紅外成像區(qū)域法自動(dòng)調(diào)焦聚焦區(qū)域的研究

紅外成像區(qū)域法自動(dòng)調(diào)焦是利用調(diào)焦評(píng)價(jià)函數(shù)對(duì)聚焦區(qū)域圖像質(zhì)量進(jìn)行評(píng)價(jià)[1]，然后通過搜索算法進(jìn)行極點(diǎn)搜索、移動(dòng)方向和步長(zhǎng)，直至獲取圖像質(zhì)量最佳的一個(gè)控制反饋過程。
　區(qū)域圖像是從圖像出發(fā)，在一幅待分析圖像上重新劃定圖像清晰度評(píng)價(jià)區(qū)域，區(qū)域圖像選擇一方面可以減少數(shù)據(jù)處理量，加快聚焦速度；另一方面通過選取興趣區(qū)域，可以消除非興趣區(qū)域?qū)υu(píng)價(jià)函數(shù)曲線的影響，提高聚焦精確度。大多數(shù)情況下，興趣區(qū)域?yàn)閳D像的前景部分，聚焦區(qū)域即前景圖像，而背景圖像會(huì)使評(píng)價(jià)函數(shù)曲線出現(xiàn)很多局部“峰值”。
1 聚焦區(qū)域
1.1 圖像清晰度評(píng)價(jià)函數(shù)
　圖像清晰度評(píng)價(jià)函數(shù)又稱調(diào)焦評(píng)價(jià)函數(shù)。采用圖像法自動(dòng)調(diào)焦的關(guān)鍵問題在于圖像清晰度評(píng)價(jià)函數(shù)的選取，理想的評(píng)價(jià)函數(shù)應(yīng)具備無偏性、單峰性、抗干擾能力強(qiáng)、能反映離焦的極性、靈敏度高和計(jì)算量小等特性。在本文的仿真中，選用平方梯度函數(shù)作為圖像清晰度評(píng)價(jià)函數(shù)[2]：

　用平方梯度函數(shù)對(duì)58幅紅外圖像的MATLAB仿真結(jié)果如圖1所示。

　由圖1可以看出，該函數(shù)曲線在開始位置變化相對(duì)平緩，但在焦點(diǎn)位置附近，曲線比較尖銳但相對(duì)比較平滑，靈敏度較高，所以選擇平方梯度函數(shù)作為區(qū)域圖像法自動(dòng)調(diào)焦仿真的調(diào)焦評(píng)價(jià)函數(shù)。

　其中A區(qū)域采用豐富邊緣的圖像塊，B區(qū)域邊緣圖像塊并不非常明顯，C區(qū)域?yàn)闊o明顯邊緣的圖像塊，運(yùn)用平方梯度函數(shù)對(duì)窗口區(qū)域作出評(píng)價(jià)函數(shù)曲線。
1.4 同一聚焦區(qū)域不同聚焦窗口大小
　本研究進(jìn)行聚焦區(qū)域大小選擇的直接原因是為了減少調(diào)焦評(píng)價(jià)函數(shù)的計(jì)算時(shí)間，使自動(dòng)對(duì)焦過程盡可能地縮短。由于對(duì)圖像進(jìn)行分析處理所消耗的時(shí)間基本上與參與計(jì)算的圖像像素成正比，為了達(dá)到調(diào)焦的實(shí)時(shí)、快速性要求，在算法一定的情況下，只有減少參加運(yùn)算的像素?cái)?shù)量才能實(shí)現(xiàn)。但是減少參與運(yùn)算的像素就意味著要適當(dāng)?shù)乜s小參與調(diào)焦評(píng)價(jià)函數(shù)運(yùn)算的區(qū)域圖像，而聚焦區(qū)域的減少會(huì)對(duì)調(diào)焦評(píng)價(jià)函數(shù)曲線有影響。
因此，當(dāng)選定某一位置的區(qū)域圖像進(jìn)行自動(dòng)調(diào)焦時(shí)，為了研究同一聚焦區(qū)域窗口的大小對(duì)調(diào)焦評(píng)價(jià)函數(shù)曲線的影響，本研究在同一聚焦像素點(diǎn)位置上分別選用如圖3所示不同大小的窗口，分別計(jì)算幾種情況的評(píng)價(jià)函數(shù)值，分析不同大小窗口評(píng)價(jià)函數(shù)曲線，并通過實(shí)驗(yàn)仿真來分析得出所需要的結(jié)果。

2 計(jì)算仿真及結(jié)果
　為了分析不同位置的聚焦區(qū)域?qū)φ{(diào)焦評(píng)價(jià)函數(shù)曲線的影響，選用大小為720×576的58張紅外圖片，其中的A、B、C區(qū)域分別為以(300×380)、(220×200)、(600×90)像素點(diǎn)為中心大小為100×100的正方形區(qū)域。對(duì)聚焦區(qū)域A、聚焦區(qū)域B、聚焦區(qū)域C分別計(jì)算調(diào)焦評(píng)價(jià)函數(shù)值，調(diào)焦評(píng)價(jià)函數(shù)選用梯度平方函數(shù)，最終得到的特征曲線如圖4所示。

　從圖4(a)、(b)、(c)中可以看出，相對(duì)于B、C兩個(gè)聚焦區(qū)域，聚焦區(qū)域A的評(píng)價(jià)函數(shù)曲線在聚焦點(diǎn)附近仍保持了很高的靈敏度，而C區(qū)域的函數(shù)曲線圖4(c)與A、B兩個(gè)區(qū)域的函數(shù)曲線圖4(a)、(b)相比，不僅不能滿足單峰性，而且靈敏度低，還有很多局部“峰值”，可見C區(qū)域明顯不能滿足調(diào)焦曲線函數(shù)的要求。由圖4(d)可知，A區(qū)域正焦圖為第33幅，與系統(tǒng)給定的正焦圖片一樣，選擇A區(qū)域作為聚焦區(qū)域可以達(dá)到正確對(duì)焦的效果。而B區(qū)域正焦圖為第35幅，所選聚焦區(qū)域已經(jīng)造成了誤對(duì)焦，而且B區(qū)域的評(píng)價(jià)函數(shù)曲線還出現(xiàn)了不少局部“峰值”。
由于圖像噪聲近似為高斯白噪聲，噪聲點(diǎn)分布也是隨機(jī)的，所以不同聚焦區(qū)域的選擇總會(huì)引入一些噪聲，對(duì)無明顯邊緣信息的C窗口，調(diào)焦評(píng)價(jià)函數(shù)曲線出現(xiàn)隨機(jī)波動(dòng)，受噪聲的影響比較大；對(duì)于邊緣豐富的A窗口，調(diào)焦評(píng)價(jià)函數(shù)曲線單峰值尖銳。由此可以看到，在同樣引入了噪聲的情況下，聚焦窗口圖像邊緣能量[5]信噪比越高，對(duì)噪聲的抑制能力越強(qiáng)，評(píng)價(jià)函數(shù)曲線性能越好。從而證明了細(xì)節(jié)豐富的聚焦區(qū)域具有更好的調(diào)焦特征曲線。因此，選擇細(xì)節(jié)豐富的區(qū)域進(jìn)行調(diào)焦，對(duì)提高精度十分有利。
　為了分析既定的聚焦區(qū)域位置、不同大小的聚焦窗口對(duì)調(diào)焦評(píng)價(jià)函數(shù)曲線造成的影響，本研究選用A區(qū)域中(300×380)像素點(diǎn)為中心，分別繪出如圖3所示的不同大小的正方形，分別為10×10、50×50、100×100、120×120、150×150大小的窗口，得到調(diào)焦評(píng)價(jià)函數(shù)曲線分別如圖5、圖6所示。

　分析圖5可以得出：當(dāng)聚焦區(qū)域太小、包含的紅外圖像的信息太少時(shí)，調(diào)焦評(píng)價(jià)函數(shù)性能會(huì)變差或不能用于自動(dòng)調(diào)焦(如圖5(d))；當(dāng)聚焦區(qū)域?yàn)?0×50大小時(shí)，出現(xiàn)了局部峰值，不滿足單峰性，會(huì)干擾自動(dòng)調(diào)焦；當(dāng)聚焦區(qū)域進(jìn)一步縮小為10×10大小時(shí)(如圖5(a))，這時(shí)的區(qū)域內(nèi)所包含的紅外圖像信息被大幅度消減，曲線出現(xiàn)大幅波動(dòng)，已不符合調(diào)焦評(píng)價(jià)函數(shù)的選取要求。
　分析圖5和圖6可以得出：選用更大面積的聚焦區(qū)域不一定能使評(píng)價(jià)函數(shù)性能更好，如圖6(c)所示，150×150區(qū)域在第32幅圖的時(shí)候就已經(jīng)基本達(dá)到了最大值，100×100、120×120區(qū)域窗口的調(diào)焦評(píng)價(jià)函數(shù)曲線的靈敏度均要好于150×150區(qū)域窗口的評(píng)價(jià)函數(shù)曲線。

　通過以上的分析可知，聚焦區(qū)域選擇的重要原則是：盡可能選擇邊緣豐富的圖像區(qū)域，減少無邊緣的背景區(qū)域的選入，以避免引入更多的噪聲；當(dāng)所選聚焦區(qū)域太小，則調(diào)焦評(píng)價(jià)函數(shù)性能會(huì)變差或不能用于自動(dòng)調(diào)焦，應(yīng)盡可能選擇大的窗口以保持評(píng)價(jià)函數(shù)的穩(wěn)定性，但是越大的聚焦窗口評(píng)價(jià)函數(shù)性能未必就越好，反而可能引入越多無關(guān)的背景，因此，應(yīng)該盡可能少地引入無關(guān)的背景以保證評(píng)價(jià)函數(shù)的單峰性。
參考文獻(xiàn)
[1] ZHU K F. An effective focusing algorithm based on non-uniform Sampling[C].  IEEE VLSI’ 2005 Suzhou， 2005： 276-278.
[2] 陳琛.圖像式三坐標(biāo)測(cè)量?jī)x大范圍快速自動(dòng)調(diào)焦策略的研究[D].上海：上海交通大學(xué)，2008.
[3] 麻恒闊，魏國強(qiáng).基于圖像處理自動(dòng)調(diào)焦方法的穩(wěn)定性研究[J].航空精密制造技術(shù)，2007，43(2)：34-35.
[4] 李奇，徐之海.數(shù)字成像系統(tǒng)自動(dòng)對(duì)焦區(qū)域設(shè)計(jì)[J].光子學(xué)報(bào)，2002，31(1)：64-65.
[5] 周賢.基于圖像邊緣能量的自動(dòng)聚焦算法[J].光學(xué)技術(shù)，2006，32(2)：213-217.