【技术实现步骤摘要】
一种基于深度学习的自然图像自动对焦方法
[0001]本专利技术涉及图像处理
,更具体地,涉及一种基于深度学习的自然图像自动对焦方法。
技术介绍
[0002]自动对焦系统在显微镜成像中具有重要作用。它能够确保获得高质量和清晰度的图像,提高工作效率并简化操作。自动对焦系统可分为基于硬件的自动对焦和基于图像的自动对焦。基于硬件的自动对焦需要安装距离传感器来测量散焦距离,而基于图像的自动对焦则仅依靠图像本身来预测散焦距离。
[0003]基于自然图像的自动对焦方法通过分析图像特征和指标来确定最佳的焦点位置。其中包括:图像对比度法,通过对比度变化来确定焦点;焦平面扫描法,通过比较不同焦平面上的清晰度来确定焦点;频域法,通过分析图像的频域特征来确定焦点位置。然而,这些方法均需采集多张图像才能实现对焦,导致对焦速度慢并不具有实时性,且其对焦精度受到移动步长的影响。
[0004]针对上述基于自然图像的自动对焦方法需要采集多张图像而导致对焦速度慢的问题,开发高性能的自动对焦算法,使得其具有实时、高精度和高鲁棒的特性。
技术实现思路
[0005]针对上述基于自然图像的显微镜自动对焦存在的技术问题,本专利技术提供了一种基于深度学习的自然图像自动对焦方法,以解决现有显微镜无法实时自动对焦,精度低和鲁棒性差等技术问题。
[0006]作为本专利技术的第一个方面,提供一种基于深度学习的自然图像自动对焦方法,包括如下步骤:
[0007]步骤S1:在显微镜当前位置采集自然图像;
[0008] ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的自然图像自动对焦方法,其特征在于,包括如下步骤:步骤S1:在显微镜当前位置采集自然图像;步骤S2:提取所述自然图像中感兴趣区域所在的图像子块;步骤S3:利用训练好的深度学习模型预测所述图像子块的散焦距离;步骤S4:根据预测后的散焦距离,移动物镜至目标位置,以完成显微镜自动对焦。2.根据权利要求1所述的一种基于深度学习的自然图像自动对焦方法,其特征在于,所述提取所述自然图像中感兴趣区域所在的图像子块,包括:选取所述自然图像中想要聚焦清晰的感兴趣区域,并从所述感兴趣区域中提取出大小为320
×
320的图像子块。3.根据权利要求1所述的一种基于深度学习的自然图像自动对焦方法,其特征在于,所述利用训练好的深度学习模型预测所述图像子块的散焦距离之前,包括:构建轻量级的深度学习模型;制作用于训练深度学习模型的数据集;根据所述数据集对所述轻量级的深度学习模型进行训练,以生成所述训练好的深度学习模型。4.根据权利要求3所述的一种基于深度学习的自然图像自动对焦方法,其特征在于,所述制作用于训练深度学习模型的数据集,包括:定步长和定行程以同时采集芯片上各个焦平面的自然图像和裂像图像,并提取所有自然图像和裂像图像中感兴趣区域所在的图像子块,得到自然图像的焦点堆栈和裂像图像的焦点堆栈;根据裂像图像的焦点堆栈来确定每组自然图像的焦点堆栈对应的基准图像子块,标注其散焦距离为0μm,并按照所述步长为每组自然图像的焦点堆栈中的其他图像子块标注真实的散焦距离,制作出带有标签的数据集。5.根据权利要求4所述的一种基于深度学习的自然图像自动对焦方法,其特征在于,所述根据所述数据集对所述轻量级的深度学习模型进行训练,以生成所述训练好的深度学习模型,还包括:将所述带有标签的数据集中的散焦图像输入到所述轻量级的深度学习模型中,输出该散焦图像的预测散焦距离;根据每张散焦图像的预测散焦距离及其对应的真实散焦距离,得到两者之间的均方差损失函数;根据均方差损失函数更新所述轻量级的深度学习模型的网络参数,重复上述过程,直至训练好模型。6.根据权利要求4所述的一种基于深度学习的自然图像自动对焦方法,其特征在于,所述根据裂像图像的焦点堆栈来确定每组自然图像的焦点堆栈对应的基准图像子块,包括:利用相似度算法估计每组焦点堆栈中所有裂像图像的上下裂像图案的相对像素距离,确定相对像素距离最小的裂像图像所在的位置;根据标定差值和相对像素距离最小的裂像图像所在的位置,选取相对应的自然图像子块作为每组焦点堆栈的基准图像子块。7.根据权利要求6所述的一种基于深度学习的自然图像自动对焦方法,其特征在于,所
述标定差值,包括:定步长和定行程以同时采集高分辨率标定板上各个焦平面的自然图像和裂像图像,并分别提取自然图像和裂像图像中感兴趣区域所在的图像子块,得到自然图像的焦点堆栈和裂像图像的焦点堆栈;利用相似度算法估计焦点堆栈中裂像图像的上下裂像图案的相对像素距离,确定焦点堆栈中相对像素距离最小的裂像图像所在的位置;利用清晰度评价算子评估焦点堆栈中自然图像的对比度,确定焦点堆栈中对比度最大的自然图像所在的位置;焦点堆栈中相对像素距离最小的裂...
【专利技术属性】
技术研发人员:华智捷,张旭,浦栋麟,
申请(专利权)人:江苏集萃华科智能装备科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。