变焦摄像机中的混合快速聚焦算法的研究
发布时间：2021-01-31 21:51
自动聚焦技术是计算机视觉和各类成像系统的关键技术之一。在安防监控行业中,由于大倍率高智能的高清网络监控摄像机的使用带来了三个显著的问题,聚焦速度变慢、目标物距的获取以及高智能化参数的测量。传统方法使用一条聚焦曲线来加快聚焦速度,但无法解决另外两个新增问题。针对以上三个问题,本研究通过分析大倍率镜片组结构来阐述聚焦变慢的原因,并提出使用聚焦曲面来加快聚焦速度,同时使用被动式聚焦来进行精确聚焦,从而形成以聚焦曲面为核心,主动测距聚焦和被动聚焦相结合的混合快速聚焦算法。该算法由聚焦曲面部分和被动式聚焦算法部分构成。聚焦曲面部分也可以称为主动式自动聚焦部分,其聚焦原理是利用激光测距确定物距后,根据物距和当前倍率位置计算得到聚焦位置,从而驱动聚焦电机到达最佳聚焦位置附近。在该部分中介绍了摄像机镜片组结构,阐述了聚焦曲面的意义、测量方法以及使用方法,并给出了其他高智能参数的测量方法。被动式聚焦算法也可以称为基于数字图像处理方式的自动聚焦,该部分由聚焦窗口选择、清晰度评价函数和峰值搜索算法组成。由于聚焦曲面存在着误差,并不能做到精确的聚焦,故使用基于数字图像处理方式来完成精确聚焦,并以此形成了以条形...
【文章来源】：重庆邮电大学重庆市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
聚焦曲面测试软件界面图
重庆邮电大学硕士学位论文34无法聚焦。目前这种缺点可通过两种方法解决，第一，使用多个窗口分别检测，第二，首先对图片进行识别，检测出相关的物体，再将窗口固定到物体区域，这就是自适应窗口。由于我们所检测的图像为4K分辨率，如果在进行清晰度评价计算前，先对整幅图片进行检测，无疑是加重了系统的计算，对聚焦时间也有很大的影响。故在本研究中采用多固定聚焦窗口进行聚焦区域选择。针对多固定窗口的有很多选取方法，最常用的就是五窗口选取法和基于黄金分割的多区域选取法，这些算法的特点就是选取原图像中连续的矩形区域或圆形区域，对于4K分辨率来说，这种方法所选窗口有可能在局部是同一个物体，这就导致多个区域存在着几个或者全部都无细节成分。为了解决这个问题，研究发现，相比方形、圆形区域来说，条状区域更能包含图像的细节部分，如下图所示，其中蓝色虚线为传统的五区域选取法所选聚焦窗口，而红色实线框内区域则为矩形条所选窗口，由下图可知，在某些情况下，矩形条包含细节成分更多。另外，由于摄像机在夜晚模式下，存在过多的噪点，如果聚焦窗口中细节成分不多，就会造成在聚焦窗口中噪声淹没细节成分，从而使评价函数在图片模糊时的评价值反而比清晰时还要高，这对于聚焦搜索算法很不利。图4.5聚焦区域选择图本研究采用多个固定条形框作为聚焦窗口，这种方法能大幅度缩小数据量的同时保留图片的细节成分，防止由于窗口中细节成分较少而导致聚焦评价函数计算失败。
第4章混合聚焦算法37图4.7为聚焦窗口比较结果图，由图可以看出在高噪声下，效果最好的是放缩法，原因是在放缩处理中存在着滤波操作，以保证数据不会改变，故其在高噪声下效果最好。其次是抽稀放缩法，该方法与放缩法不同的是，没有滤波操作，直接抽取固定行或者固定列数据构成新的图像进行处理，故其速度最快，效果仅次于放缩法，其次是斜条形窗口选择方法以及倒T型区域选择方法和中央区域选择方法，由于这三种方法分别使用图像不同部分数据作为聚焦窗口，可能出现聚焦错误的现象，但相比较来说，目标一般是垂直和水平的，后两种方法出现细节成分少的概率更大一些，故斜条形窗口选择方法要优于后两种。前两种放缩法需要对全图进行处理，处理数据量大，后几种方法只需要获取一部分数据即可，故其数据量相比较而言较小，故选择斜条形窗口从速度以及数据量上来说都比较合适。4.3.2清晰度评价函数的仿真与结果分析确定使用斜条形窗口后，便是确定清晰度评价函数是否合适。通过仿真实验对比了条形窗口与其他固定窗口的实验效果，实验不考虑噪声，实验比较提出的快速DCT变换和改进后的Laplace算子方法与LoG算子、Laplace算子、快速DCT、二次模糊、小波变换等六种清晰度评价函数在多种场景(图4.8)下的效果。图4.8不同实验场景图(b)场景二(c)场景三(d)场景四(e)场景五(f)场景六(a)场景一
【参考文献】：
期刊论文
[1]基于聚焦曲面的快速聚焦算法的研究[J]. 张腾腾,刘双广. 现代计算机. 2019(18)
[2]混合搜索法在显微镜自动对焦中的应用[J]. 江旻珊,张楠楠,张学典,顾佳,李雪,李峰. 光电工程. 2017(07)
[3]基于DCT零系数和局部标准差的自动聚焦算法[J]. 吕美妮,玉振明. 激光技术. 2018(01)
[4]图像清晰度评价算法研究[J]. 孙红利,冯旗,董峰. 传感器与微系统. 2017(02)
[5]机器视觉疲劳裂纹扩展试验摄像头自动聚焦方法[J]. 高红俐,朱亚伦,张兆年. 计算机测量与控制. 2016(11)
[6]基于图像梯度差值算法的自动快速调焦[J]. 罗鑫,张亚军. 工具技术. 2016(04)
[7]严重离焦状态下的自动聚焦实现[J]. 蒋涛,左昉,王灵国. 激光技术. 2015(06)
[8]应用于大变倍监控摄像机的电动变焦跟踪[J]. 林忠,黄陈蓉,卢阿丽. 应用光学. 2015(05)
[9]基于模糊推理的聚焦曲线峰值搜索算法研究[J]. 陈东,杨建中,王金. 电视技术. 2014(07)
[10]基于图像处理的自动对焦技术综述[J]. 尤玉虎,刘通,刘佳文. 激光与红外. 2013(02)
博士论文
[1]基于显微视觉的刀具磨损状态监测技术研究[D]. 李丽宏.河北工业大学 2013
硕士论文
[1]视频车辆检测器产品的设计与开发[D]. 朱敏.浙江工业大学 2019
[2]基于嵌入式远程图像传输的技术研究及工程应用[D]. 尹礁.北方工业大学 2013
本文编号：3011639
【文章来源】：重庆邮电大学重庆市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
聚焦曲面测试软件界面图
重庆邮电大学硕士学位论文34无法聚焦。目前这种缺点可通过两种方法解决，第一，使用多个窗口分别检测，第二，首先对图片进行识别，检测出相关的物体，再将窗口固定到物体区域，这就是自适应窗口。由于我们所检测的图像为4K分辨率，如果在进行清晰度评价计算前，先对整幅图片进行检测，无疑是加重了系统的计算，对聚焦时间也有很大的影响。故在本研究中采用多固定聚焦窗口进行聚焦区域选择。针对多固定窗口的有很多选取方法，最常用的就是五窗口选取法和基于黄金分割的多区域选取法，这些算法的特点就是选取原图像中连续的矩形区域或圆形区域，对于4K分辨率来说，这种方法所选窗口有可能在局部是同一个物体，这就导致多个区域存在着几个或者全部都无细节成分。为了解决这个问题，研究发现，相比方形、圆形区域来说，条状区域更能包含图像的细节部分，如下图所示，其中蓝色虚线为传统的五区域选取法所选聚焦窗口，而红色实线框内区域则为矩形条所选窗口，由下图可知，在某些情况下，矩形条包含细节成分更多。另外，由于摄像机在夜晚模式下，存在过多的噪点，如果聚焦窗口中细节成分不多，就会造成在聚焦窗口中噪声淹没细节成分，从而使评价函数在图片模糊时的评价值反而比清晰时还要高，这对于聚焦搜索算法很不利。图4.5聚焦区域选择图本研究采用多个固定条形框作为聚焦窗口，这种方法能大幅度缩小数据量的同时保留图片的细节成分，防止由于窗口中细节成分较少而导致聚焦评价函数计算失败。
第4章混合聚焦算法37图4.7为聚焦窗口比较结果图，由图可以看出在高噪声下，效果最好的是放缩法，原因是在放缩处理中存在着滤波操作，以保证数据不会改变，故其在高噪声下效果最好。其次是抽稀放缩法，该方法与放缩法不同的是，没有滤波操作，直接抽取固定行或者固定列数据构成新的图像进行处理，故其速度最快，效果仅次于放缩法，其次是斜条形窗口选择方法以及倒T型区域选择方法和中央区域选择方法，由于这三种方法分别使用图像不同部分数据作为聚焦窗口，可能出现聚焦错误的现象，但相比较来说，目标一般是垂直和水平的，后两种方法出现细节成分少的概率更大一些，故斜条形窗口选择方法要优于后两种。前两种放缩法需要对全图进行处理，处理数据量大，后几种方法只需要获取一部分数据即可，故其数据量相比较而言较小，故选择斜条形窗口从速度以及数据量上来说都比较合适。4.3.2清晰度评价函数的仿真与结果分析确定使用斜条形窗口后，便是确定清晰度评价函数是否合适。通过仿真实验对比了条形窗口与其他固定窗口的实验效果，实验不考虑噪声，实验比较提出的快速DCT变换和改进后的Laplace算子方法与LoG算子、Laplace算子、快速DCT、二次模糊、小波变换等六种清晰度评价函数在多种场景(图4.8)下的效果。图4.8不同实验场景图(b)场景二(c)场景三(d)场景四(e)场景五(f)场景六(a)场景一
【参考文献】：
期刊论文
[1]基于聚焦曲面的快速聚焦算法的研究[J]. 张腾腾,刘双广. 现代计算机. 2019(18)
[2]混合搜索法在显微镜自动对焦中的应用[J]. 江旻珊,张楠楠,张学典,顾佳,李雪,李峰. 光电工程. 2017(07)
[3]基于DCT零系数和局部标准差的自动聚焦算法[J]. 吕美妮,玉振明. 激光技术. 2018(01)
[4]图像清晰度评价算法研究[J]. 孙红利,冯旗,董峰. 传感器与微系统. 2017(02)
[5]机器视觉疲劳裂纹扩展试验摄像头自动聚焦方法[J]. 高红俐,朱亚伦,张兆年. 计算机测量与控制. 2016(11)
[6]基于图像梯度差值算法的自动快速调焦[J]. 罗鑫,张亚军. 工具技术. 2016(04)
[7]严重离焦状态下的自动聚焦实现[J]. 蒋涛,左昉,王灵国. 激光技术. 2015(06)
[8]应用于大变倍监控摄像机的电动变焦跟踪[J]. 林忠,黄陈蓉,卢阿丽. 应用光学. 2015(05)
[9]基于模糊推理的聚焦曲线峰值搜索算法研究[J]. 陈东,杨建中,王金. 电视技术. 2014(07)
[10]基于图像处理的自动对焦技术综述[J]. 尤玉虎,刘通,刘佳文. 激光与红外. 2013(02)
博士论文
[1]基于显微视觉的刀具磨损状态监测技术研究[D]. 李丽宏.河北工业大学 2013
硕士论文
[1]视频车辆检测器产品的设计与开发[D]. 朱敏.浙江工业大学 2019
[2]基于嵌入式远程图像传输的技术研究及工程应用[D]. 尹礁.北方工业大学 2013
本文编号：3011639
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3011639.html
最近更新
教材专著
