[發明專利]一種基于清晰域及暗視覺的自動聚焦優化方法

有效

• 申請號: 202011011291.6
• 申請日: 2020-09-23
• 公開（公告）號: CN112040136B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 趙志強;何帆;朱紅軍;陳闊;錢鷹;張琴;王少志;徐曉文
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04N5/232
• 分類號: H04N5/232;G06T7/00
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

1.一種基于清晰域及暗視覺的自動聚焦優化方法，其特征在于，具體包括以下步驟：

使用TEN法對圖像進行評價，并且使用ADAM算法根據當前圖像像素的梯度自適應的控制步長進行第一次掃描；

當第一次出現電機轉向時，根據TEN法對圖像進行評價，得到的清晰度序列值進行高通濾波，即以當前圖像清晰度函數值的平均值作為閾值，對低于平均值的清晰度值進行抑制，保持高于平均值得清晰度值不變；

進行第二次掃描，當電機出現第二次轉向時，進行第二次高通濾波，即以第一次濾波得到的閾值，對低于平均值的清晰度值進行抑制，保持高于平均值得清晰度值不變；

在經過前兩次濾波之后，持續掃描，直到掃描到清晰域范圍內，停止掃描，使用曲線擬合的方式，擬合出峰值，得到聚焦圖像。

2.根據權利要求1所述的一種基于清晰域及暗視覺的自動聚焦優化方法，其特征在于，圖像的原始數據類型為RGB，且在進行評價之前將圖像的像素值歸一化到[0,1]之間。

3.根據權利要求1所述的一種基于清晰域及暗視覺的自動聚焦優化方法，其特征在于，使用TEN法對圖像進行評價包括：

其中，F_Ten為基于梯度的焦點測量值；s_x(i,j)和s_y(i,j)分別是圖像f(i，j)與Sobel算子在水平和垂直方向上的卷積結果；M和N分別是圖像的高度和寬度。

4.根據權利要求1所述的一種基于清晰域及暗視覺的自動聚焦優化方法，其特征在于，使用ADAM算法根據當前圖像像素的梯度自適應的控制步長進行第一次掃描包括：

S1、t代表搜索步數，初始為0；

S2、引入了隨機參數用于跳出局部峰值，獲取第t時刻的含導參數，表示為：

S3、限制步長更新的指數移動均值m_t表示為：m_t←β₁·m_t-1+(1-β₁)·g_t；

S4、限制步長更新的平方梯度v_t表示為：

S5、獲取第一步長變量表示為：

S6、獲取第二步長變量表示為：

S7、更新進行第一次掃描的步長，并根據該步長進行掃描，第一次掃描的步長表示為：

其中，f_t為第t次位置圖像清晰度函數一階導數，θ_t-1為第t-1次計算得出的運動的位置，g_t為第t次含導參數，為第t次隨機參數；β₁、β₂為常數；α為學習率，ε為極小值補償；←為賦值符號。

5.根據權利要求1所述的一種基于清晰域及暗視覺的自動聚焦優化方法，其特征在于，當第一次出現電機轉向時，對當前的圖像清晰度函數值進行高通濾波，即對清晰度進行高值削減，低值補償的算式表示為：

其中，F(x)為在x處的圖像修正后的清晰度值，f(x)為第x張圖片的清晰度值，ave₁₁為第一次掃描獲得清晰度的平均值，ave₁₂為小于ave₁₁的清晰度值的平均值，c₁₁、c₁₂為第一次掃描的補償因子。

6.根據權利要求1所述的一種基于清晰域及暗視覺的自動聚焦優化方法，其特征在于，進行第二次掃描，當電機出現第二次轉向時，進行第二次高通濾波，同樣適用第一次濾波閾值，特化高數值清晰度函數值，即對清晰度進行高值削減，低值補償的算式表示為：

其中，F(x)為在x處的圖像修正后的清晰度值,f(x)為第x張圖片的清晰度值，ave₂₁為第二次掃描獲得清晰度的平均值，ave₂₂為小于ave₂₁的清晰度值的平均值，c₂₁、c₂₂為第二次掃描的補償因子。

7.根據權利要求1所述的一種基于清晰域及暗視覺的自動聚焦優化方法，其特征在于，清晰域寬度的求解流程包括：

設物體M的高度設為h，棱鏡移動的距離為p，第一次聚焦時物距為u₁+p，投射在傳感器上的像高度為m，相機焦距為f，棱鏡與cmos傳感器的距離為v₁；

在棱鏡移動后，第二次的物距為u₂，第二次棱鏡與coms傳感器距離為v₂，第二次投影在cmos位置頂部表示為m₁，底部表示為m₂，因此模糊圓半徑為m₁m₂，焦點偏移量為mm₁；

同時設棱鏡移動后能夠聚焦的物體N，該物體聚焦于m₁點，根據清晰域的成立條件求得棱鏡的移動距離p，表示為：p≤((u₂-u₁)·v₁·f)/u₂²；

若峰值點為p₁，就可以將清晰域的范圍表示為