申请/专利权人：中国海洋大学

申请日：2021-10-26

公开（公告）日：2024-04-26

公开（公告）号：CN113989143B

主分类号：G06T5/70

分类号：G06T5/70;G06T5/73;H04N23/67

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明涉及一种基于推扫式水下高光谱原始图像的高精度快速检焦方法，包括：采集推扫式水下高光谱原始图像；进行双线性插值下采样，得到采样图；对采样图进行噪声抑制；进行有重叠的Laplacian算子加权，计算每个图像子块的中心像素点灰度值；灰度值求和，辨识出最佳粗对焦位置；调焦步进电机，采集推扫式水下高光谱原始图像；进行边缘保持；采用频率域小波变换分解上述滤波图像，重组上述滤波图像；得到推扫式水下高光谱原始图像的细对焦评估值；完成对焦辨识。本发明得到的图像对焦评估值具有较好的实时性、单峰性、环境适用性和抗噪性，细对焦辨识算法较粗对焦辨识算法具有更好的函数灵敏性。

主权项：1.一种基于推扫式水下高光谱原始图像的高精度快速检焦方法，其特征在于，包括以下步骤：步骤S1：调焦步进电机，采集调焦步进电机旋转步数处的水下高光谱原始图像；步骤S2：求取推扫式水下高光谱原始图像的采样图；步骤S3：对推扫式水下高光谱原始图像的采样图进行噪声抑制，实现推扫式水下高光谱原始图像的采样图对比度的提升、暗区细节的增强以及假边缘信息的抑制，得到噪声抑制图像；步骤S4：对噪声抑制图像进行有重叠的分块，通过计算每个噪声抑制图像子块的Laplacian算子加权之和，作为每个图像子块的中心像素点灰度值，得到空域锐度图像；步骤S5：通过对步骤S4所述的空域锐度图像的所有灰度值求和，得到该对焦位置的推扫式水下高光谱原始图像的粗对焦值，通过比较不同对焦位置图像的粗对焦值，辨识出最佳对焦位置的原始图像序号，通过原始图像序号与步进电机的旋转步数的对应关系，得到最佳粗对焦电机旋转位置；步骤S6：调焦步进电机旋转至最佳粗对焦位置以及最佳粗对焦位置左右各相同个数焦深对应的步数位置，采集推扫式水下高光谱原始图像；步骤S7：对步骤S6采集的推扫式水下高光谱原始图像进行边缘保持，噪声消除且主要边缘的梯度变形问题得到克服的滤波处理，得到细对焦滤波图像；步骤S8：采用频率域小波变换分解步骤S7得到的滤波图像，重组步骤S7得到的滤波图像，得到细对焦重组图像；步骤S9：对步骤S8得到的细对焦重组图像进行有重叠的分块以及通过改进的Laplacian算子加权求和每个图像子块，作为每个图像子块的中心像素点灰度值，得到改进的细对焦空域锐度图像灰度值；步骤S10：通过对步骤S9得到的改进的细对焦空域锐度图像灰度值进行求和，得到不同对焦位置的推扫式水下高光谱原始图像的细对焦值，比较不同对焦位置下的高光谱原始图像的对焦评价函数值，完成对焦辨识；步骤S2中，对推扫式水下高光谱原始图像进行改进的基于峰值信噪比和结构相似性的双线性插值下采样，求取推扫式水下高光谱原始图像的采样图；改进的基于峰值信噪比和结构相似性的双线性插值下采样的方法具体如下：a步骤S1采集到的所有水下高光谱原始图像进行A×B倍的双线性插值下采样，双线性插值下采用如下方式：假设原始图像的高度和宽度分别为srcH、srcW，得到采样图像的高度和宽度分别为desH＝stcH*A、desW＝srcW*B，则插值点坐标x，y的灰度值f1x，y由向后空间映射法得到的原始图像上的坐标位置x+u，y+v，与x+u，y+v相邻的四个坐标位置的灰度值fi，j，fi+1，j，fi，j+1和fi+1，j+1确定：f1x，y＝1-t*1-u*fi，j+1-t*u*fi+1，j+t*1-u*fi，j+1+t*u*fi+1，j+1；u，v分别表示插值点坐标x，y与坐标x+u，y+v在水平和垂直方向的浮点距离；u＝srcH-1desH-1*x；v＝srcW-1desW-1*y；其中，x，y为正整数，0＜x＜desH，0＜y＜desW；b对插值后的下采样图像f1x，y，放大1A×1B倍，得到新灰度值f1′x，y，计算f1′x，y与fx，y的结构相似性SSIMX，Y和峰值信噪比PSNRX，Y：SSIMX，Y的求取公式如式I所示： 式I中，X，Y表示图像f1′x，y、fx，y进行高斯滤波窗口加权计算的结果；conX，Y表示X与Y之间的协方差，C1，C2为常数，L为图像的灰度级，μX、μY分别为X和Y的均值，δX2、δY2分别为X和Y的标准差；PSNRX，Y的求取公式如式II、式III所示： 式II、式III中，X，Y表示图像f1′x，y和fx，y，srcH为图像高度，srcW为图像宽度；c统计SSIMX，Y小于0.8和SNRX，Y小于20dB出现的次数，对SSIMX，Y小于0.8的次数大于80％原始图像数量且PSNRX，Y小于20dB的次数大于80％原始图像数量的情况，采用如下方式重新获取下采样图像，否则，仅执行a和b；具体方式如下：首先，对水下高光谱原始图像分别进行A×B倍的双线性插值下采样和最近邻插值下采样；双线性插值下采样方式如步骤a所示，得到插值点坐标x，y的灰度值g1x，y＝f1x，y，最近邻插值下采样得到插值点坐标x，y的灰度值g2x，y，g2x，y由插值点坐标x，y向后空间映射得到原始图像上的坐标x+u，y+v，与坐标x+u，y+v相邻的四个坐标位置i，j，i+1，j，i，j+1、i+1，j+1的欧式距离最短的一个坐标位置的灰度值确定，如式IV所示：g2x，y＝fi′，j′IV式IV中，i′，j′为坐标x，y与坐标i，j，i+1，j，i，j+1、i+1，j+1欧式距离最短的一个坐标位置；u，t分别表示插值点坐标x，y与坐标x+u，y+v在水平和垂直方向的浮点距离，u＝srcH-1desH-1*x；v＝srcW-1desW-1*y；其次，重新求取插值点坐标x，y的灰度值f1′x，y，f1′x，y由g1x，y与g2x，y的加权融合获得，加权融合的权重系数由插值点周边的4个相邻点像素的灰度方差构造，求取公式如式V所示：f1′x，y＝w1*g1x，y+w2g2x，yV式V中，w2＝1-w1，δ为插值点周边的8个相邻点像素的灰度方差，x，y为正整数，0＜x＜desH，0＜y＜desW；对推扫式水下高光谱原始图像的采样图进行噪声抑制，实现推扫式水下高光谱原始图像的采样图对比度的提升、暗区细节的增强以及假边缘信息的抑制，得到噪声抑制图像；具体如下：d对推扫式水下高光谱原始图像的采样图进行中值滤波和同态滤波；中值滤波采用N×N的选定区域，选定区域内的所有像素依据灰度值大小排序，序列的中间值作为选取的中心像素点的灰度值，得到x，y处的中值滤波灰度值f2x，y，求取公式如式VI所示：f2x，y＝med{fx±K，y±LVI式VI中，K、L、x，y为正整数，K≤N-12，L≤N-12，0＜x＜desH，0＜y＜desW；同态滤波具体采用如下方式：首先，假设x，y处的中值滤波灰度值f2x，y，表示成照度分量i2x，y与反射分量r2x，y的乘积，如式VII所示：f2x，y＝i2x，y+r2x，yVII对中值滤波灰度值f2x，y进行对数变换和傅里叶变换，如式VIII所示：DFT[Inf2x，y]＝DFT[Ini2x，y]+DFT[Inr2x，y]VIII其次，使用频域滤波器Hu，v进行处理灰度值的频域滤波，Hu，v使用的公式如式IX所示： 式IX中，m，n为动态算子，rH代表高频增益，rL代表低频增益，常数c介于rH与rL之间，D0为截止频率，Du，v为点u，v到灰度值f2x，y取对数且Fourier变换后的中心点的距离；最后，上述频域滤波结果通过逆傅里叶变换返回空域对数图像，通过指数变换获取空域滤波图像，得到x，y处的灰度值为f3x，y，如式X所示：f3x，y＝expIDFTDFTInf2x，y*Hu，vX式X中，x，y都为整数，且0＜x＜desH，0＜y＜desW；e计算灰度值f1x，y与f3x，y的边缘保持指数EPI，EPI采用的公式如式XI所示： 式XI中，H＝desH为下采样图像高度，W＝desW为下采样图像宽度；f1x，y为下采样图像灰度值，f3x，y为采用中值和同态滤波进行噪声抑制得到的图像灰度值；f统计EPI小于0.8的噪声抑制图像出现的次数，对EPI值小于0.8的次数大于80％原始图像数量的情况，采用增大同态滤波处理中的高频增益rH和中值滤波处理中的选定区域的方式重新进行噪声抑制处理，否则，仅执行d和e的操作；步骤S9中，改进的Laplacian算子加权的具体过程如下：g对S8得到的重组图像灰度值F2x，y进行有重叠的分块以及通过改进的Laplacian算子H1、H2、H3和H4分别加权求和每个图像子块，作为每个图像子块的中心像素点灰度值，得到改进的细对焦空域锐度图像灰度值F3H1x，y、F3H2x，y、F3H3x，y和F3H4x，y，其中H1＝[-1，-1，-1；2，2，2；-1，-1，-1]；H2＝[-1，-1，2；-1，2，-1；2，-1，-1]；H3＝[-1，2，-1；-1，2，-1；-1，2，-1]；H2＝[2，-1，-1；-1，2，-1；-1，-1，2]；F3H1x，y＝-f2x-1，y+1-f2x，y+1-f2x+1，y+1+2f2x-1，y+2f2x，y+2f2x+1，y-f2x-1，y-1-f2x，y-1-f2x+1，y+1；F3H2x，y＝-f2x-1，y+1-f2x，y+1+2f2x+1，y+1-f2x-1，y+2f2x，y-f2x+1，y+2f2x-1，y-1-f2x，y-1-f2x+1，y+1；F3H3x，y＝-f2x-1，y+1+2f2x，y+1-f2x+1，y+1-f2x-1，y+2f2x，y-f2x+1，y-f2x-1，y-1+2f2x，y-1-f2x+1，y+1；F3H4x，y＝2f2x-1，y+1-f2x，y+1-f2x+1，y+1-f2x-1，y+2f2x，y-f2x+1，y-f2x-1，y-1-f2x，y-1+2f2x+1，y+1；h比较上述四种加权方式每个图像子块的中心像素点灰度值，分别取最大值作为模板中心像素点x，y处的图像像素灰度值记为F3x，y，如式XIX所示：F3x，y＝max{F3H1x，y，F3H2x，y，F3H3x，y，F3H4x，y}XIX式XIX中，x，y都为整数，0＜x＜srcH2，0＜y＜srcW2；i通过对F3x，y的所有灰度值求和，得到该对焦位置处的推扫式水下高光谱原始图像的细对焦值T，如式XX所示：

全文数据：

权利要求：

百度查询： 中国海洋大学 一种基于推扫式水下高光谱原始图像的高精度快速检焦方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD