基于图像清晰度的自动调焦方法

摘要：为了实现经纬仪的自动视频调焦，建立了自适应视频调焦系统。对该系统所采用的图像清晰度评价算法进行研究。根据图像模糊的高斯模型介绍了基于结构相似度的评价方法。以该方法为核心提出了基于二次模糊的、边缘点定位的、无参考梯度图像清晰度评价算法，给出了该评价方法的计算过程。实验结果表明：画幅大小为512×512；帧频为20Hz；闭环稳定时间小于2s，调焦精度优于0.02mm。基本满足经纬仪视频调焦测量的稳定可靠、精度高、抗干扰能力强等要求。

关键词：视频调焦 结构相似度 二次模糊 爬山法

中图分类号： TP394.1 文献标识码：A 文章编号：1007-9416（2015）12-0000-00

1 引言

经纬仪是依靠光学成像完成测量任务的设备。提供高清晰度高质量的图像是其主要用途。由光学成像系统的结构可知，当摄像机靶面和光学系统的像面重合时，将获得最佳清晰度的图像。目标的距离不同，像面位置也不同。调焦系统通过镜组的移动改变像面的位置使其一直和靶面重合。调焦的方式有两种：一种是自动调焦，另一种方式是手动调焦，不能达到最佳效果。

视频调焦系统通过计算图像清晰度的评价值，控制调焦机构运动，完成调光调焦功能 [1]，能够有效克服以上的缺点。

2 自动调焦系统的构成及其工作原理

2.1自动调焦系统的硬件构成

自动调焦系统主要由图像清晰度评价子系统、调焦电控子系统、光学成像子系统组成。图像清晰度评价子系统以高速DSP芯片为核心配以图像采集模块和对外通信模块。调焦电控子系统包括通信模块、控制模块、电机驱动模块。光学成像子系统由光学镜头组成。在调焦过程中，图像清晰度评价子系统完成图像清晰度评价，发送命令给调焦控制子系统驱动机械运动子系统带动镜片移动完成调焦。

2.2 视频调焦系统的工作原理

该系统的基本工作原理为：通过相机获取目标的图像，然后通过算法对图像的清晰度进行评价，由评价值得出当前图像的离焦量。根据离焦量确定电机的转速和步长。调焦控制子系统根据步长驱动电机转动，调整像面。在新的像面下所成的像由图像评价子系统进行评价。并和前一个评价值比较，如果评价值收敛则继续执行，直到最佳位置。如果发散则反方向调整像面，直到获得最佳成像质量[2]。

3图像清晰度评价方法

3.1相位一致性方法

人眼视觉系统的研究结果表明。观察者更关注视野中目标的结构信息。基于以上的考虑，文献[3]提出了基于结构相似度（GSSM）的全参考图像质量评价方法。GSSM包含三个部分：亮度比较、对比度比较和结构信息比较，分别定义如下[3]：

（1）

（2）

（3）

（4）

其中： 和 指x和y的梯度图像的信息比较。

3.2 基于二次模糊的梯度结构化（GSSM）图像清晰度评价

以上的GSSM方法需要参考图像，而在实际调焦过程中没有参考图像。我们采用二次模糊的方法[5]来提供参考图像，和GSSM方法相结合，我们得到二次模糊的结构化（Re-blur Grade Structural Sharpness Method， RSSM）[4]图像清晰度评价方法，实验证明该方法评价结果符合人类主观评价结果。RSSM的具体运算步骤如下。

（1）为待评价图像I构造参考图像。对待评价图像进行低通滤波获得参考图像Ir；

（2）提取图像I和Ir的梯度信息。通过提取图像梯度信息来提取图像的边缘信息；

（3）获取边缘图像；

（4）计算原始图像的无参考结构清晰度RSSM。计算图像的结构相似度GSSM， 。

4 视频调焦试验与结果

图1给出的图像最清晰度的RSSM值变化曲线，从图中可以看出由于噪声的影响，图像的RSSM值是围绕某个中心值不断变化的。最大差值不超过0.02，能够满足调焦误差的需要。

图1 距离5公里时烟筒的图像清晰度曲线

5 结语

本文采用了一种新的针对图像模糊的无参考图像质量评价指标，基于二次模糊的结构化清晰度评价方法。RSSM指标通过低通滤波器对原图像进行二次模糊，进而通过评价原图像与二次模糊图像的结构相似度来评价图像的清晰质量。该方法很好地结合了成像系统的数学模型， 利用了结构相似度算法的优势， 实验结果表明该方法可以给出优于其它方法的结果， 是一种准确可靠的无需参考图像的清晰度评价方法。画幅为512×512，帧频20Hz时，稳态误差小于0.02mm，过度到稳态所需时间小于2s。

参考文献

[1] 基于无参考结构清晰度的自适应自动对焦方法[J].光电工程，2011，38[2]：84-89.

[2] 李祚林，李晓辉，马灵玲 等.面向无参考图像的清晰度评价方法研究[J].遥感技术与应用，2011， 26[2].239-246.

[3] WANG Z， BOVIK A C， SHEIKH H R， etal. Image quality assessment： From error visibility to structural similarity [J]. IEEE Transactions on Image Processing， 2004 13（4）： 600-612.

[4] CHENG， YANG C， XIE S. Gradient-based structural similarity for image quality assessment [C]. Proceedings of IEEE International Conference on Image Processing Piscataway： IEEE Press， 2006： 2929 - 2932.

[5] CHEN Y， LIAO B. An image quality assessment algorithm based on Dual scale edge structure similarity[C].Proceedings of the Second International Conference on Innovative Computing， Information and Control Piscataway： IEEE Press， 2007： 56-58.