特性:只出现一个极值,且峰宽较窄,这使得聚焦评价函数具有较好的鲁棒性,较高准确性和较强的实用性,确保了自动重建的顺利进行;其次将聚焦函数的极大值作为最佳重建距离的决断策略是非常有意义的,这确保了重建的趋动力;再次就是智能化选择搜索步长,不用在整个估计区间进行重建,有效减少了重建次数,确保了本发明的方法的适用性和实时性。表1说明,本发明的方法对于全息图的自动重建具有很强的使用性、实时性和较高的准确率。
Claims (2)
1.一种能够自动估计海洋生物全息图聚焦距离的方法,具体包括以下步骤:
该方法主要定义了聚焦评价函数,又叫清晰度评价函数,是估计海洋生物全息图聚焦距离的核心技术之一,它决定着是否能自动完成重建的成败,实现步骤如下:
①计算图像的局部标准差分布,分布计算公式如(1):
S是图像坐标(i,j)邻域的标准差,f(i,j)为图像坐标(i,j)处的灰度值,m×n是模板的尺寸,在此,m=n=3,这主要考虑到清晰边缘的实际像素数,如果m,n设置太小会检测不到边缘,且费时;若m,n设置太大会降低其对边缘的表现能力,可通过matlab里的stdfilt()函数实现;
②计算第一步得出分布的标准差,标准差公式如(2):
其中S(i,j)为第①步得出的局部标准差分布,μS为分布的均值。可以通过matlab的std()函数实现。
2.在权利要求1所述方法的基础上,提出了一种搜索重建距离步长的方法,具体包括以下步骤:
距离间隔,即搜索重建距离的步长,该间隔不能太大,否则会搜索不到目标重建距离,亦不能太小,否则会影响重建的实时性,具体由以下几步确定:
①通过大步长搜索,直到极大值出现;
②在第一步极大值出现的距离附近,设置更小的步长,再次搜索极大值;
③将得到的极大值和第二步得到的极大值比较,如果相差小于阈值T,则将当前的极大值作为目标重建距离,否则重复第二步,这里T取1mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410070282.2A CN103914870A (zh) | 2014-02-28 | 2014-02-28 | 一种基于新聚焦评价函数的通用性强的全息图自动重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410070282.2A CN103914870A (zh) | 2014-02-28 | 2014-02-28 | 一种基于新聚焦评价函数的通用性强的全息图自动重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103914870A true CN103914870A (zh) | 2014-07-09 |
Family
ID=51040523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410070282.2A Pending CN103914870A (zh) | 2014-02-28 | 2014-02-28 | 一种基于新聚焦评价函数的通用性强的全息图自动重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103914870A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446111A (zh) * | 2016-01-06 | 2016-03-30 | 中国科学院上海光学精密机械研究所 | 一种应用于数字全息重构过程的对焦方法 |
CN106407161A (zh) * | 2016-11-22 | 2017-02-15 | 重庆邮电大学 | 标准差的分布式计算方法 |
CN107966111A (zh) * | 2017-11-21 | 2018-04-27 | 北京理工大学 | 一种用于数字全息重构过程的自动对焦方法 |
CN109100850A (zh) * | 2017-06-20 | 2018-12-28 | 深圳华因康基因科技有限公司 | 图像清晰度识别方法和自动聚焦方法 |
CN109828444A (zh) * | 2019-03-28 | 2019-05-31 | 哈尔滨工业大学 | 一种用于多目标物数字全息测量的自动聚焦方法 |
CN109859151A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部直方图的聚焦测度实现方法 |
CN113109936A (zh) * | 2021-04-08 | 2021-07-13 | 西南石油大学 | 一种基于图像清晰度评估的显微镜自动对焦方法与装置 |
CN113359403A (zh) * | 2021-05-21 | 2021-09-07 | 大连海事大学 | 一种用于无透镜数字全息成像的自动聚焦方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1688945A (zh) * | 2002-09-03 | 2005-10-26 | Ut-巴特勒有限责任公司 | 内容基融合离轴照明直接数字全息术 |
CN101681145A (zh) * | 2007-05-21 | 2010-03-24 | 视瑞尔技术公司 | 具有用于重建的追踪装置的全息重建系统 |
-
2014
- 2014-02-28 CN CN201410070282.2A patent/CN103914870A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1688945A (zh) * | 2002-09-03 | 2005-10-26 | Ut-巴特勒有限责任公司 | 内容基融合离轴照明直接数字全息术 |
CN101681145A (zh) * | 2007-05-21 | 2010-03-24 | 视瑞尔技术公司 | 具有用于重建的追踪装置的全息重建系统 |
Non-Patent Citations (2)
Title |
---|
SANTIAGO AJA-FERNANDEZ等: "Image Quality Assessment based on Local Variance", 《ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY,2006.EMBS"06.28TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE》, 3 September 2006 (2006-09-03), pages 2 - 2 * |
王华英: "数字全息显微成像的理论和实验研究", 《中国博士学位论文全文数据库 信息科技辑》, vol. 2008, no. 8, 15 August 2008 (2008-08-15) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446111A (zh) * | 2016-01-06 | 2016-03-30 | 中国科学院上海光学精密机械研究所 | 一种应用于数字全息重构过程的对焦方法 |
CN105446111B (zh) * | 2016-01-06 | 2018-02-13 | 中国科学院上海光学精密机械研究所 | 一种应用于数字全息重构过程的对焦方法 |
CN106407161A (zh) * | 2016-11-22 | 2017-02-15 | 重庆邮电大学 | 标准差的分布式计算方法 |
CN109100850A (zh) * | 2017-06-20 | 2018-12-28 | 深圳华因康基因科技有限公司 | 图像清晰度识别方法和自动聚焦方法 |
CN107966111A (zh) * | 2017-11-21 | 2018-04-27 | 北京理工大学 | 一种用于数字全息重构过程的自动对焦方法 |
CN109859151A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部直方图的聚焦测度实现方法 |
CN109859151B (zh) * | 2019-01-25 | 2023-07-14 | 淮阴师范学院 | 一种基于局部直方图的聚焦测度实现方法 |
CN109828444A (zh) * | 2019-03-28 | 2019-05-31 | 哈尔滨工业大学 | 一种用于多目标物数字全息测量的自动聚焦方法 |
CN113109936A (zh) * | 2021-04-08 | 2021-07-13 | 西南石油大学 | 一种基于图像清晰度评估的显微镜自动对焦方法与装置 |
CN113109936B (zh) * | 2021-04-08 | 2022-03-11 | 西南石油大学 | 一种基于图像清晰度评估的显微镜自动对焦方法与装置 |
CN113359403A (zh) * | 2021-05-21 | 2021-09-07 | 大连海事大学 | 一种用于无透镜数字全息成像的自动聚焦方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914870A (zh) | 一种基于新聚焦评价函数的通用性强的全息图自动重建方法 | |
CN104101864B (zh) | 基于eof分解的导航x波段雷达海浪参数反演算法 | |
CN102609701A (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
Hsiang et al. | Towards a morphological metric of assemblage dynamics in the fossil record: a test case using planktonic foraminifera | |
CN101763440A (zh) | 对搜索图像的过滤方法 | |
Rende et al. | Pilot application of 3D underwater imaging techniques for mapping Posidonia oceanica (L.) Delile meadows | |
Zhang et al. | Ground-penetrating radar railroad ballast inspection with an unsupervised algorithm to boost the region of interest detection efficiency | |
CN105894534A (zh) | 一种基于ViBe的改进运动目标检测方法 | |
Ding et al. | Coastline detection in SAR images using multiscale normalized cut segmentation | |
CN116630225A (zh) | 一种铁路桥梁水下基础损伤识别方法、装置以及处理设备 | |
Zhang et al. | DuGAN: An effective framework for underwater image enhancement | |
Yang et al. | Research on the Application of Super Resolution Reconstruction Algorithm for Underwater Image. | |
CN115115863A (zh) | 水面多尺度目标检测方法、装置及系统和存储介质 | |
CN117315453B (zh) | 一种基于水下声纳图像的水下小目标检测方法 | |
Sun et al. | Small-target ship detection in SAR images based on densely connected deep neural network with attention in complex scenes | |
Ma et al. | Depth estimation algorithm for light field data by epipolar image analysis and region interpolation | |
CN112862946A (zh) | 基于级联条件生成对抗网络的灰度岩心图像三维重建方法 | |
Cannas et al. | Amplitude SAR imagery splicing localization | |
Madhusudhana et al. | Automatic detectors for low-frequency vocalizations of Omura's whales, Balaenoptera omurai: A performance comparison | |
Sivapriya et al. | ViT-DexiNet: a vision transformer-based edge detection operator for small object detection in SAR images | |
Ekstrand et al. | Virtual tool mark generation for efficient striation analysis | |
Zhao et al. | Unpaired sonar image denoising with simultaneous contrastive learning | |
Mbani et al. | An automated image-based workflow for detecting megabenthic fauna in optical images with examples from the Clarion–Clipperton Zone | |
Blais et al. | Deep learning for low altitude coastline segmentation | |
CN102289802B (zh) | 一种基于小波变换的无人机图像融合规则阈值的选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140709 |