[发明专利]基于改进型LOG算子和小波包变换的长波红外显微图像聚焦评价方法

说明书

技术领域

本发明涉及一种长波红外图像的聚焦评价方法，尤其是涉及一种基于改进型LOG算子和小波包变换的应用于长波红外显微成像系统的聚焦评价方法。

背景技术

目前，被广泛应用在显微系统，红外成像系统、以及各种数码相机等各类探测系统中，基于对图像序列评价而确定最佳焦面的自动聚焦算法显得尤为重要。在自动聚焦算法中最重要的部分就是如何构建聚焦评价函数。准确的、有效的、图像清晰的评价函数是采用数字图像处理技术实现自动聚焦的关键，也是图像序列评价而确定最佳焦面自动聚焦算法的精髓。聚焦评价函数优劣决定聚焦的精度等因素，进而决定各类探测器系统的性能的高低。理想的聚焦评价函数曲线具有单峰性、无偏性、平滑性和单调性等特点，当系统偏离最佳焦面位置时，聚焦评价函数值迅速降低，具有高度的灵敏性。正焦位置的图像比离焦位置的图像清晰度高，包含更多的锐利和细节信息，而聚焦评价函数的目的就是提取图像中锐利和细节信息作为评价标准。

总体上讲，常见的聚焦评价函数可以按空间域和变换域分为两类。前者常见的包括图像梯度法、灰度值法和熵函数法等；后者常见的包括傅里叶变换法、离散余弦变换法、小波变换法等。因为图像模糊的本质是高频分量的损失，在变换域的分类中，图像的锐利和细节信息也与高频分量信息相对应，所以高频信息的提取是否完善对图像的细节保留有很大关系，聚焦评价函数就是评价图像锐利和细节信息的，可见评价函数最终还是与高频分量信息有重要关系。

除此之外，以基于红外波段和可见光波段的应用来比较分析，因为可见光图像具有高分辨率和高清晰度的优点，这些聚焦评价方法在可见光系统中具有很高的灵敏度。但是，由于长波红外图像的低分辨率、低对比度和低信噪比，经典的聚焦评价方法在红外系统中很难实现高聚焦精度和高聚焦灵敏度。为了满足长波红外系统图像高精度和高灵敏度的聚焦，需要在经典的聚焦评价方法上提出改进，提出新的聚焦评价函数至关重要的。因为图像的边缘的高频成分居多，高频信息是提高精确聚焦的关键，常采用图像边缘增强技术提取高频成分。图像增强技术增强处理系统对高频信息的识别或处理能力，使图像精确聚焦。

发明内容

为了解决现有聚焦评价方法不能对长波红外图像进行高精度、高灵敏度聚焦的问题，本发明提供一种基于改进型LOG算子和小波包变换的长波红外显微图像聚焦评价方法，对图像进行边缘增强，构造的聚焦评价函数可以有效地从长波红外图像中提取高频分量，为长波红外显微系统提供高灵敏度的聚焦评价方法。

本发明的基于改进型LOG算子和小波包变换的长波红外显微图像聚焦评价方法，包括如下步骤：

A、对于长波红外显微系统，在正焦位置前后连续调焦，采集不同离焦位置的图像信号；

B、对LOG边缘检测算子进行改进，使其适合于采集长波红外显微图像的边缘信息，利用改进型LOG算子对每幅图像进行边缘检测，实现对包含高频分量最多的边缘进行处理，其中改进型LOG边缘检测算子如下：

；

C、采用Shannon熵标准求解小波包最优基，对每幅边缘检测后的图像进行完全的二阶小波包分解，得到16个代表不同空间频率信息的终端结点：AA2、VA2、HA2、DA2、AV2、VV2、HV2、DV2、AH2、VH2、HH2、DH2、AD2、VD2、HD2和DD2，其中，A、V、H和D分别代表低频，垂直方向高频，水平方向高频和对角线方向高频分量，2代表小波包分解的阶数；