在大倍率監(jiān)控?cái)z像機(jī)中,聚焦速度對(duì)攝像機(jī)有著重要的影響。為了提高聚焦速度和聚焦精度,通過對(duì)聚焦曲線的分析從而獲得聚焦曲面,利用聚焦曲面,在變倍或者移動(dòng)的同時(shí)進(jìn)行跟焦處理,結(jié)合數(shù)字圖像處理的方法,可以快速實(shí)現(xiàn)聚焦。為減小計(jì)算量,對(duì)分辨率為3840×2160的輸出數(shù)據(jù)進(jìn)行抽稀放縮,結(jié)合放縮后圖像特點(diǎn),使用快速DCT變換進(jìn)行清晰度評(píng)價(jià),從而實(shí)現(xiàn)局部小范圍精確聚集。基于4K分辨率的33倍光學(xué)變焦網(wǎng)絡(luò)攝像機(jī)對(duì)提出的算法進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明在保證畫面清晰的跟焦處理結(jié)束后3.7秒內(nèi)即可完成聚焦。 

【文章來源】：現(xiàn)代計(jì)算機(jī). 2019,(18)

【文章頁數(shù)】：6 頁

【部分圖文】：

不同物距下的聚焦曲線圖

翱冢??少計(jì)算�？紤]到攝像機(jī)所使用的復(fù)雜場景，且可直接輸出YUV數(shù)據(jù)，聚焦窗口必須以整個(gè)畫面為窗口進(jìn)行清新度評(píng)價(jià)，但真對(duì)高分辨率的圖像來說，全局檢測是非常慢的，尤其是使用DCT變換的方法[6]，對(duì)于大尺寸圖片，其運(yùn)算量非常之大，為減少計(jì)算量，本研究采用的方法是同時(shí)使用均勻抽稀和放縮法來減小圖片尺寸。首先獲取3840×2160的4K分辨率圖像的灰度信息，之后對(duì)灰度信息進(jìn)行抽稀從而縮小圖片的尺寸，之后對(duì)抽稀后的圖像進(jìn)行放縮，進(jìn)一步縮小圖片尺寸，最后對(duì)放縮后的圖片進(jìn)行清晰度計(jì)算，如圖4。數(shù)據(jù)經(jīng)過抽稀后，數(shù)量大量減少，并且基本保證能反映原圖形或曲線的基本形狀特征，能夠?yàn)檫M(jìn)一步的處理節(jié)省空間和時(shí)間。圖4抽稀結(jié)構(gòu)圖考慮到需要對(duì)全圖進(jìn)行清晰度評(píng)價(jià)的同時(shí)縮小圖片尺寸來減少計(jì)算量，本研究使用抽稀放縮法進(jìn)行構(gòu)建清晰度評(píng)價(jià)窗口，原因有以下三點(diǎn)，第一，由于監(jiān)控?cái)z像機(jī)應(yīng)用場景廣泛，可能會(huì)出現(xiàn)部分遮擋的情況，不能只利用局部的清晰度評(píng)價(jià)值來作為全圖清晰度值，防止發(fā)生近限聚焦（聚焦在較近的物體上）；第二，4K分辨率圖片數(shù)據(jù)量大，相比較而言，任何在此基礎(chǔ)上的計(jì)算都是非常慢的，無法做到實(shí)時(shí)處理，而由于相鄰數(shù)據(jù)變化最小，考慮使用抽取相鄰數(shù)據(jù)進(jìn)行縮減尺寸，但抽取量又不能大少，以防止發(fā)生嚴(yán)重失真；第三，抽稀后圖片相比較小，可以使用差值進(jìn)行縮放，以彌補(bǔ)由于抽稀導(dǎo)致的失真，同時(shí)進(jìn)一步減少尺寸，加快計(jì)算。22.2清晰度評(píng)價(jià)函數(shù)清晰度評(píng)價(jià)函數(shù)必須具有高靈敏度、單峰性、抗干擾性和簡潔性[7]，以保證能夠區(qū)分離焦和對(duì)焦?fàn)顟B(tài)的圖像。其函數(shù)有很多，基于統(tǒng)計(jì)信息的清晰度評(píng)價(jià)函數(shù)，基于變換域的清晰度評(píng)價(jià)函數(shù)，基于灰度的清晰度評(píng)價(jià)函數(shù)。由于通過抽稀?

研究與開發(fā)現(xiàn)代計(jì)算機(jī)2019.06下圖6實(shí)驗(yàn)場景圖實(shí)驗(yàn)使用MATLABR2017在Windows64位系統(tǒng)中進(jìn)行仿真，使用本研究所提算法結(jié)與其他算法進(jìn)行比較，試驗(yàn)中α=0.25，β=0.1，γ=0.15，δ=0.3，仿真結(jié)果如圖7。圖7仿真結(jié)果表1各評(píng)價(jià)函數(shù)用時(shí)比較由上述實(shí)驗(yàn)結(jié)果可以看出，速度最快的是基于灰度檢測的算法，但考慮到歸一化評(píng)價(jià)函數(shù)的靈敏性來說，傳統(tǒng)快速DCT變換以及本研究算法對(duì)其的改進(jìn)靈敏性最高，而從運(yùn)行時(shí)間上來說，而本研在速度和效果上均優(yōu)于傳統(tǒng)快速DCT變換，本算法的改進(jìn)DCT方法運(yùn)行時(shí)間不到傳統(tǒng)快速DCT的1/10，證明了算法正確性和有效性。33.2實(shí)際場景實(shí)驗(yàn)及分析將本算法應(yīng)用于33倍自研攝像機(jī)，結(jié)合激光測距對(duì)實(shí)際場景進(jìn)行自動(dòng)聚焦，聚焦時(shí)間如表2。表2實(shí)際場景聚焦時(shí)間表在表2中，遠(yuǎn)距離選取的是800米建筑物，中距離選取的25米建筑物，近距離選取的是3.5米帶有條紋的平面，而大倍率是在Zoom為-3032（放大約29倍），小倍率是在Zoom為13656（放大約2倍）。由上表可以看出，當(dāng)處于小倍率時(shí)，本研究所提算法，搜索區(qū)間較小，搜索次數(shù)較少，但是當(dāng)處于大倍率下，由于聚焦搜索區(qū)間較大，搜索次數(shù)較多，導(dǎo)致聚焦時(shí)間變長，而在以上場景中平均聚焦時(shí)間為3.707秒，只進(jìn)行兩次聚焦搜索，在聚焦時(shí)間有所優(yōu)化。4結(jié)語針對(duì)大倍率監(jiān)控?cái)z像機(jī)快速聚焦的要求，本文提出一種基于聚焦曲面為核心的快速聚焦的方法，同時(shí)針對(duì)4K分辨率的圖像使用抽稀放縮法縮減數(shù)據(jù)量，使用改進(jìn)型快速DCT變換作為評(píng)價(jià)函數(shù)，結(jié)合聚焦曲面的使用，提出了二次局部全搜索算法進(jìn)行峰值搜索。實(shí)驗(yàn)結(jié)果表明，該方法可以通過快速

【參考文獻(xiàn)】：
期刊論文
[1]基于DCT零系數(shù)和局部標(biāo)準(zhǔn)差的自動(dòng)聚焦算法[J]. 呂美妮,玉振明.  激光技術(shù). 2018(01)
[2]基于飽和像素剔除的自動(dòng)對(duì)焦評(píng)價(jià)函數(shù)[J]. 王燁茹,馮華君,徐之海,李奇,陳躍庭.  光學(xué)學(xué)報(bào). 2016(12)
[3]基于函數(shù)變化率的變閾值變步長自動(dòng)聚焦方法[J]. 張勁峰,張繼業(yè).  計(jì)算機(jī)工程. 2016(07)
[4]嚴(yán)重離焦?fàn)顟B(tài)下的自動(dòng)聚焦實(shí)現(xiàn)[J]. 蔣濤,左昉,王靈國.  激光技術(shù). 2015(06)
[5]應(yīng)用于大變倍監(jiān)控?cái)z像機(jī)的電動(dòng)變焦跟蹤[J]. 林忠,黃陳蓉,盧阿麗.  應(yīng)用光學(xué). 2015(05)
[6]變焦跟蹤曲線在對(duì)焦中的應(yīng)用[J]. 羅鈞,孫力,閔志盛.  光學(xué)精密工程. 2011(10)



本文編號(hào)：3383039