基于surf特征的自動(dòng)聚焦區(qū)域選擇算法

《基于surf特征的自動(dòng)聚焦區(qū)域選擇算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、基于SURF特征的自動(dòng)聚焦區(qū)域選擇算法摘要：電子經(jīng)緯儀在測(cè)量過程中，要使不同距離處的測(cè)量標(biāo)志在目鏡中成像清晰，需要通過對(duì)物鏡進(jìn)行精確調(diào)焦來完成。聚焦區(qū)域大小和位置的判斷是自動(dòng)聚焦的一個(gè)關(guān)鍵點(diǎn)。本文將SURF算法運(yùn)用在自動(dòng)對(duì)焦的窗口選擇中，待搜索圖像經(jīng)過SURF匹配后，獲得目標(biāo)圖像在待搜索圖像中四個(gè)頂點(diǎn)位置，即聚焦窗口。通過實(shí)驗(yàn)證明，這種方法適用于聚焦目標(biāo)特定的情況，鎖定目標(biāo)圖像后，清晰度評(píng)價(jià)函數(shù)所需的高頻部分完全來自目標(biāo)圖像，克服了目標(biāo)圖像偏離中央和高亮目標(biāo)引起的誤對(duì)焦。關(guān)鍵詞：聚焦窗口；SURF；電子經(jīng)緯儀；Tenengrad評(píng)價(jià)函數(shù)；閾值梯度中圖分類號(hào)：C35文獻(xiàn)標(biāo)識(shí)碼：A1引言

2、電子經(jīng)緯儀是獲取地理信息的重要工具之一，它是一種依靠機(jī)械加工保證測(cè)量精度的儀器，測(cè)角精度可達(dá)0.5〃o一般來說對(duì)于一個(gè)熟練的經(jīng)緯儀操作人員，人眼單次照準(zhǔn)目標(biāo)引起的角度誤差約為3〃；且不同測(cè)量操作人員對(duì)經(jīng)緯儀使用的熟練程度也會(huì)產(chǎn)生不同的測(cè)量精度。照準(zhǔn)誤差的存在使得經(jīng)緯儀測(cè)量誤差遠(yuǎn)遠(yuǎn)不能達(dá)到標(biāo)稱精度?；谝陨显颍枰邪l(fā)一套經(jīng)緯儀自動(dòng)化照準(zhǔn)系統(tǒng)。獲得清晰的目標(biāo)影像是研制經(jīng)緯儀自動(dòng)照準(zhǔn)系統(tǒng)的第一步?，F(xiàn)有的聚焦評(píng)價(jià)函數(shù)在一定程度上能夠克服高噪聲或高亮目標(biāo)對(duì)圖像的影響，但當(dāng)圖像中包含不同景深的多個(gè)物體，或目標(biāo)與背景對(duì)比度較小時(shí)，還是很難避免誤聚焦現(xiàn)象。為了保證聚焦成功,一副圖像中聚焦區(qū)域大小

3、和位置的判斷是自動(dòng)聚焦的一個(gè)關(guān)鍵點(diǎn)。常規(guī)的聚焦窗口選擇算法有中心取窗區(qū)域選擇算法和多點(diǎn)取窗區(qū)域選擇算法。前者是利用單點(diǎn)固定區(qū)域，選擇圖像中央?yún)^(qū)域像素進(jìn)行聚焦評(píng)價(jià)函數(shù)計(jì)算，聚焦窗體大小由目標(biāo)圖像實(shí)際位置決定［1,2］；后者通常是對(duì)圖像進(jìn)行統(tǒng)計(jì),給出一個(gè)最優(yōu)化的主體景物估計(jì)區(qū)域，然后取多點(diǎn)窗口作為聚焦區(qū)域［3］。目前大多數(shù)文獻(xiàn)都是研究聚焦評(píng)價(jià)函數(shù)，很少提及聚焦窗口的選擇問題，一般都是選取圖像的中心區(qū)域作為聚焦窗口，但實(shí)際很難保證目標(biāo)總是處于圖像中心區(qū)域。當(dāng)目標(biāo)圖像偏離中心時(shí)，往往會(huì)因聚焦窗口選入過多背景圖像導(dǎo)致聚焦性能下降甚至聚焦失敗。電子經(jīng)緯儀瞄準(zhǔn)的目標(biāo)是測(cè)量標(biāo)志中心，即自動(dòng)聚焦時(shí)，無

4、論測(cè)量標(biāo)志位于前景還是背景，我們始終需要獲得清晰的測(cè)量標(biāo)志。本文針對(duì)上述問題提出了一種新的方法確定聚焦窗口：對(duì)圖像進(jìn)行SURF特征匹配，確定感興趣區(qū)域位置，直接將聚焦窗口定義在感興趣區(qū)域上。2研究方法2.1SURF特征區(qū)域選擇算法描述SURF(speededuprobustfeatured)［4］是一種尺度不變和旋轉(zhuǎn)不變的特征點(diǎn)檢測(cè)子和描述子，具有速度快，魯棒性好的特點(diǎn)。SURF分為特征點(diǎn)檢測(cè)和特征描述子生成兩部分。在特征點(diǎn)檢測(cè)部分，利用積分圖像，使用快速Hessian檢測(cè)子在尺度空間提取圖像特征點(diǎn)；在特征描述子生成部分，首先確定每個(gè)特征點(diǎn)的主方向，然后沿著主方向構(gòu)造一個(gè)窗口區(qū)域，在

5、窗口內(nèi)提取一個(gè)64維向量，用該向量描述特征點(diǎn)［5］?；赟URF算法的自動(dòng)聚焦算法流程，如圖1所示，先提取模板圖像，即特定的測(cè)量標(biāo)志點(diǎn)，并計(jì)算出模板圖像的特征點(diǎn)；通過攝像頭捕捉圖像，作為待搜索圖像，計(jì)算出待搜索圖像的特征點(diǎn)；特征匹配，把待搜索圖像的SURF特征點(diǎn)和模板圖像的SURF特征點(diǎn)進(jìn)行匹配，找到待搜索圖像中模板圖像的四個(gè)頂點(diǎn)位置，即聚焦窗口；將該聚焦窗口作為同場(chǎng)景序列圖像的聚焦窗口。選取大小為415X409的圖像為模板圖像，取大小為2560X1920的兩副圖像為待搜索圖像，經(jīng)過SURF算法后，獲得模板圖像在第一幅待搜索圖像中四個(gè)頂點(diǎn)位置(496,379),(911,379),(

6、911,788),(496,788),在第二幅待搜索圖像中四個(gè)頂點(diǎn)位置(82,524),(637,157),(1002,738),(426,1108),如圖2(a)和⑹所示。兩副待搜索圖像描述場(chǎng)景相同，攝像頭經(jīng)過旋轉(zhuǎn)和傾斜后，采集到第二幅圖像，經(jīng)模板匹配，仍獲得模板圖像在待搜索圖像中位置。SURF算法具有尺度，旋轉(zhuǎn)和傾斜不變性，對(duì)縮放、小視角改變、噪聲、亮度變化具有很好的適應(yīng)性強(qiáng)。用目標(biāo)四個(gè)頂點(diǎn)位置定義聚焦窗口，不僅縮小聚焦區(qū)域，減小計(jì)算量，加快聚焦速度；并且鎖定目標(biāo)，避免混入大量背景影響評(píng)價(jià)函數(shù)精確度，有效的減小了噪聲和高亮目標(biāo)的影響。2.2SURF-梯度-閾值聚焦評(píng)價(jià)函數(shù)傳統(tǒng)的自

7、動(dòng)聚焦算法有灰度變化函數(shù)、梯度變化函數(shù)、圖像灰度爛函數(shù)以及頻域類函數(shù)等四大類［6］。本文采用梯度變化函數(shù)中的Tenengrad聚焦評(píng)價(jià)函數(shù)進(jìn)行評(píng)判，考慮到模糊圖像小梯度的像素?cái)?shù)多于清晰圖像，使得圖像在過渡帶區(qū)域內(nèi)某點(diǎn)的梯度值雖然較小，但梯度和較大或者和清晰圖像相當(dāng)，影響評(píng)價(jià)函數(shù)的準(zhǔn)確性和有效性，所以，采用對(duì)梯度矩陣進(jìn)行閾值M處理，去掉較小的梯度值［7］。同時(shí)，在對(duì)圖像進(jìn)行微分運(yùn)算或梯度運(yùn)算的操作后，雖然獲得了圖像的邊緣及細(xì)節(jié)信息，但同時(shí)也加強(qiáng)了噪聲，為了避