[发明专利]基于小波包变换的红外显微图像聚焦评价方法

说明书

技术领域

本发明涉及一种红外图像的聚焦评价方法，尤其是涉及一种基于小波包变换的应用于红外显微成像系统的聚焦评价方法。

背景技术

基于对图像序列评价而确定最佳焦面的自动聚焦算法，如今已经被广泛的应用在多种系统中，例如显微系统，各类工业探测系统，以及各种数码相机等。在自动聚焦算法中最重要的部分是如何构建聚焦评价函数。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。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，聚焦评价函数可以分为两类；一类是基于空间域的，包括图像梯度法、灰度值法和熵函数法等；另一类是基于变换域的，例如傅里叶变换法、离散余弦变换法、小波变换法等。在变换域中，图像的锐利和细节信息和高频分量信息相对应。这些聚焦评价方法在可见光系统中具有很高的灵敏度，因为可见光图像具有高分辨率和高清晰度的优点。但是，由于红外图像的低分辨率、低对比度和模糊的边缘，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。

发明内容

为了解决现有聚焦评价方法不能对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小波包变换的红外显微图像聚焦评价方法，利用图像的梯度方向信息和小波包变换方法，构造的聚焦评价函数可以有效地从红外图像中提取高频分量，为红外显微系统提供高灵敏度的聚焦评价方法。

本发明的基于小波包变换的红外显微系统聚焦评价方法步骤如下：

A、对于红外显微系统，在正焦位置前后连续调焦采集离焦位置各不相同的图像信号；

B、以图像中相邻四个像素点a、b、c和d构成的四边形为基本单元，对每幅图像中的水平方向、垂直方向和对角线方向的梯度方向信息进行统计，对应水平方向、垂直方向和对角线方向的单元数目记为N_h、N_v和N_d，并归一化为权重因子：P_h=N_h/(N_h+N_v+N_d)、P_v=N_v(N_h+N_v+N_d)和P_d=N_d/(N_h+N_v+N_d)；同时，定义水平-垂直梯度方向的权重因子为                                               ，水平-对角线梯度方向的权重因子为和垂直-对角线梯度方向的权重因子为；

C、采用Threshold熵标准求解小波包最优基，对每幅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，水平方向高频，垂直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；