CN104459940B - 一种快速自适应自动聚焦方法 - Google Patents

Abstract

本发明属于光电产品应用技术领域，具体涉及一种快速自适应自动聚焦方法。通过计算图像的梯度，来实现热像仪的准确聚焦；首先根据监控目标选取聚焦区域，通过移动调焦电机，在不同位置对聚焦区域内图像计算其梯度，通过比较梯度值大小，移动电机，直至获得最大梯度，此时电机位置即为目标清晰成像位置。主要应用于红外热像仪自动聚焦系统中，自适应选取视场中某个具有足够大小的区域作为对焦区域，使该区域的景物具有明显边缘和纹理特征，利用改进的laplace函数对成像的清晰度进行评估，优化搜索策略，采取定步长、变步长相结合，改进的爬山法和遍历搜索相结合的方式，在保证聚焦精度的前提下，提高聚焦速率，实现红外热像仪快速准确的自动聚焦。

Description

一种快速自适应自动聚焦方法

技术领域

本发明属于光电产品应用技术领域，具体涉及一种快速自适应自动聚焦方法。

背景技术

图像采集过程中，能否自动聚焦得到清晰图像，是对图像进行分析处理的首要步骤。传统的手动调焦方式，主要依靠人的目测和手调，不仅繁琐、耗时长，调整精度受人的主观影响较大。因此选择一种抗干扰性好、精度较高、稳定性强且实时性好的聚焦方法具有重要意义。

自动聚焦方式主要包括基于测距的方法和基于图像处理的方法。基于图像处理的智能化方法有着体积小、速度快、精度高等优点，具有广泛的应用前景。但是，由于成像目标和成像条件的复杂性，现有数字成像系统中的自动聚焦技术仍存在各种各样的缺点。在如何选择聚焦评价函数和聚焦区域、如何进行反馈控制和如何提高聚焦搜索速度等方面，还有诸多问题有待解决。当前国内外公开文献中报道的基于图像的自动聚焦技术，针对特定环境：如干扰较小，图像较清晰等，聚焦效果较好。但是当成像目标和成像条件较差，聚焦往往耗时较长且聚焦经常失败。

因此，亟需研制一种快速自适应自动聚焦方法，在保证聚焦精度的前提下，提高聚焦速率，实现红外热像仪快速准确的自动聚焦。

发明内容

本发明要解决的技术问题是提供一种快速自适应自动聚焦方法，从而在保证聚焦精度的前提下，提高聚焦速率，实现红外热像仪快速准确的自动聚焦。

为了实现这一目的，本发明采取的技术方案是：

一种快速自适应自动聚焦方法，通过计算图像的梯度，来实现热像仪的准确聚焦；首先根据监控目标选取聚焦区域，通过移动调焦电机，在不同位置对聚焦区域内图像计算其梯度，通过比较梯度值大小，移动电机，直至获得最大梯度，此时电机位置即为目标清晰成像位置；调焦电机提供两档速率，第一档速率对应快速移动，第二档速率对应慢速移动，调焦电机以第一档速率在规定时间T内所走的距离为一个大步长，调焦电机以第二档速率在规定时间T内移动所走的距离为一个小步长。

具体包括以下步骤：

(1)聚焦清晰度评价函数：

图像纹理丰富程度通过计算图像边缘梯度来定量计算，采用拉普拉斯聚焦评价函数：

其中，M，N是图像高度和宽度，G(x,y)是对应像素点的灰度值；step是采样间隔，根据具体输入图像选取。

(2)聚焦区域选择：

聚焦区域是图像后续处理所关注的目标存在区域，根据监控目标不同，采取两种不同聚焦窗口：区域中心法和下三角品字形法；两种聚焦窗口都是矩形；

针对空中目标，采用区域中心法，目标成像于视场中心；以图像的几何中心作为聚焦窗口中心，以图像高度和宽度大小的一半作为聚焦窗口的长度和宽度的尺寸；

针对地物目标，采用下三角品字形法，目标成像于视场中心和视场下方，将图像在高度上三等分，聚焦区域包括两部分：第一部分是长度为图像高度的三分之一，宽度为图像宽度的矩形区域，对应整个图像的最下面三分之一区域；第二部分是宽度为三分之一的图像宽度，长度为三分之一的图像高度的矩形区域，而且第二部分的矩形区域底部与第一部分的矩形区域顶部相连接；

对于输入视频帧，计算上述两种聚焦区域的评价函数值，比较两者大小，选取对应大的评价函数值的聚焦区域为聚焦区域。

(3)确定聚焦搜索策略：

采用改进的爬山法与遍历搜索相结合的方式进行自动聚焦；

(A)用改进的爬山法进行自动聚焦：

A.1：从一端开始以大步长移动电机，每移动一次，利用步骤(1)中的拉普拉斯聚焦评价函数计算该位置对应的图像梯度值，连续记录8个位置的图像梯度值；

A.2：如果连续8个位置的图像梯度值不符合单调递增，则重复步骤A.1，在调焦电机走完一个行程前找到符合步骤A.1中条件的连续8个梯度值单调递增时，转步骤A.3；否则转步骤B；

A.3：如果连续8个位置的图像梯度值符合单调递增，就判定梯度曲线处于上升阶段，然后继续以大步长移动电机并记录图像梯度值，如果图像梯度值达到最大值后下降，将该最大值作为候选最大值；

A.4：再继续以大步长移动五步，当满足五步中有三步以上计算出的梯度值小于该候选最大值，则确认该候选最大值为爬山算法的最大值点，对应电机位置为聚焦最佳位置，调节电机，回到聚焦最佳位置，结束聚焦过程，输出图像；

A.5：否则，重复A.1到A.4步骤，继续使用改进的爬山法进行搜索；

(B)当全局搜索后，均没有出现满足改进后爬山法的情况，则认为改进后的爬山法失效，进而利用全局搜索算法进行自动聚焦：

如调焦电机走完一个行程，没有找到符合步骤(A)中条件的改进的爬山算法的最大值点，则从一端开始以大步长移动电机，每移动一次，利用步骤(2)中的拉普拉斯聚焦评价函数计算该位置对应的图像梯度值，连续记录每个位置的图像梯度值，以全程搜索过程中记录的最大值点为全局最大梯度值位置；

将调焦电机移动到全局最大梯度值位置，在该位置一个大步长范围内，以小步长移动并记录每次小步长移动后对应位置的图像梯度值，与全局最大梯度值比较，从中选取最大值点，此点对应的位置为聚焦最清晰位置；

调节电机，回到聚焦最佳位置，结束聚焦过程，输出图像。

进一步的，如上所述的一种快速自适应自动聚焦方法，拉普拉斯聚焦评价函数中采样间隔step＝20。

进一步的，如上所述的一种快速自适应自动聚焦方法，调焦电机每次移动的规定时间T＝20ms。

本发明主要应用于红外热像仪自动聚焦系统中，该技术自适应选取视场中某个具有足够大小的区域作为对焦区域，使该区域的景物具有明显边缘和纹理特征，利用改进的laplace函数对成像的清晰度进行评估，优化搜索策略，采取定步长、变步长相结合，改进的爬山法和遍历搜索相结合的方式，移动调焦电机，在保证聚焦精度的前提下，提高聚焦速率，实现红外热像仪快速准确的自动聚焦。

本发明技术方案针对不同监控目标，自适应选择不同区域作为自动聚焦的作用区域；利用Laplace函数的单峰性和无偏性，选择该函数作为评价图像清晰度的准则；利用遍历搜索结合改进爬山法的局部搜索，排除了图像噪声的影响，提高了算法的实时性，降低了聚焦失败的概率。

附图说明

图1是区域中心法示意图；

图2是下三角品字形法示意图；

图3是自动聚焦整体算法流程图。

具体实施方式

本发明的具体应用对象——红外热像仪自动聚焦系统，其图像信号处理器硬件平台采用TI公司生产的TMS320C6416 DSP构建。本发明提出的快速自适应自动聚焦技术采用TMS320C6416 DSP专用C语言编程实现，经编译后固化在图像信号处理器硬件上，加电后DSP自动加载程序运行。

本发明提出改进爬山算法结合遍历搜索相结合的自动聚焦算法，流程如图3所示。通过计算图像的梯度，来实现热像仪的准确聚焦；首先根据监控目标选取聚焦区域，通过移动调焦电机，在不同位置对聚焦区域内图像计算其梯度，通过比较梯度值大小，移动电机，直至获得最大梯度，此时电机位置即为目标清晰成像位置；调焦电机提供两档速率，第一档速率对应快速移动，第二档速率对应慢速移动，调焦电机以第一档速率在规定时间T内所走的距离为一个大步长，调焦电机以第二档速率在规定时间T内移动所走的距离为一个小步长。调焦电机每次移动的规定时间T＝20ms。

具体包括以下步骤：

(1)聚焦清晰度评价函数：

图像纹理丰富程度通过计算图像边缘梯度来定量计算，采用拉普拉斯聚焦评价函数：

其中，M，N是图像高度和宽度，G(x,y)是对应像素点的灰度值；step是采样间隔，根据具体输入图像选取。拉普拉斯聚焦评价函数中采样间隔step＝20。

(2)聚焦区域选择：

聚焦区域是图像后续处理所关注的目标存在区域，根据监控目标不同，采取两种不同聚焦窗口：区域中心法和下三角品字形法；两种聚焦窗口都是矩形；

如图1所示，针对空中目标，采用区域中心法，目标成像于视场中心；以图像的几何中心作为聚焦窗口中心，以图像高度和宽度大小的一半作为聚焦窗口的长度和宽度的尺寸；

如图2所示，针对地物目标，采用下三角品字形法，目标成像于视场中心和视场下方，将图像在高度上三等分聚焦区域包括两部分：第一部分是长度为图像高度的三分之一，宽度为图像宽度的矩形区域，对应整个图像的最下面三分之一区域；第二部分是宽度为三分之一的图像宽度，长度为三分之一的图像高度的矩形区域，而且第二部分的矩形区域底部与第一部分的矩形区域顶部相连接；

对于输入视频帧，计算上述两种聚焦区域的评价函数值，比较两者大小，选取对应大的评价函数值的聚焦区域为聚焦区域。

(3)确定聚焦搜索策略：

采用改进的爬山法与遍历搜索相结合的方式进行自动聚焦；

(A)用改进的爬山法进行自动聚焦：

A.1：从一端开始以大步长移动电机，每移动一次，利用步骤(1)中的拉普拉斯聚焦评价函数计算该位置对应的图像梯度值，连续记录8个位置的图像梯度值；

A.2：如果连续8个位置的图像梯度值不符合单调递增，则重复步骤A.1，在调焦电机走完一个行程前找到符合步骤A.1中条件的连续8个梯度值单调递增时，转步骤A.3；否则转步骤B；

A.3：如果连续8个位置的图像梯度值符合单调递增，就判定梯度曲线处于上升阶段，然后继续以大步长移动电机并记录图像梯度值，如果图像梯度值达到最大值后下降，将该最大值作为候选最大值；

A.4：再继续以大步长移动五步，当满足五步中有三步以上计算出的梯度值小于该候选最大值，则确认该候选最大值为爬山算法的最大值点，对应电机位置为聚焦最佳位置，调节电机，回到聚焦最佳位置，结束聚焦过程，输出图像；

A.5：否则，重复A.1到A.4步骤，继续使用改进的爬山法进行搜索；

(B)当全局搜索后，均没有出现满足改进后爬山法的情况，则认为改进后的爬山法失效，进而利用全局搜索算法进行自动聚焦：

如调焦电机走完一个行程，没有找到符合步骤(A)中条件的改进的爬山算法的最大值点，则从一端开始以大步长移动电机，每移动一次，利用步骤(2)中的拉普拉斯聚焦评价函数计算该位置对应的图像梯度值，连续记录每个位置的图像梯度值，以全程搜索过程中记录的最大值点为全局最大梯度值位置；

将调焦电机移动到全局最大梯度值位置，在该位置一个大步长范围内，以小步长移动并记录每次小步长移动后对应位置的图像梯度值，与全局最大梯度值比较，从中选取最大值点，此点对应的位置为聚焦最清晰位置；

调节电机，回到聚焦最佳位置，结束聚焦过程，输出图像。

Claims (3)

1.一种快速自适应自动聚焦方法，其特征在于：

通过计算图像的梯度，来实现热像仪的准确聚焦；首先根据监控目标选取聚焦区域，通过移动调焦电机，在不同位置对聚焦区域内图像计算其梯度，通过比较梯度值大小，移动电机，直至获得最大梯度，此时电机位置即为目标清晰成像位置；调焦电机提供两档速率，第一档速率对应快速移动，第二档速率对应慢速移动，调焦电机以第一档速率在规定时间T内所走的距离为一个大步长，调焦电机以第二档速率在规定时间T内移动所走的距离为一个小步长；

具体包括以下步骤：

(1)聚焦清晰度评价函数：

图像纹理丰富程度通过计算图像边缘梯度来定量计算，采用拉普拉斯聚焦评价函数：

$L=\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\{{\[2G(x,y)-G(x,y+step)-G(x,y-step)\]}^2+{\[2G(x,y)-G(x+step,y)-G(x-step,y)\]}^2\}$

其中，M，N是图像高度和宽度，G(x,y)是对应像素点的灰度值；step是采样间隔，根据具体输入图像选取；

(2)聚焦区域选择：

聚焦区域是图像后续处理所关注的目标存在区域，根据监控目标不同，采取两种不同聚焦窗口：区域中心法和下三角品字形法；两种聚焦窗口都是矩形；

针对空中目标，采用区域中心法，目标成像于视场中心；以图像的几何中心作为聚焦窗口中心，以图像高度和宽度大小的一半作为聚焦窗口的长度和宽度的尺寸；

针对地物目标，采用下三角品字形法，目标成像于视场中心和视场下方，将图像在高度上三等分，聚焦区域包括两部分：第一部分是长度为图像高度的三分之一，宽度为图像宽度的矩形区域，对应整个图像的最下面三分之一区域；第二部分是宽度为三分之一的图像宽度，长度为三分之一的图像高度的矩形区域，而且第二部分的矩形区域底部与第一部分的矩形区域顶部相连接；

对于输入视频帧，计算上述两种聚焦区域的评价函数值，比较两者大小，选取对应大的评价函数值的聚焦区域为聚焦区域；

(3)确定聚焦搜索策略：

采用改进的爬山法与遍历搜索相结合的方式进行自动聚焦；

(A)用改进的爬山法进行自动聚焦：

A.1：从一端开始以大步长移动电机，每移动一次，利用步骤(1)中的拉普拉斯聚焦评价函数计算电机位置对应的图像梯度值，连续记录8个位置的图像梯度值；

A.2：如果连续8个位置的图像梯度值不符合单调递增，则重复步骤A.1，在调焦电机走完一个行程前找到符合步骤A.1中条件的连续8个梯度值单调递增时，转步骤A.3；否则转步骤B；

A.3：如果连续8个位置的图像梯度值符合单调递增，就判定梯度曲线处于上升阶段，然后继续以大步长移动电机并记录图像梯度值，如果图像梯度值达到最大值后下降，将该最大值作为候选最大值；

A.4：再继续以大步长移动五步，当满足五步中有三步以上计算出的梯度值小于该候选最大值，则确认该候选最大值为爬山算法的最大值点，对应电机位置为聚焦最佳位置，调节电机，回到聚焦最佳位置，结束聚焦过程，输出图像；

A.5：否则，重复A.1到A.4步骤，继续使用改进的爬山法进行搜索；

(B)当全局搜索后，均没有出现满足改进后爬山法的情况，则认为改进后的爬山法失效，进而利用全局搜索算法进行自动聚焦：

如调焦电机走完一个行程，没有找到符合步骤(A)中条件的改进的爬山算法的最大值点，则从一端开始以大步长移动电机，每移动一次，利用步骤(1)中的拉普拉斯聚焦评价函数计算电机位置对应的图像梯度值，连续记录每个位置的图像梯度值，以全程搜索过程中记录的最大值点为全局最大梯度值位置；

将调焦电机移动到全局最大梯度值位置，在该位置一个大步长范围内，以小步长移动并记录每次小步长移动后对应位置的图像梯度值，与全局最大梯度值比较，从中选取最大值点，此点对应的位置为聚焦最清晰位置；

调节电机，回到聚焦最清晰位置，结束聚焦过程，输出图像。

2.如权利要求1所述的一种快速自适应自动聚焦方法，其特征在于：拉普拉斯聚焦评价函数中采样间隔step＝20。

3.如权利要求1所述的一种快速自适应自动聚焦方法，其特征在于：调焦电机每次移动的规定时间T＝20ms。