基于边缘特征的光学图像清晰度判定_精品文档.pdf

1、第3 6 卷第1 期2 0 0 9 年1 月中国激光C H I N E S EJ O U R N A L0 FL A S E R SV 0 1 3 6，N o 1J a n u a r y，2 0 0 9文章编号：0 2 5 8-7 0 2 5(2 0 0 9)0 1-0 1 7 2 0 5基于边缘特征的光学图像清晰度判定倪军1袁家虎2吴钦章2(1 中国计量学院光学与电子科技学院，浙江杭州3 1 0 0 1 8；2 中国科学院光电技术研究所，I g t)l I 成都6 1 0 2 0 9)摘要在大型光学跟踪探测系统中，频繁的自动对焦会导致光轴晃动。引起拍摄的图像产生抖动，对光学设备测量精度产生

2、影响。针对实时光电探测设备的自动对焦技术，提出一种对当前图像的清晰程度判断的快速算法。根据图像的清晰程度，决定光学设备的自动对焦触发时间。首先对目标区域进行变换，得到典型目标区域的梯度，检测日标的边缘线及其方向，对梯度数值拟合，计算边缘的锐度分布。根据光学测量设备的分割精度要求事先确定阈值，通过锐度分布函数值，决定光学测量系统是否需要自动对焦。通过对上万帧不同序列图像的测试，该算法判断的有效性达到9 3。判断一帧图像的时间在2m s 以内。关键词图像处理；图像清晰度；自动调焦；边缘特征中图分类号T P 3 9 1 4 1文献标识码Ad o i：1 0 3 7 8 8 C J L 2 0 0 9

3、 3 6 0 1 0 1 7 2I d e n t i f i c a t i o nf o rO p t i c a lI m a g eD e f i n i t i o nB a s e do nE d g eF e a t u r eN iJu n lY u a nJ i a h u 2W uQ i n z h a n 9 2，1C o l l e g eo fO p t i c a la n dE l e c t r o n i cT e c h n o l o g y，C h i n aJ i l i a n gU n i v e r s i t y，H a n g z h o u

4、，加巧i a n g3 1 0 0 1 8，C h i n a、2I n s t i t u t eo fO p t i c sa n dE l e c t r o n i c s，C h i n e s eA c a d e m yo fS c i e n c e s，C h e n g d u，S i c h u a n61 0 2 0 9，C h i n aA b s t r a c tI no p t i c st r a c k i n ga n dd e t e c t i o ns y s t e m，f r e q u e n ta u t o f o C U Sa l w a

5、 y sr e s u l ti ns h a k eo fa x e s。w h i c hw i l lc a u s ei m a g et Ow o b b l e An e wa l g o r i t h mt h a tc a ne s t i m a t ec u r r e n tf r a m ei m a g eo fo p t i ce q u i p m e n tb ei nf o c u so rn o ti sp r o p o s e di nt h i sp a p e r A c c o r d i n gt Oc u r r e n ti m a g e

6、b ei nf o c u so rn o ta n dc o r r e s p o n d i n gt h r e s h o l d，o p t i cc o n t r o ls y s t e mc a nc h o o s et h et i m eo fa u t of o c u sa u t o m a t i s m T h ea l g o r i t h mm e a s u r e so b j e c te d g ea n de d g ed i r e c t i o n，t h e ng e ts e v e r a lg r a d sp o i n t

7、sa l o n gt h en o r m a ll i n ea n dc a l c u l a t ee d g es h a r p n e s sv a l u e B a s e do nt h em e a s u r ep r e c i s i o no fo p t i c e q u i p m e n t，at h r e s h o l dv a l u ew i l lb es e tb e f o r e h a n d I fe d g es h a r p n e s sv a l u ei sm o r et h a nt h r e s h o l dv

8、 a l u e，i tc a nc o n c l u d ec u r r e n tf r a m ed i g i t a li m a g ei si nf o c u s I fi m a g ei so u to ff o c u s，o p t i c ss y s t e mt h e nt a k e sa u t o f o c u sp r o g r a m T h i sa l g o r i t h mt e s ts e v e r a lt h o u s a n d so fd i g i t a li m a g e sb eg e tf r o mo p

9、 t i c st r a c k i n ga n dd e t e c t i o ns y s t e m，t h er e s u l ts h o w st h a tc o r r e c t n e s so ft h i sa l g o r i t h mi sm o r et h a n9 3 I tc a nf i n i s hp r o c e s s i n go n ei m a g ed u r i n gt h et i m eo f2m s K e yw o r d si m a g ep r o c e s s i n g；i m a g ed e f i

10、 n i t i o n；a u t o m a t i cf o c u s i n g；e d g ef e a t u r e1引言光学成像跟踪系统在对目标测量时，图像清晰是保证跟踪稳定的基础，所以现代光学成像跟踪系统需要有实时自动调焦的功能。自动调焦的方法有多种，基于图像处理的方法是目前自动调焦的方向L l 矗j。现有的自动调焦研究主要是针对静止目标，根据清晰度判断函数的值，通过大步距粗调焦找到准焦位置附近，再通过小步距细调焦找到精确的准焦面。光学成像跟踪系统用于对空问动态目标的测量，要保持动态目标的图像持续清晰，就要在目标跟踪过程中，间隔一段时间就触发自动调焦控制程序，进行连续自动调

11、焦。然而，现有的基于图像处理的调焦方法中，计算得到的清晰度函数值只能反映图像的相对清晰度，无法反映当前图像主观的清晰质量 4 。这就带来一个问题，如果自动调焦初始，镜头已经在准焦面位置，当前图像本身是清晰的，灰度层次分明。根据自动调焦策略【5 j，镜头需要先移动一大步距，在不同的焦面位置计算评价函数L 6 汀】。这样，镜头就从准焦面位置移动到离焦位置，造成图像从原本清晰状态变成模糊状态。对目标跟踪的稳收稿日期：2 0 0 8 0 8 2 0；收到修改稿日期：2 0 0 8 0 9 2 4作者简介：倪军(1 9 7 1 一)，男，博士，讲师，主要从事光电成像跟踪、图像处理技术等方面的研究。E-m

12、 a i l：n j u n l l 6 4 2 1 2 6 c o m万方数据1 期倪军等：基于边缘特征的光学图像清晰度判定1 7 3定性和测量精度造成影响。为解决这一问题，有必要在自动调焦前，也就是调焦镜头移动位置前，判断当前图像在视觉卜的清晰度，如果灰度层次分明，边缘清晰，就不需要触发自动调焦程序。本文根据空间动态目标图像特点和人眼视觉特性，对边缘过渡确定一个二维阈值，判断图像的边缘锐度分布特征与阈值进行比较，得到当l j 图像的清晰度质量信息，决定当前是否需要自动调焦。该方法解决了连续自动调焦系统存在的误触发问题。2图像清晰度评价一般方法对图像的清晰质量有主观评价方法和客观评价方法8

13、1。主观评价方法就是让观察者根据事先规定的法则和主观经验，对图像清晰效果给出质量判断对观察者给出的分数进行加权等处理，最终的成绩就是图像主观清晰度评价。主观评价主要有两种度量尺度，绝对尺度和相对尺度，如表1 所示。表1 主观清晰度评价尺度T a b l e1M e a s u r eo fs u b j e c t i v ed e f i n i t i o na s s e s s m e n t主观方法可以比好地反映图像主观质量，但难以用数学模型进行描述，在工程上不实用。实际应用中，主观测试方法受到严重限制。客观评价方法根据用到的原图像信息的多少，分成全参考评价，部分参考评价，无参考评价

14、三种。全参考评价：该方法需要有源图像信息，用被测图像偏离原始图像的误差来衡量被测图像的清晰质量，其常用的参数有均方误差(M S E)和峰值信噪比(P S N R)。均方误差表达式为肛1N 一1M S E 一 州，一 嘶，2(M N)，(1)f OJ=O“，幻，分别表示原始图像和待比较图像的灰度，M N 表示图像的高与宽。峰值信噪比为以P S N R 一1 0 1 9 丽J m a x，(2)式中厶。=m a x f “，)常取2 5 5M S E 为 的均方值。M S E 和P S N R 作为经典的客观评价指标既直观又严格，但评价结果往往与人的主观视觉效果不一致。部分参考的评价方法是利用部分

15、特征信息比较，包括基于原图像的特征提取和基于非原图像特征信息添加两种方法。事实上，在很多场合下都无法或较难获得参考图像进行对比，如成像系统，用户终端设备等 9 10。，因此无参考评价算法更加困难。无参考源评价体系的研究还处于起步阶段，然而近来这个主题吸引了很大的关注。V Q E G(V i d e oq u a l i t ye x p e r t sg r o u p)将无参考的图像清晰质量评价标准化作为未来的工作方向之一 1 1|，基于边缘特征的图像清晰度判定就是从边缘过渡特征判断单幅图像的清晰程度，属于无参考源图像的评价。3图像边缘描述边缘是图像最基本的特征之一，通过图像边缘形状，可以反

16、映目标的清晰程度。一条理想的边缘具有如图l(a)所示模型的特征，这个模型生成的理想边缘是一组相连像素的集合，每个像素都处在灰度级跃变的一个垂直台阶上。图1 边缘过渡不意图。(a)理想边缘，(b)实际边缘F i g 1S k e t c hm a po fe d g et r a n s i t i o n(a)I d e a le d g e，(b)p r a c t i c a le d g e实际上，光学系统、采样、图像采集的不完善使得实际图像的边缘是模糊的，模糊程度与采集系统的性能、取样率、照明条件和离焦量有关。所以实际边缘是一个具有过渡区的斜面 12 1。如图1(b)所示。如果通过数学参数来表示图像边缘的过渡区宽度，那么就可根据参数数值知道图像的清晰程度。为获取边缘过渡区的数学描述，实验中实际采集了一组清晰到模糊的图像序列。如图2 所示，图2 不同模糊程度图像。(a)清晰图像，(b)离焦图像F i g 2O u to ff o c u ss e r i e si m a g e s(a)I nf o c u si m a g e，(b)v a g u ei m a g e万方数