一种有效的对焦算法-智能与网络化系统研究所.doc

一种有效的非均匀采样对焦算法 摘要：在自动对焦系统，对焦窗口直接影响到速度和准确性的自动对焦。如果重点窗口过大或过小，重点将是不正确的结果，背景窗口或对象窗外。一种实用实时自动聚焦算法的数码相机，并提高了可靠性和速度自动对焦进程。该算法采用非均匀采样和阈值的梯度，以便获得更高分辨率的图像和更广泛的核心部分视野。利用该算法对我们的自动对焦系统，速度和准确性的重点改进和图像数据的减少。 实验结果表明，拟议的算法可以成为一种有效的替代品大部分图像，尤其是对图像中的物体重点是从窗户或物体没有内容强度的变化，重点窗口变化。 1 导言 所有的自动对焦系统可靠性和准确性是第一个和最重要尺度。 虽然自动对焦是一个长期的话题文学和各种重点算法已提出，选择合适的重点算法的各种图像和条件依然特设和费时。虽然这是很重要的，如何选择重点窗口自动对焦子图像目标图像的重点措施适用，很少被讨论前文件。在传统的方法，中央数字图像窗口被选中为重点的信号，但很难选择一个适当的重点窗口，以确保算法的准确性。首先，对象容易出选定的重点领域，如果窗口太小，然后系统可能获得图像的模糊对象。另外，它包含太多的背景下，如果过于注重窗口大的。因此，大集中的窗口也可导致以模糊图像。为了解决这一问题，非均匀采样中使用，以获得更高的决议在图像中央部分和更广泛的视野。 2：高斯非均匀采样介绍 假设（p，θ ）是指像素的位置输出图像和（p，θ）表示相应的像素位置的输入图像中的极坐标。像素的位置是离散的数字图像，因此，距离像素的中心可以被界定为下列顺序， (k= 0 ， 1 ， -. ; n ）与样本S（k）k=0,1,...n) 采样率可以被界定为M*N假定大小的图像和非均匀采样的图像，然后输入图像之间的相互关系和输出图像 非均匀采样参数， P是距离采样像素之间的中心。据了解，a确定了采样率的形象中心和p确定采样率的图像边缘。 3 .AUTO聚焦算法 各种各样的重点算法已经提出并相比，在文献中。输出的一个理想的重点算法是指有一个最大的价值在最集中的形象/地位和减少的焦增加。所有的算法可分为以下群体。 3.1 。导数为基础的算法 这些算法假定重点突出图像，有更多的高频率的内容比弥散图像。相邻像素的图像高频率的内容强度的变化，清晰边缘。为了适用于高通滤波，这些法适用于卷积面具的形象获得衍生产品。随后不同规范用于计算的规模衍生物载体。 能源拉普拉斯例如。该算法的形象与卷积： 派生的c（X和Y ）。最后输出的总和广场的卷积结果。 3.2 统计算法 这些统计算法区分重点图像离焦图像使用方差和相关。他们离焦图像差异和使用相关采取标准化差额的例子。通过正常化的最后产出的平均强度，该算法弥补的分歧图像平均强度在不同的图像。 3.3 其他算法 阈值的像素内容款项强度高于开始。 图像功率款项的平方图像强度 上述某一阈值。 4 修正的非均匀采样自动对焦系统 目前，大多数的数码相机系统的小重点窗口的像素不超过5％整个形象和的主要因素之一领先对模糊图像的是，选定重点窗口太小，以遏制重点对象。增加聚焦窗口不仅导致低计算速度，而且还导致大量比例的背景。这些结果都负面影响将重点放在健全和可靠性和相应的数码相机系统是偶然以获取不当图片。因此，重点窗口不能改善重点强劲和可靠性，有效如果一个重点窗口大视场，也没有负面影响的背景是获得问题上述将得到有效解决。发现输出图像使用适当非均匀采样的图像预处理符合正确。基于上述讨论，我们进一步研究非均匀采样，并提出了新的和有效的算法自动对焦系统。高斯非均匀采样介绍和修改高斯非均匀采样建议，以满足自动对焦的要求。修改后的高斯非均匀采样，给出了 意味输出图像和（ p ，θ）表示相应的像素位置的输入图像中的极坐标， R是半径的中部地区与不变的采样率，S（k）是高斯非均匀采样频率。那个高斯参数之间的相互关系和数据大量输出图像 5 试验结果 原始图像相比较的输出图像修改后使用高斯非均匀采样在图1 。 显然，非均匀采样图像具有很高的决议中的中心和较低分辨率的边缘其中，确保重点对象存在于重点窗口和背景最低负面影响。由于非均匀采样线索大视场和减少背景比例通过低分辨率的边缘，这是显然，提出非均匀采样成功地解决了冲突的选择适当的集中窗口，即小集中窗口导致错误的结果为重点对象的该中心和大型重点窗口诱导比例的背景和计算数据增加。我们采用了一种衍生物为基础的算法在非均匀采样的数字图像显示在图2 。 这些样品，获得了我们自己的数字摄像系统。它们是一系列数字图像载有相同的物体从散焦到重点，以散焦相应地。图2显示了最佳的重点形象系列。在实验图像，对象是玩具偏离中部地区和背景是书架的背面对象。此外， 背景是复杂的，而且包含了更多图像细