一种基于深度学习的QPDPDAF聚焦方法技术

本发明专利技术提供一种基于深度学习的QPD PDAF聚焦方法，包括：获取数据集与验证集并进行数据预处理；搭建QPD PDAF网络模型；进行网络训练获得最终的网络模型；以及采集测试图像数据并输入至最终的所述网络模型，输出Defocus值。本发明专利技术提供的基于深度学习的QPD PDAF聚焦方法，在常规场景和典型难例中均能达到快速、稳定且精确度更高的聚焦效果。定且精确度更高的聚焦效果。定且精确度更高的聚焦效果。

【技术实现步骤摘要】
一种基于深度学习的QPD PDAF聚焦方法


[0001]本专利技术涉及摄像头成像
，特别涉及一种基于深度学习的QPD PDAF聚焦方法。

技术介绍

[0002]传统的对焦方式为反差对焦，以图像画面的对比度作为参考标准，对焦过程选取对比度最高的点作为对焦清晰点。马达驱动镜头从最低点移动到最高点，并记录每个位置的画面对比度，等镜头走完全程后，将镜头移动到对比度最高的位置，完成反差对焦。
[0003]PDAF(Phase Detection Auto Focus，相位对焦)基本原理在于：手机模组里面感应图像的部分为感光芯片，每个像素点都在感应图像，如果把间隔一段距离的对称的两个像素点，分别遮盖像素点的左半边和右半边，相当于人的左右两只眼睛，根据两只眼睛看到物体的角度不同，可以计算对焦是否准确。
[0004]PDAF相对于反差对焦，没有马达搜索全程的过程，而是通过判断相位的差异，可以判断马达需要多少距离可以到清晰点，将镜头一下子推动到那个清晰点位置，从而大大提高了对焦速度。
[0005]然而，基于QPD(四相位检测)传感器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的QPD PDAF聚焦方法，其特征在于，包括：获取数据集与验证集并进行数据预处理；搭建QPD PDAF网络模型；进行网络训练获得最终的网络模型；以及采集测试图像数据并输入至最终的所述网络模型，输出Defocus值。2.根据权利要求1所述的基于深度学习的QPD PDAF聚焦方法，其特征在于，获取数据集与验证集的步骤包括：采集QPD图像数据；数据采样；生成数据标签以及生成数据集与验证集。3.根据权利要求2所述的基于深度学习的QPD PDAF聚焦方法，其特征在于，使用QPD传感器采集图像数据。4.根据权利要求2所述的基于深度学习的QPD PDAF聚焦方法，其特征在于，所述数据采样包括将每张图像分为6*9个像素为200*200的窗口。5.根据权利要求2所述的基于深度学习的QPD PDAF聚焦方法，其特征在于，生成数据标签的方法包括：计算所述图像的对比度；找到梯度最大值附近的N个点，计算聚焦点位置，其中N为正整数；以及根据所述聚焦点位置，生成Defocus标签。6.根据权利要求5所述的基于深度学习的QPD PDAF聚焦方法，其特征在于，所述图像的对比度的计算公式为：G
x
(x,y)＝2I(x,y)
‑
I(x
‑
1,y)
‑
I(x+1,y)G
y
(x,y)＝2I(x,y)
‑
I(x,y
‑
1)
‑
I(x,y+1)其中，x与y指的是像素点在所述图像中的位置。7.根据权利要求5所述的基于深度学习的QPD PDAF聚焦方法，其特征在于，所述Defocus标签为：Label＝DAC
current
‑
DAC
focus
其中，DAC
current
指的是现有的采集到的图像的DAC值，DAC
focus
指的是聚焦点位置对应的DAC值，...

【专利技术属性】
技术研发人员：王玘，何恒，苏文凯，
申请(专利权)人：豪威科技武汉有限公司，
类型：发明
国别省市：