CN109873948B - 一种光学显微镜智能自动聚焦方法、设备及存储设备 - Google Patents
一种光学显微镜智能自动聚焦方法、设备及存储设备 Download PDFInfo
- Publication number
- CN109873948B CN109873948B CN201910090270.9A CN201910090270A CN109873948B CN 109873948 B CN109873948 B CN 109873948B CN 201910090270 A CN201910090270 A CN 201910090270A CN 109873948 B CN109873948 B CN 109873948B
- Authority
- CN
- China
- Prior art keywords
- focusing
- point
- microscope
- model
- optical microscope
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Microscoopes, Condenser (AREA)
- Automatic Focus Adjustment (AREA)
Abstract
本发明提供了一种光学显微镜智能自动聚焦方法、设备及存储设备,该方法首先以观测物体的某块区域作为基准区域,结合Tenengrad函数,得到训练样本;然后根据训练样本,利用多层BP神经网络和反向传播算法分别进行拟合和训练,得到基准区域聚焦模型;通过对基准区域聚焦模型的缩放或平移变换得到观测区域聚焦模型;最后通过观测区域聚焦模型进行自动聚焦。本发明通过对光学显微镜观测物体的聚焦过程的进行精确的建模提高了显微镜自动聚焦的精度和速度。一种光学显微镜智能自动聚焦设备及存储设备,用于实现光学显微镜智能自动聚焦方法。本发明的有益效果是:实现显微镜的准确、快速聚焦,提高显微镜聚焦的速度及聚焦的精确度。
Description
技术领域
本发明涉及智能制造领域,尤其涉及一种光学显微镜智能自动聚焦方法、设备及存储设备。
背景技术
光学显微视觉被广泛地应用于医学研究、电子芯片制造、生物工程等领域。自动聚焦技术是自动控制显微视觉系统的核心功能,是显微视觉的基础。自动聚焦是指通过光电传感器将物体反射的光接受,根据成像装置内部的计算与处理,控制电动对焦装置,从而在图像探测器上获得清晰图像的过程。
显微镜的自动聚焦可分为两种方式:一是主动式聚焦方法,二是被动式聚焦方法。主动式自动聚焦方法需要硬件支持,成本高,在显微镜中的应用较少。被动式自动聚焦技术主要是基于数字图像处理技术,可以分为离焦深度法和聚焦深度法两种,前者建立光学系统的离焦模型,对离焦图像进行分析处理后,计算出弥散斑大小,进而获得深度信息,误差较大;后者是建立在搜索过程上,对需要采集的图像的清晰度进行评价,找到评价值最大时镜头的坐标。聚焦深度法通过搜索聚焦评价曲线的极值实现自动聚焦,成本低,精度高,通用性强。聚焦深度法首先利用清晰度评价算法对显微镜头采集的图像进行评价得到其清晰度评价值,然后利用聚焦搜索算法找到清晰度评价值最大时对应的镜头坐标,最后移动镜头到该坐标,完成自动聚焦。
发明内容
为了解决上述问题,本发明提供了一种光学显微镜智能自动聚焦方法、设备及存储设备,一种光学显微镜智能自动聚焦方法,主要包括以下步骤:
S1:以观测物体的某块区域作为基准区域,通过等间隔调节显微镜头的位置的采集一组显微图像,一个显微图像对应一个聚焦点;利用Tenengrad函数得到所述显微图像的图像清晰度评价值;一个聚焦点和该聚焦点对应的图像清晰度评价值组成一个训练子样本,所有的训练子样本构成训练样本;
S2:根据所述训练样本,利用多层BP神经网络和反向传播算法分别进行拟合和训练,得到基准区域聚焦模型f(x);该基准区域聚焦模型f(x)用来表示基准区域聚焦点与图像清晰度评价值之间的关系;
S3:通过缩放或平移基准区域聚焦模型f(x),并根据测试样本,得到观测区域聚焦模型g(x);其中,所述测试样本由以包括起始聚焦点和终止聚焦点在内的任意t个聚焦点及其对应的图像清晰度评价值构成,t为正整数,且t>2;
S4:通过数值优化的方法得到观测区域聚焦模型极值时所对应的聚焦点,该聚焦点即为得到的光学显微镜观测物体自动聚焦点。
进一步地,在步骤S1中,采集的一组显微图像中,以显微镜头的最小移动步长为等间隔,在成像最清晰聚焦点上下各采集m张图像,m为大于1的正整数。
进一步地,在步骤S2中,多层BP神经网络中每层的神经元个数分别为1、x、y、z和1;隐含层采用sigmoid函数作为激活函数,输出层为线性输出;采用训练样本利用反向传播算法对多层BP神经网络进行训练,x、y和z均为大于1的正整数。
进一步地,在步骤S3中,选取包括起始聚焦点和终止聚焦点在内的任意t个聚焦点的过程如下:
(1)设定显微镜头的起始聚焦点为P0,对应的图像清晰度评价值为Fs(P0);在初始聚焦点为P0处调节显微镜头,所述显微镜头朝方向D移动步长L,到聚焦点P1;比较Fs(P0)和Fs(P1)的大小,并更新方向D和步长L;若Fs(P0)<Fs(P1),则方向D更新为-1*D,L更新为pL;否则,方向D保持不变,L更新为qL;其中,D=1或者D=-1,D=1表示显微镜头向上移动,D=-1表示显微镜头向下移动;L=l0,l0为显微镜头的最小运动步长;p和q均为非零正整数;
(2)在聚焦点P1处,以更新后的方向D和步长L继续调节显微镜头,移动到聚焦点P2处,对应的图像清晰度评价值为Fs(P2);
(3)重复步骤(2)的操作,直到满足条件Fs(Pn)<Fs(Pn-1)为止,得到n组聚焦点及其对应的图像清晰度评价值:{(P0,Fs(P0)),(P1,Fs(P1)),...,(Pn,Fs(Pn))};其中,Pn为终止聚焦点,n均为正整数,且n≥3;
(4)从步骤(3)的n组聚焦点及其对应的图像清晰度评价值中,选取包括起始聚焦点和终止聚焦点及其对应的图像清晰度评价值(P0,Fs(P0))和(Pn,Fs(Pn))在内的任意t个聚焦点及其对应的图像清晰度评价值作为测试样本。
进一步地,在步骤S3中,由基准区域聚焦模型f(x)变换得到观测区域聚焦模型g(x)时,涉及到a,b,c,d四个变换参数;利用测试样本(Pi,Fs(Pi)),i∈(0,1,2,...,t),t为聚焦点个数,通过差分进化算法,以最小化目标函数J进行优化a,b,c,d这四个参数,其中,最终得到a,b,c,d这四个参数优化值为a0,b0,c0,d0,观测区域聚焦模型g(x)的函数表达式为:g(x)=d0f(a0(x-b0)+c0)。
进一步地,在步骤S4中,以显微镜头的最小步长为等间隔获取图像的聚焦点,输入观测区域聚焦模型,采用遍历的方式,得到观测区域聚焦模型极值。
进一步地,采用局部搜索的方法进行微调,调节显微镜头以最小步值沿S4中得到的聚焦点上下各运动k次,得到2k+1个聚焦点及该聚焦点时对应的图像清晰度评价值,图像清晰度评价值最大时对应的聚焦点即为微调后得到的聚焦点其中,k为大于1的正整数。
一种存储设备,所述存储设备存储指令及数据用于实现一种光学显微镜智能自动聚焦方法。
一种光学显微镜智能自动聚焦设备,包括:处理器及所述存储设备;所述处理器加载并执行所述存储设备中的指令及数据用于实现一种光学显微镜智能自动聚焦方法。
本发明提供的技术方案带来的有益效果是:实现显微镜的准确、快速聚焦,提高显微镜聚焦的速度及聚焦的精确度。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中一种光学显微镜智能自动聚焦方法的流程图;
图2是本发明实施例中一种光学显微镜智能自动聚焦方法的流向图;
图3是本发明实施例中观测物体的某块区域图;
图4是本发明实施例中硬件设备工作的示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明的实施例提供了一种光学显微镜智能自动聚焦方法、设备及存储设备。
请参考图1和2,图1是本发明实施例中一种光学显微镜智能自动聚焦方法的流程图,图2是本发明实施例中一种光学显微镜智能自动聚焦方法的流向图,具体包括如下步骤:
S1:以如图3所示的观测物体的某块区域作为基准区域,通过等间隔调节显微镜头的位置的采集一组显微图像,一个显微图像对应一个聚焦点;利用Tenengrad函数得到所述显微图像的图像清晰度评价值;一个聚焦点和该聚焦点对应的图像清晰度评价值组成一个训练子样本,由这一组显微图像得到的所有训练子样本构成了训练样本;其中,采集的一组显微图像中,以显微镜头的最小移动步长为等间隔,在成像最清晰聚焦点上下各采集m张图像,m为大于1的正整数。
S2:根据所述训练样本,利用多层BP神经网络和反向传播算法得到基准区域聚焦模型f(x);该基准区域聚焦模型f(x)用来表示基准区域聚焦点与图像清晰度评价值之间的关系;其中,多层BP神经网络中每层的神经元个数分别为1、x、y、z和1;隐含层采用sigmoid函数作为激活函数,输出层为线性输出;采用训练样本利用反向传播算法对多层BP神经网络进行训练,x、y和z均为大于1的正整数,具体数值则由训练样本训练得到,在本实施例中,训练得到的x、y和z分别为29、15和10;
S3:通过缩放或平移基准区域聚焦模型f(x),并根据测试样本,得到观测区域聚焦模型g(x);其中,所述测试样本由以包括起始聚焦点和终止聚焦点在内的任意t个聚焦点及其对应的图像清晰度评价值构成,t为正整数,且t>2;选取包括起始聚焦点和终止聚焦点在内的任意t个聚焦点的过程如下:
(1)设定显微镜头的起始聚焦点为P0,对应的图像清晰度评价值为Fs(P0);在初始聚焦点为P0处调节显微镜头,所述显微镜头朝方向D移动步长L,到聚焦点P1;比较Fs(P0)和Fs(P1)的大小,并更新方向D和步长L;若Fs(P0)<Fs(P1),则方向D更新为-1*D,L更新为pL;否则,方向D保持不变,L更新为qL;其中,D=1或者D=-1,D=1表示显微镜头向上移动,远离观测物体,D=-1表示显微镜头向下移动,靠近观测物体;L=l0,l0为显微镜头的最小运动步长;p和q均为非零正整数;
(2)在聚焦点P1处,以更新后的方向D和步长L继续调节显微镜头,移动到聚焦点P2处,对应的图像清晰度评价值为Fs(P2);
(3)重复步骤(2)的操作,直到满足条件Fs(Pn)<Fs(Pn-1)为止,得到n组聚焦点及其对应的图像清晰度评价值:{(P0,Fs(P0)),(P1,Fs(P1)),...,(Pn,Fs(Pn))};其中,Pn为终止聚焦点,n均为正整数,且n≥3;
(4)从步骤(3)的n组聚焦点及其对应的图像清晰度评价值中,选取包括起始聚焦点和终止聚焦点这两个聚焦点及其对应的图像清晰度评价值(P0,Fs(P0))和(Pn,Fs(Pn))在内的任意t个聚焦点及其对应的图像清晰度评价值作为训练数据。
由基准区域聚焦模型f(x)变换得到观测区域聚焦模型g(x)时,涉及到a,b,c,d四个变换参数;利用测试样本(Pi,Fs(Pi)),i∈(0,1,2,...,t),t为聚焦点个数,通过差分进化算法,以最小化目标函数J进行优化a,b,c,d这四个参数,实际中可根据工程需求让a,b,c,d四个参数中一个或几个恒为定值,c可取但不限于0,其中,最终得到a,b,c,d这四个参数优化值为a0,b0,c0,d0,观测区域聚焦模型g(x)的函数表达式为:g(x)=d0f(a0(x-b0)+c0)。
根据实际工程中的经验设置每个优化参数合理的范围、初始种群数量、迭代次数和终止条件以及判断解的合理性。
S4:通过数值优化的方法得到观测区域聚焦模型极值时所对应的聚焦点,该聚焦点即为得到的光学显微镜观测物体自动聚焦点以显微镜头的最小步长为等间隔获取图像的聚焦点,输入观测区域聚焦模型,采用遍历的方式,得到观测区域聚焦模型极值。
为了得到更精确的聚焦点,可以采用局部搜索的方法进行显微镜头微调,调节显微镜头以最小步值沿S4中得到的聚焦点上下各运动k次,得到2k+1个聚焦点及该聚焦点时对应的图像清晰度评价值,图像清晰度评价值最大时对应的聚焦点即为微调后得到的聚焦点;其中,k为大于1的正整数。
请参见图4,图4是本发明实施例的硬件设备工作示意图,所述硬件设备具体包括:一种光学显微镜智能自动聚焦设备401、处理器402及存储设备403。
一种光学显微镜智能自动聚焦设备401:所述一种光学显微镜智能自动聚焦设备401实现所述一种光学显微镜智能自动聚焦方法。
处理器402:所述处理器402加载并执行所述存储设备403中的指令及数据用于实现所述一种光学显微镜智能自动聚焦方法。
存储设备403:所述存储设备403存储指令及数据;所述存储设备403用于实现所述一种光学显微镜智能自动聚焦方法。
本发明的有益效果是:实现显微镜的准确、快速聚焦,提高显微镜聚焦的速度及聚焦的精确度。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种光学显微镜智能自动聚焦方法,其特征在于:包括以下步骤:
S1:以观测物体的某块区域作为基准区域,通过等间隔调节显微镜头的位置的采集一组显微图像,一个显微图像对应一个聚焦点;利用Tenengrad函数得到所述显微图像的图像清晰度评价值;一个聚焦点和该聚焦点对应的图像清晰度评价值组成一个训练子样本,所有的训练子样本构成训练样本;
S2:根据所述训练样本,利用多层BP神经网络和反向传播算法分别进行拟合和训练,得到基准区域聚焦模型f(x);该基准区域聚焦模型f(x)用来表示基准区域聚焦点与图像清晰度评价值之间的关系;
S3:通过缩放或平移基准区域聚焦模型f(x),并根据测试样本,得到观测区域聚焦模型g(x);其中,所述测试样本由以包括起始聚焦点和终止聚焦点在内的任意t个聚焦点及其对应的图像清晰度评价值构成,t为正整数,且t>2;
选取包括起始聚焦点和终止聚焦点在内的任意t个聚焦点的过程如下:
(1)设定显微镜头的起始聚焦点为P0,对应的图像清晰度评价值为Fs(P0);在初始聚焦点为P0处调节显微镜头,所述显微镜头朝方向D移动步长L,到聚焦点P1;比较Fs(P0)和Fs(P1)的大小,并更新方向D和步长L;若Fs(P0)<Fs(P1),则方向D更新为-1*D,L更新为pL;否则,方向D保持不变,L更新为qL;其中,D=1或者D=-1,D=1表示显微镜头向上移动,D=-1表示显微镜头向下移动;L=l0,l0为显微镜头的最小运动步长;p和q均为非零正整数;
(2)在聚焦点P1处,以更新后的方向D和步长L继续调节显微镜头,移动到聚焦点P2处,对应的图像清晰度评价值为Fs(P2);
(3)重复步骤(2)的操作,直到满足条件Fs(Pn)<Fs(Pn-1)为止,得到n组聚焦点及其对应的图像清晰度评价值:{(P0,Fs(P0)),(P1,Fs(P1)),...,(Pn,Fs(Pn))};其中,Pn为终止聚焦点,n均为正整数,且n≥3;
从步骤(3)的n组聚焦点及其对应的图像清晰度评价值中,选取包括起始聚焦点和终止聚焦点及其对应的图像清晰度评价值(P0,Fs(P0))和(Pn,Fs(Pn))在内的任意t个聚焦点及其对应的图像清晰度评价值作为测试样本;
由基准区域聚焦模型f(x)变换得到观测区域聚焦模型g(x)时,涉及到a,b,c,d四个变换参数;利用测试样本(Pi,Fs(Pi)),i∈(0,1,2,...,t),通过差分进化算法,以最小化目标函数J进行优化a,b,c,d这四个参数,其中,t为聚焦点个数;最终得到a,b,c,d这四个参数优化值为a0,b0,c0,d0,观测区域聚焦模型g(x)的函数表达式为:g(x)=d0f(a0(x-b0)+c0);
S4:通过数值优化的方法得到观测区域聚焦模型极值时所对应的聚焦点,该聚焦点即为得到的光学显微镜观测物体自动聚焦点。
2.如权利要求1所述的一种光学显微镜智能自动聚焦方法,其特征在于:在步骤S1中,采集的一组显微图像中,以显微镜头的最小移动步长为等间隔,在成像最清晰的聚焦点的上下方各采集m张图像,m为大于1的正整数。
3.如权利要求1所述的一种光学显微镜智能自动聚焦方法,其特征在于:在步骤S2中,多层BP神经网络中每层的神经元个数分别为1、x、y、z和1;隐含层采用sigmoid函数作为激活函数,输出层为线性输出;采用训练样本利用反向传播算法对多层BP神经网络进行训练,x、y和z均为大于1的正整数。
4.如权利要求1所述的一种光学显微镜智能自动聚焦方法,其特征在于:在步骤S4中,以显微镜头的最小移动步长为等间隔获取图像的聚焦点,输入观测区域聚焦模型,采用遍历的方式,得到观测区域聚焦模型极值。
5.如权利要求1所述的一种光学显微镜智能自动聚焦方法,其特征在于:采用局部搜索的方法进行显微镜头微调,调节显微镜头以最小移动步长沿步骤S4中得到的聚焦点上下各运动k次,得到2k+1个聚焦点及该聚焦点时对应的图像清晰度评价值,图像清晰度评价值最大时对应的聚焦点即为微调后得到的聚焦点,其中,k为大于1的正整数。
6.一种存储设备,其特征在于:所述存储设备存储指令及数据用于实现权利要求1~5所述的任意一种光学显微镜智能自动聚焦方法。
7.一种光学显微镜智能自动聚焦设备,其特征在于:包括:处理器及存储设备;所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1~5所述的任意一种光学显微镜智能自动聚焦方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910090270.9A CN109873948B (zh) | 2019-01-30 | 2019-01-30 | 一种光学显微镜智能自动聚焦方法、设备及存储设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910090270.9A CN109873948B (zh) | 2019-01-30 | 2019-01-30 | 一种光学显微镜智能自动聚焦方法、设备及存储设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109873948A CN109873948A (zh) | 2019-06-11 |
CN109873948B true CN109873948B (zh) | 2020-06-26 |
Family
ID=66918321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910090270.9A Expired - Fee Related CN109873948B (zh) | 2019-01-30 | 2019-01-30 | 一种光学显微镜智能自动聚焦方法、设备及存储设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109873948B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110531484B (zh) * | 2019-07-24 | 2021-04-20 | 中国地质大学(武汉) | 一种对焦过程模型可设定的显微镜自动对焦方法 |
CN110930364B (zh) * | 2019-10-29 | 2023-03-24 | 歌尔股份有限公司 | 一种基于ai的视频显微镜的实现方法 |
CN110749974B (zh) * | 2019-11-04 | 2021-06-01 | 中南大学 | 全载玻片成像扫描仪的自动聚焦方法及其图像获取方法 |
CN111147737A (zh) * | 2019-12-11 | 2020-05-12 | 广东工业大学 | 一种基于rbf神经网络的自动对焦方法及装置 |
CN110996002B (zh) * | 2019-12-16 | 2021-08-24 | 深圳市瑞图生物技术有限公司 | 显微镜聚焦方法、装置、计算机设备和存储介质 |
CN111552069A (zh) * | 2020-04-21 | 2020-08-18 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的显微图像自动聚焦方法及系统 |
CN112069735B (zh) * | 2020-09-08 | 2022-08-12 | 哈尔滨工业大学 | 一种基于非对称像差的全切片数字成像高精度自动聚焦法 |
CN112363309B (zh) * | 2020-11-13 | 2023-02-17 | 杭州医派智能科技有限公司 | 一种用于显微镜下病理图像的自动寻焦方法和系统 |
CN113741021B (zh) * | 2021-07-19 | 2024-01-16 | 南方医科大学南方医院 | 一种显微镜自动调焦方法及装置 |
CN117197224B (zh) * | 2023-08-16 | 2024-02-06 | 广东工业大学 | 一种基于残差网络的拉曼光谱仪自适应聚焦装置和方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1763624A (zh) * | 2004-10-22 | 2006-04-26 | 亚洲光学股份有限公司 | 自动对焦方法以及电子照相机的自动对焦装置 |
CN101706609A (zh) * | 2009-11-23 | 2010-05-12 | 常州达奇信息科技有限公司 | 基于图像处理的显微镜快速自动聚焦方法 |
WO2010088079A2 (en) * | 2009-01-28 | 2010-08-05 | The Board Of Regents, The University Of Texas System | Automatic focusing apparatus and method for digital images using automatic filter switching |
CN102062929A (zh) * | 2010-11-27 | 2011-05-18 | 长春迪瑞医疗科技股份有限公司 | 一种显微镜系统的自动聚焦方法和装置 |
CN102103248A (zh) * | 2009-12-21 | 2011-06-22 | 索尼公司 | 具有置信度量的自动聚焦 |
CN103279937A (zh) * | 2013-03-29 | 2013-09-04 | 中国科学院自动化研究所 | 显微视觉下对感兴趣区域自动聚焦的方法 |
CN104820328A (zh) * | 2015-03-27 | 2015-08-05 | 浙江大学 | 一种基于离焦模型曲线计算准焦位置的快速自动对焦方法 |
CN104836954A (zh) * | 2015-04-23 | 2015-08-12 | 金三立视频科技(深圳)有限公司 | 变焦跟踪方法及其装置 |
CN107424155A (zh) * | 2017-04-17 | 2017-12-01 | 河海大学 | 一种面向光场重聚焦图像的聚焦分割方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6189374B1 (en) * | 1999-03-29 | 2001-02-20 | Nanodevices, Inc. | Active probe for an atomic force microscope and method of use thereof |
US20050000952A1 (en) * | 2003-05-19 | 2005-01-06 | Harter Donald J. | Focusless micromachining |
-
2019
- 2019-01-30 CN CN201910090270.9A patent/CN109873948B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1763624A (zh) * | 2004-10-22 | 2006-04-26 | 亚洲光学股份有限公司 | 自动对焦方法以及电子照相机的自动对焦装置 |
WO2010088079A2 (en) * | 2009-01-28 | 2010-08-05 | The Board Of Regents, The University Of Texas System | Automatic focusing apparatus and method for digital images using automatic filter switching |
CN101706609A (zh) * | 2009-11-23 | 2010-05-12 | 常州达奇信息科技有限公司 | 基于图像处理的显微镜快速自动聚焦方法 |
CN102103248A (zh) * | 2009-12-21 | 2011-06-22 | 索尼公司 | 具有置信度量的自动聚焦 |
CN102062929A (zh) * | 2010-11-27 | 2011-05-18 | 长春迪瑞医疗科技股份有限公司 | 一种显微镜系统的自动聚焦方法和装置 |
CN103279937A (zh) * | 2013-03-29 | 2013-09-04 | 中国科学院自动化研究所 | 显微视觉下对感兴趣区域自动聚焦的方法 |
CN104820328A (zh) * | 2015-03-27 | 2015-08-05 | 浙江大学 | 一种基于离焦模型曲线计算准焦位置的快速自动对焦方法 |
CN104836954A (zh) * | 2015-04-23 | 2015-08-12 | 金三立视频科技(深圳)有限公司 | 变焦跟踪方法及其装置 |
CN107424155A (zh) * | 2017-04-17 | 2017-12-01 | 河海大学 | 一种面向光场重聚焦图像的聚焦分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109873948A (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109873948B (zh) | 一种光学显微镜智能自动聚焦方法、设备及存储设备 | |
CN110531484B (zh) | 一种对焦过程模型可设定的显微镜自动对焦方法 | |
CN108152869B (zh) | 一种适于仿生视觉快速调焦的小步长调焦方法 | |
CN111007661B (zh) | 一种基于深度学习的显微图像自动聚焦方法及装置 | |
CN111948784B (zh) | 基于爬山法的迭代优化自动调焦方法 | |
CN103529543A (zh) | 一种显微镜自动调焦方法 | |
CN107845145B (zh) | 一种电子显微场景下的三维重构系统及方法 | |
TWI811758B (zh) | 用於自動對焦顯微鏡系統之深度學習模組、自動對焦一顯微鏡系統之方法及非暫時性電腦可讀媒體 | |
CN116612092A (zh) | 一种基于改进的MobileViT网络的显微镜图像清晰度评价方法 | |
CN111505816B (zh) | 高通量电子显微镜成像方法及系统 | |
CN115308876A (zh) | 基于参考焦平面的显微镜快速聚焦方法、设备、介质及产品 | |
CN117590574A (zh) | 一种显微镜自动对焦方法、终端和系统 | |
CN117557720A (zh) | 一种轻量级深度网络的微观三维形貌重建方法 | |
Hao et al. | Improving the performances of autofocus based on adaptive retina-like sampling model | |
Sha et al. | A fast autofocus sharpness function of microvision system based on the Robert function and Gauss fitting | |
CN114815211B (zh) | 一种基于图像处理的显微镜自动对焦方法 | |
CN112070660B (zh) | 一种基于迁移学习的全切片数字成像自适应自动聚焦方法 | |
CN205920270U (zh) | 用于高速显微扫描的动态对焦装置 | |
CN105651699A (zh) | 一种基于面阵相机的动态跟焦方法 | |
CN112069735B (zh) | 一种基于非对称像差的全切片数字成像高精度自动聚焦法 | |
CN112070661A (zh) | 一种基于深度学习的全切片数字成像快速自动聚焦方法 | |
CN118037863B (zh) | 基于视场约束的神经网络优化自动变焦相机内参标定方法 | |
Zhao et al. | An auto-focus method for microscopic images based on QSOM neural network | |
CN117969518B (zh) | 一种细胞图像采集方法及系统 | |
Tan et al. | A novel autofocusing method using the angle of hilbert space for microscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200626 Termination date: 20220130 |
|
CF01 | Termination of patent right due to non-payment of annual fee |