自动调焦方法在机载光电成像设备中的应用

2013-10-17邵明礼

电子科技 2013年6期

邵明礼

(洛阳电光设备研究所光电系统部，河南洛阳 471009)

1 自动调焦方法的优越性

基于图像处理的聚焦方法先分析出了图像的质量，随后获得成像状态，最终完成聚焦操作。通常分为离焦深度法(Data Flow Diagram，DFD)、对焦深度法(Dtype Flip Flop，DFF)两大类［1］。与传统自动对焦方式相比，基于图像处理的自动调焦方法实现了智能化、高速处理、集成化及低功耗等功能，具有广阔的发展前景。现有调焦方法比较情况如表1所示。

表1 现有调焦方法比较

2 基于图像处理的自动调焦方法

基于图像处理的聚焦方法有两项关键技术:(1)调焦搜索控制策略。(2)图像清晰度判断依据。调焦搜索控制策略的主要作用是确保自动调焦可快速、准确地调整驱动镜头，并使其在正焦位置上;图像清晰度判断依据为:正确调焦状态下，图像各点之间存在较强的灰度对比度，若调焦偏差越大，则将逐步降低灰度对比度。若是调焦正确的图像，细节会更加丰富，高频分量更多，自然对比度也更强烈。实现图像清晰度的比较，需要先找到计算机可直接进行比较的数值，因此基于图像处理的自动调焦方法关键环节是选取图像清晰度评价函数。图像清晰度评价函数主要发挥的作用为计算图像某一信息，然后依据所得数值是否直接对应图形清晰度提供调焦判断依据［2］。

3 清晰度评价函数

3.1 边缘检测算子

边缘轮廓是提供图像信息的主要依据，因此边缘提取和检测在图形处理过程中发挥了重要的作用，算法优劣对图像的处理效果将产生较大的影响。文中研究斜边缘检测算子(Sevel)和Mix算子。

(1)斜边缘检测算子。在实际图像中，图像较近像素间的灰度差可更加清晰的表现图像的边缘轮廓，可采用改进Sobel算子的斜边缘检测算子，如式(1)所示

将式(1)除以2可获得与Sobel算子相当的计算量。

(2)Mix算子。斜图像边缘和水平、垂直图像边缘内容相当，可采用下面的改进算子。其将Lean斜边缘检测算子、Sobel算子进行充分结合，形成Mix算子，如式(2)所示

Mix算子是对0°和 +45°方向像素灰度差值的计算［4］。

3.2 清晰度评价函数的选择

采用CCD相机进行航拍模拟试验。调节成和航空成像设备相似的数字焦距及焦深。采集了两组“不清晰-清晰-不清晰”flash图像［5］，一组有干扰噪音，另一组没有。采用9种函数对其清晰度评价值进行计算，归纳处理后的清晰度评价曲线如图1、图2所示。

图1 无干扰、噪声图像的9种清晰度评价函数评价曲线

图2 有干扰、噪声图像的9种清晰度评价函数评价曲线

如图1所示，除了ACM算子，其他算子的单峰性、无偏性均较好，且均在134处达到了最大清晰度评价值，表明此处是最佳成像位置［6］。如图2所示，存在干扰、噪音的状况下，算子、算子的灵敏度较好，可准确定位最佳成像位置，精度搜索时应用为宜;算子具有较宽的有效调焦区域，且运算量较小，对调焦的精确性、实时性进行了综合的考虑。

3.3 调焦区域选择

由于航空数码相机采用的是CCD传感器，达到数千万像素，若进行整幅图像的处理，会产生较大的计算量，对系统实时性带来影响，所以选择调焦区域尤为必要。通常采用的方式是选择图像中纹理性相对较为清晰的一块区域作为调焦区域［4］，在自动调焦时，选择的区域会进行整幅图像的像素点处理，进而增加了计算量，此方式存在局限性，可采用新型隔行隔列区域选择方式，图像大小为M×N，采用奇数行、列的像素点为调焦区域，此方式计算量仅为整幅图像处理方式的1/4［7］，适用于纹理分布较均匀的图像。

4 调焦控制策略

调焦控制策略分为调焦方向的判定及搜索评价函数特性曲线峰值。确定准确的特性曲线峰值定位可保证调焦控制策略更加优异［8］。文中将搜索算法分为粗搜索和精搜索两阶段，并着重分析了精搜索。

局部全局搜索法:(1)以粗搜索获得的最佳对焦位置为中心，选取5个采样点在局部搜索，步长为7;获得新对焦位置后，以其为中心选取3个采样点，局部内实施搜索，步长为2。(2)以粗搜索获得的最佳对焦位置为中心，选取11个采样点在局部搜索，步长为2。

变步长爬山搜索法:先设定调焦方向，依据计算获得图像评价函数值，与相邻帧评价函数值进行对比，达到最大函数值，为聚焦。此方式需注意调焦步长的选择，步长选择越小，调焦效率越低。依据图1和图2显示的调焦曲线特点，先进行粗搜索获得有效调焦区域，采用爬山式搜索，收敛至最佳对焦位置的附近后再准确定位到最佳对焦位置焦深范围［8］。

综合搜索法:先采用粗搜索获得最佳对焦位置，以此为中心选取5个采样点，实施爬山搜索，步长为7;获得新对焦位置后，再以其为中心选取3个采样点，局部内实施搜索，步长为2。