紅外成像區(qū)域法自動調焦聚焦區(qū)域的研究

紅外成像區(qū)域法自動調焦是利用調焦評價函數對聚焦區(qū)域圖像質量進行評價[1]，然后通過搜索算法進行極點搜索、移動方向和步長，直至獲取圖像質量最佳的一個控制反饋過程。
　區(qū)域圖像是從圖像出發(fā)，在一幅待分析圖像上重新劃定圖像清晰度評價區(qū)域，區(qū)域圖像選擇一方面可以減少數據處理量，加快聚焦速度；另一方面通過選取興趣區(qū)域，可以消除非興趣區(qū)域對評價函數曲線的影響，提高聚焦精確度。大多數情況下，興趣區(qū)域為圖像的前景部分，聚焦區(qū)域即前景圖像，而背景圖像會使評價函數曲線出現很多局部“峰值”。
1 聚焦區(qū)域
1.1 圖像清晰度評價函數
　圖像清晰度評價函數又稱調焦評價函數。采用圖像法自動調焦的關鍵問題在于圖像清晰度評價函數的選取，理想的評價函數應具備無偏性、單峰性、抗干擾能力強、能反映離焦的極性、靈敏度高和計算量小等特性。在本文的仿真中，選用平方梯度函數作為圖像清晰度評價函數[2]：

　用平方梯度函數對58幅紅外圖像的MATLAB仿真結果如圖1所示。

　由圖1可以看出，該函數曲線在開始位置變化相對平緩，但在焦點位置附近，曲線比較尖銳但相對比較平滑，靈敏度較高，所以選擇平方梯度函數作為區(qū)域圖像法自動調焦仿真的調焦評價函數。

1.2 聚焦區(qū)域
　聚焦區(qū)域選擇的原因[3-4]主要有：
　(1)可以大大減少數據處理量

　(2)可提高圖像目標的對焦效果
　當選擇目標區(qū)域作為聚焦區(qū)域圖像的清晰度評價區(qū)域時，調焦對象的評價范圍從之前的整張圖縮減到一定大小的區(qū)域圖像內，除去紅外圖像中無關背景因素的影響，與判斷整幅圖像相比，這樣能最大限度地提高目標對焦的清晰度，從而提高聚焦精確度。
1.3 聚焦區(qū)域選擇的區(qū)別
　采用聚焦區(qū)域進行自動調焦時，為了研究聚焦區(qū)域的選擇原則，掌握選擇不同位置的區(qū)域圖像對調焦評價函數曲線的影響，本文利用已有的58幅離焦-清晰-離焦的圖像序列進行仿真分析。已知第33幅紅外圖像為正焦圖片，因此選擇如圖2所示的三個不同的區(qū)域作為聚焦區(qū)域，采用平方梯度函數對58幅紅外聚焦圖像序列計算評價函數值。

　其中A區(qū)域采用豐富邊緣的圖像塊，B區(qū)域邊緣圖像塊并不非常明顯，C區(qū)域為無明顯邊緣的圖像塊，運用平方梯度函數對窗口區(qū)域作出評價函數曲線。
1.4 同一聚焦區(qū)域不同聚焦窗口大小
　本研究進行聚焦區(qū)域大小選擇的直接原因是為了減少調焦評價函數的計算時間，使自動對焦過程盡可能地縮短。由于對圖像進行分析處理所消耗的時間基本上與參與計算的圖像像素成正比，為了達到調焦的實時、快速性要求，在算法一定的情況下，只有減少參加運算的像素數量才能實現。但是減少參與運算的像素就意味著要適當地縮小參與調焦評價函數運算的區(qū)域圖像，而聚焦區(qū)域的減少會對調焦評價函數曲線有影響。
因此，當選定某一位置的區(qū)域圖像進行自動調焦時，為了研究同一聚焦區(qū)域窗口的大小對調焦評價函數曲線的影響，本研究在同一聚焦像素點位置上分別選用如圖3所示不同大小的窗口，分別計算幾種情況的評價函數值，分析不同大小窗口評價函數曲線，并通過實驗仿真來分析得出所需要的結果。

2 計算仿真及結果
　為了分析不同位置的聚焦區(qū)域對調焦評價函數曲線的影響，選用大小為720×576的58張紅外圖片，其中的A、B、C區(qū)域分別為以(300×380)、(220×200)、(600×90)像素點為中心大小為100×100的正方形區(qū)域。對聚焦區(qū)域A、聚焦區(qū)域B、聚焦區(qū)域C分別計算調焦評價函數值，調焦評價函數選用梯度平方函數，最終得到的特征曲線如圖4所示。