CN108459406A - 基于人工鱼群算法的显微镜自动对焦窗口选择方法 - Google Patents

Abstract

本发明涉及一种基于人工鱼群算法的显微镜自动对焦窗口选择方法，以整幅图像中细节最丰富的区域作为对焦窗口的选取依据，利用人工鱼群算法在整幅图上进行搜索，保证调焦精度的同时，有效改善效率。将显微镜自动对焦的图像信息映射到人工鱼群算法中，初始化参数；初始化公告板；引入动态权衡因子策略；更新人工鱼状态；重置初始化参数；检查终止条件。对图像采用了二值化处理，不仅保留了原图的信息，还大大减少了处理的数据量；引入动态权衡因子，实时调整人工鱼的步长及视野，提高算法效率；针对人工鱼群算法局部优值的问题，每次迭代后，根据所求最优解重置初始参数，有效增强了对焦的实时性，并保证了较高的收敛速度和算法精度。

Description

基于人工鱼群算法的显微镜自动对焦窗口选择方法

技术领域

本发明涉及一种图像处理技术，特别涉及一种基于人工鱼群算法的显微镜自动对焦窗口选择方法。

背景技术

基于显微镜系统的自动对焦方法易于实现，而对焦窗口的选取是自动对焦方法的重要部分。选择合适的对焦窗口，即选择图像细节最丰富的区域，不仅可以降低后续对焦评价函数的计算量，提高对焦过程的实时行，亦可降低背景信息对主体信息的干扰。传统的对焦窗口算法的选择窗口主要集中在图像的中心，因此当主体部分随机分布在图像上时，无法准确获得感兴趣区域，则会失焦。

发明内容

本发明是针对传统自动对焦窗口选择算法不适合所有图像的问题，提出了一种基于人工鱼群算法的显微镜自动对焦窗口选择方法，将新型的人工鱼群算法运用到对焦窗口选择中，选取整幅图像中细节最丰富的区域作为调焦评价函数的评判依据，提高自动对焦的精确度和效率。

本发明的技术方案为：一种基于人工鱼群算法的显微镜自动对焦窗口选择方法，具体包括如下步骤：

1)将显微镜自动对焦的图像信息映射到人工鱼群算法中，定义人工鱼群规模X＝{x₁，x₂，...，x_i，...x_n}，其中，X对应整幅图像，x_i为欲求寻优个体的变量，对应于人工鱼的位置，i＝1，…，n；初始化工鱼群算法参数：人工鱼群规模X，每条人工鱼x_i的初始位置；人工鱼视野范围Visual；人工鱼可移动步长Step；拥挤度因子δ；人工鱼搜索的最大尝试次数Try_number；当前迭代次数k；最大迭代次数k_max；

2)计算每条人工鱼的食物浓度并初始化公告板：将个体鱼群的图像转换为二值图像，根据二值图像计算人工鱼的对焦评价函数的值Y＝f(x)，即目前人工鱼的食物浓度或称适应度值；在算法中设立公告板，存储最优解状态。初始化公告板是指，将上述所得的所有人工鱼比较得最优值，并赋予公告板；

3)引入动态权衡因子策略：对视野Visual和步长Step根据迭代次数实时调整，提高算法的前期搜索能力和后期收敛能力，调整如公式(1)和(2)所示：

Step＝Step-Step×α； (1)

Visual＝Visual-Visual×α； (2)

其中，α为动态权衡因子，

4)对每条人工鱼通过觅食、聚群、追尾和随机行为更新自己的位置，所有人工鱼都更新后，则生成新鱼群，完成一次迭代，选出更新后鱼群的最优解个体，与公告板进行比较，若优于公告板则取代公告板原状态，此时，公告板获得目前能搜索到全局适应度函数最大值；

5)二次初始化参数：每次迭代结束后，根据公告板中的当前最优解的位置，重置初始人工鱼群算法的最佳参数：人工鱼群规模X、对应的每条人工鱼x_i的位置、最大迭代次数k_max；避开局部最优值；

6)检查终止条件：如迭代次数k≥k_max，则算法迭代结束，输出公告板中的最优解(x_best，y_best)，按照得到的最佳对焦位置选取窗口，完成自动对焦中窗口选择部分，若不满足终止条件，则将k+1赋值给k，并返回执行步骤3)。

所述步骤4)中对每条人工鱼通过觅食、聚群、追尾和随机行为更新自己的位置具体方法如下：

觅食行为：设x_i为人工鱼个体当前状态，对应的对焦函数值为y_i；在其视野范围内随机选择一种状态x_j，其对应的对焦函数值为y_j，

x_j＝x_i+Visual*rand()

如果y_j＞y_i，则按照该方向作如下运动：

其中为目前人工鱼位置，为执行鱼群活动后的位置，x_best为是当前整个情况下最佳鱼的位置，即公告板存储的位置信息，

否则重新选择随机状态x_j，继续判断适应度优劣，若反复几次，尝试次数超出最大尝试次数Try_number，则执行随机行为；

聚群行为：设x_i为人工鱼个体当前状态，x_c为当前邻域的同伴中心位置，n_f为同伴数，d_ij＜Visual，d_ij＝||x_i-x_j||，人工鱼x_i和x_j之间的距离，n为人工鱼总数；

如果对应对焦函数值y_c＞y_i，且表示同伴中心有较多的食物或较高的适应度函数值，且不是很拥挤，则向同伴中心作如下运动，

否则，执行捕食行为；

追尾行为：设x_i为人工鱼个体当前状态，x_j为当前领域内所有人工鱼中对焦函数值最大的个体状态，如果y_j＞y_i，且表示同伴x_i具有较高的食物浓度或适应度函数值较高，且周围环境不是很拥挤，则向同伴x_j作如下运动，

否则，执行捕食行为；

聚群行为和觅食行为可根据实际运用环境择优选择执行顺序；

随机行为：在视野中随机选择一个状态，然后向这个状态移动。

本发明的有益效果在于：本发明基于人工鱼群算法的显微镜自动对焦窗口选择方法，以整幅图像中细节最丰富的区域作为对焦窗口的选取依据，利用人工鱼群算法在整幅图上进行搜索，保证调焦精度的同时，有效改善效率；针对显微镜成像系统的对象的特殊性，对图像采用了二值化处理，不仅保留了原图的信息，还大大减少了处理的数据量；针对人工鱼群算法本身的收敛慢的问题，引入动态权衡因子，实时调整人工鱼的步长及视野，提高算法效率；针对人工鱼群算法局部优值的问题，每次迭代后，根据所求最优解重置初始参数，有效增强了对焦的实时性，并保证了较高的收敛速度和算法精度。

附图说明

图1为本发明基于人工鱼群算法的显微镜自动对焦窗口选择方法流程图。

具体实施方式

将人工鱼群算法和图像处理技术相结合进行自动对焦，如图1所示自动对焦的算法流程图，具体实施例如下：

1)将显微镜自动对焦的图像信息映射到人工鱼群算法中，定义人工鱼群规模X＝{x₁，x₂，...，x_i，...x_n}，其中，X对应整幅图像，x_i(i＝1，…，n)为欲求寻优个体的变量，对应于人工鱼的位置。初始化工鱼群算法参数：人工鱼群规模X，每条人工鱼x_i的初始位置；人工鱼视野范围Visual；人工鱼可移动步长Step；拥挤度因子δ；人工鱼搜索的最大尝试次数Try_number；当前迭代次数k；最大迭代次数k_max。

2)计算每条人工鱼的食物浓度并初始化公告板：将个体鱼群的图像转换为二值图像，根据二值图像计算人工鱼的对焦评价函数的值Y＝f(x)，即目前人工鱼的食物浓度(或称适应度值)。在算法中设立公告板，存储最优解状态。初始化公告板是指，将上述所得的所有人工鱼比较得最优值，并赋予公告板。(对焦评价函数用于是对图像清晰度进行评价的函数，对焦位置越好，图像边缘信息越丰富，高频分量越多，则对应的函数值大)

3)引入动态权衡因子策略：对视野Visual和步长Step根据迭代次数实时调整，提高算法的前期搜索能力和后期收敛能力，调整如公式(1)和(2)所示：

Step＝Step-Step×α； (1)

Visual＝Visual-Visual×α； (2)

其中，α为动态权衡因子，

4)对每条人工鱼通过觅食、聚群、追尾和随机行为更新自己的位置，所有人工鱼都更新后，则生成新鱼群，完成一次迭代，选出更新后鱼群的最优解个体，与公告板进行比较，若优于公告板则取代公告板原状态。此时，公告板获得目前能搜索到全局适应度函数最大值。

觅食行为：设x_i为人工鱼个体当前状态，对应的对焦函数值为y_i；在其视野范围内随机选择一种状态x_j，其对应的对焦函数值为y_j，

x_j＝x_i+Visual*rand()

如果y_j＞y_i，则按照该方向作如下运动：

否则重新选择随机状态x_j，继续判断适应度优劣，若反复几次，尝试次数超出最大尝试次数Try_number，则执行随机行为。

聚群行为：设x_i为人工鱼个体当前状态，x_c为当前邻域的同伴中心位置，n_f为同伴数(d_ij＜Visual，d_ij＝||x_i-x_j||，人工鱼x_i和x_j之间的距离)，n为人工鱼总数。如果对应对焦函数值y_c＞y_i，且表示同伴中心有较多的食物(较高的适应度函数值)，且不是很拥挤，则向同伴中心作如下运动，否则，执行捕食行为。

追尾行为：设x_i为人工鱼个体当前状态，x_j为当前领域内(d_ij＜Visual)所有人工鱼中对焦函数值最大的个体状态，x_j对应的对焦评价函数值为y_j。如果y_j＞y_i，且表示同伴x_i具有较高的食物浓度(适应度函数值较高)且周围环境不是很拥挤，则向同伴x_j作如下运动，否则，执行捕食行为。(聚群行为和觅食行为可根据实际运用环境择优选择执行顺序)

随机行为：在视野中随机选择一个状态，然后向这个状态移动。

其中为目前人工鱼位置，为执行鱼群活动后的位置，x_best为是当前整个情况下最佳鱼的位置，即公告板存储的位置信息。

5)二次初始化参数：每次迭代结束后，根据公告板中的当前最优解的位置，重置初始人工鱼群算法的最佳参数(人工鱼群规模X；和对应的每条人工鱼x_i的位置；最大迭代次数k_max)避开局部最优值，这在相对较小的区域中提供了更准确的最佳参数。

6)检查终止条件：如迭代次数k≥k_max，则算法迭代结束，输出公告板中的最优解(x_best，y_best)，按照得到的最佳对焦位置选取窗口，完成自动对焦中窗口选择部分，若不满足终止条件，则将k+1赋值给k，并返回执行步骤3)。

Claims (2)

1.一种基于人工鱼群算法的显微镜自动对焦窗口选择方法，其特征在于，具体包括如下步骤：

1)将显微镜自动对焦的图像信息映射到人工鱼群算法中，定义人工鱼群规模X＝{x₁，x₂，...，x_i，...x_n}，其中，X对应整幅图像，x_i为欲求寻优个体的变量，对应于人工鱼的位置，i＝1，…，n；初始化工鱼群算法参数：人工鱼群规模X，每条人工鱼x_i的初始位置；人工鱼视野范围Visual；人工鱼可移动步长Step；拥挤度因子δ；人工鱼搜索的最大尝试次数Try_number；当前迭代次数k；最大迭代次数k_max；

2)计算每条人工鱼的食物浓度并初始化公告板：将个体鱼群的图像转换为二值图像，根据二值图像计算人工鱼的对焦评价函数的值Y＝f(x)，即目前人工鱼的食物浓度或称适应度值；在算法中设立公告板，存储最优解状态。初始化公告板是指，将上述所得的所有人工鱼比较得最优值，并赋予公告板；

3)引入动态权衡因子策略：对视野Visual和步长Step根据迭代次数实时调整，提高算法的前期搜索能力和后期收敛能力，调整如公式(1)和(2)所示：

Step＝Step-Step×α； (1)

Visual＝Visual-Visual×α； (2)

其中，α为动态权衡因子，

4)对每条人工鱼通过觅食、聚群、追尾和随机行为更新自己的位置，所有人工鱼都更新后，则生成新鱼群，完成一次迭代，选出更新后鱼群的最优解个体，与公告板进行比较，若优于公告板则取代公告板原状态，此时，公告板获得目前能搜索到全局适应度函数最大值；

5)二次初始化参数：每次迭代结束后，根据公告板中的当前最优解的位置，重置初始人工鱼群算法的最佳参数：人工鱼群规模X、对应的每条人工鱼x_i的位置、最大迭代次数k_max；避开局部最优值；

6)检查终止条件：如迭代次数k≥k_max，则算法迭代结束，输出公告板中的最优解(x_best，y_best)，按照得到的最佳对焦位置选取窗口，完成自动对焦中窗口选择部分，若不满足终止条件，则将k+1赋值给k，并返回执行步骤3)。

2.根据权利要求1所述基于人工鱼群算法的显微镜自动对焦窗口选择方法，其特征在于，所述步骤4)中对每条人工鱼通过觅食、聚群、追尾和随机行为更新自己的位置具体方法如下：

觅食行为：设x_i为人工鱼个体当前状态，对应的对焦函数值为y_i；在其视野范围内随机选择一种状态x_j，其对应的对焦函数值为y_j，

x_j＝x_i+Visual*rand()

如果y_j＞y_i，则按照该方向作如下运动：

其中为目前人工鱼位置，为执行鱼群活动后的位置，x_best为是当前整个情况下最佳鱼的位置，即公告板存储的位置信息，

否则重新选择随机状态x_j，继续判断适应度优劣，若反复几次，尝试次数超出最大尝试次数Try_number，则执行随机行为；

聚群行为：设x_i为人工鱼个体当前状态，x_c为当前邻域的同伴中心位置，n_f为同伴数，d_ij＜Visual，d_ij＝||x_i-x_j||，人工鱼x_i和x_j之间的距离，n为人工鱼总数；

如果对应对焦函数值y_c＞y_i，且表示同伴中心有较多的食物或较高的适应度函数值，且不是很拥挤，则向同伴中心作如下运动，

否则，执行捕食行为；

追尾行为：设x_i为人工鱼个体当前状态，x_j为当前领域内所有人工鱼中对焦函数值最大的个体状态，如果y_j＞y_i，月表示同伴x_i具有较高的食物浓度或适应度函数值较高，且周围环境不是很拥挤，则向同伴x_j作如下运动，

否则，执行捕食行为；

聚群行为和觅食行为可根据实际运用环境择优选择执行顺序；

随机行为：在视野中随机选择一个状态，然后向这个状态移动。