基于图像处理的自准直检焦方法 下载: 942次
1 引言
航空相机的工作环境复杂多变,如海拔在15000 m以下时,每降低1000 m大气温度相应升高6 ℃[1]。在航空相机成像过程中,受温度、大气压力、成像距离等因素的影响,光学系统发生离焦,成像清晰度下降[2-3],不便于后续图像识别、配准和定位等操作。因此,航空相机中需要使用检焦系统检测实际像方焦面位置,并将探测器成像面移动至实际像方焦面,实现航空相机原有的高分辨率成像性能。
国内外学者对自动检焦技术进行了广泛而深入的研究。1976年,Stites[4]提出光电自准直法,并推导出温度、大气压力、倾斜成像距离与离焦距离的计算公式。1994年,Jutamulia等[5]计算图像的功率谱,利用自相关概念实现检焦。2003年,任四刚等[6]采用基于图像灰度差分法的自动调焦技术,直接对拍摄景物进行检焦,检焦精度满足成像系统对离焦量允许值的要求。2011年,许兆林等[7]对基于程序控制法的检焦系统进行研究,该系统可以实现快速检焦,但是对于不同的光学系统,随着大气压力和温度的变化,系统的离焦距离不同,导致光学系统的通用性也不同。2012年,王德江等[8]使用时间延迟电荷耦合器件(TDI-CCD)替换传统的光电池,利用其高帧频特性实现检焦。
综上所述,航空相机的检焦方法有三种,分别为程序控制法、光电自准直法[9]和图像处理法。程序控制法是一种开环控制方法,其检焦精度和场景适应性较差;光电自准直法的机械结构复杂度高,检焦时无法对外界景物成像,检焦实时性差;图像处理法对海洋、沙漠、天空等低对比度、信息不丰富场景难以实现正确检焦。因此,本文提出一种基于图像处理的自准直检焦方法,通过分析对比不同靶标对检焦精度的影响,选用空间频率连续变化的辐射状图案作为检焦靶标,以提高航空相机检焦系统搜寻实际像方焦面的精度。
2 离焦原理
航空相机成像系统可视为理想光学系统,其原理如
式中:u为物距;v为像距;f为光学系统焦距。由于衍射极限,物空间一物点经光学系统后在像空间将形成一个弥散斑。探测器接收到的弥散斑形状是光学系统出瞳在像面上的几何投影,一般光学镜头为圆形,即弥散斑是圆形光斑[11]。
由
式中:R为探测器接收到的弥散斑半径;D为透镜直径;Δv为探测器与像方焦面的距离。
实际光学系统中物面两点经透镜后在像方焦面形成两个弥散斑,两像点刚好能分辨时即为光学系统的分辨极限,常用瑞利(Rayleigh)判据[12-13]和阿贝(Abbe)距离[14-15]来评价成像系统的分辨率。常用阿贝距离来表征航空相机的分辨率[16],阿贝距离为相机点扩展函数主峰的半峰全宽。
式中:R'为光学系统允许的弥散斑半径;λ为系统入射光波长。
在高斯像面附近,当探测器接收像点的弥散斑半径小于阿贝距离时,光学系统也可形成清晰像,此成像面距高斯像面的距离为系统焦深。
式中:Δ为光学系统允许的检焦误差;F=f/D为系统F数。由(4)式可知,当入射光波长确定后,检焦精度与系统F数的平方成正比,系统F数越小,半焦深越小,检焦精度要求越高。
当探测器偏离像方焦面时,探测器位于像方焦面与透镜之间,称为前向离焦,反之为后向离焦。根据衍射理论,单色球面波通过透镜后,焦点附近轴上强度分布与离焦距离的关系为
式中:t为计算方便引入的无量纲变量;z为离焦距离;I0为焦点处的强度;I为光轴上某点的光强。
假设光学系统的入射光波长为632.8×10-6 mm,焦距为400 mm,透镜直径为50 mm,光学系统半焦深近似为0.08 mm,焦点处光强为1。离焦距离从0 mm增至0.5 mm,离焦距离与光轴上光强分布关系如
式中:ρ=
3 检焦系统
3.1 基于图像处理的自准直检焦系统
传统光电自准直法一般采用光栅作为靶标,检焦时通过摆扫反射镜持续摆扫来改变靶标像在像方焦平面(共轭光栅)的前后位置;光电池获取透过共轭光栅的调制波光强信号[18],当调制波光强信号峰值近似等于标定峰值时,检焦系统停止搜索,否则调焦电机继续搜索。传统光电自准直系统的结构复杂度高,需要额外的光电接收器件,检焦精度相对较低。基于图像处理的检焦系统直接对景物图像进行检焦,航空相机成像重叠率低,不同景物计算的特征值不同,导致检焦精度较差;对景物信息不丰富的场景,景物特征值变化率小,无法实现准确检焦。
图 3. 图像处理的自准直检焦系统原理图
Fig. 3. Schematic of image auto-collimation inspection and focusing system
利用自准直检焦系统通用性强,图像处理技术对固定靶标的检焦快速性及高精度性的优点,来优化基于图像处理的自准直检焦系统,其工作原理如
基于图像处理的自准直检焦系统,利用图像处理检焦技术判据灵活、检焦速度快等特点,可降低实现难度、提高检焦精度;无需扫描反射镜持续摆扫,提高系统稳定性;与成像系统共用一个成像CCD,降低机械结构的复杂度、减少制造成本。
3.2 设计靶标
检焦系统因光栅靶标的空间频率较单一,离焦后模糊图的纹理特征变化不显著,灰度梯度变化不明显,需要重新设计合适的靶标。考虑到光学系统离焦后系统的截止频率和对比度均降低,可选用空间频率连续变化的辐射状靶标。传统光栅靶标与设计的辐射状靶标如
式中:fR为单靶条半径为r时的空间频率。
辐射状靶标经光学系统成像后,靶标中心区域的空间频率较高,且一般高于成像系统的截止频率,在圆心处会形成模糊圆斑。辐射状靶标的圆心角不变,离焦距离增大,光学系统截止频率降低,靶标中心的模糊圆半径增大。为验证靶标是否满足成像系统检焦条件,使用三种清晰度评价函数算子,计算三种靶标模糊序列图的归一化特征值曲线并进行对比分析。
图 4. 靶标示意图。(a)光栅靶标;(b)辐射状靶标
Fig. 4. Schematics of targets. (a) Grating target; (b) radial target
3.3 清晰度评价函数
清晰度评价函数算子可分为空域类、信息学类、频域类和统计学类,理想的清晰度评价函数算子应具备5种特性:1)无偏性,特征函数值最大处为实际焦面位置;2)单峰性,特征值曲线只有一个峰;3)灵敏度高,能够准确检测系统的准焦和轻微离焦位置;4)较高的信噪比,在噪声干扰下仍能检测到实际焦面位置;5)计算量小,利用函数算子可以快速计算特征值。频域类评价函数需对整幅图像进行傅里叶变换,处理数据量大,计算时间长。为减小计算量、缩短计算时间,选用经典的空域类Sobel、Laplacian、平方梯度(Sq-Grad)函数算子。
式中:M×N为图像总像素数;Ix与Iy分别为图像与Sobel函数算子hx和hy模板运算后的结果。该算子用于计算图像的横向和纵向梯度。
2) Laplacian函数[22]算子
式中:L(i,j)为图像与Laplacian函数算子hL的八邻域模板运算结果。该算子用于计算第z幅图像的散度。
3) 平方梯度(Sq-Grad)函数[23]算子
式中:I(i,j)为像素坐标在(i,j)处的灰度值。该算子在计算噪声及高亮区域时可获得较好的处理效果。
4 实验结果及分析
使用高斯离焦模型,仿真Lena与两种靶标的离焦图,共采集51幅离焦模糊图。为便于分析,选取辐射状靶标的第26幅正焦位置与第38幅、第51幅后向离焦的局部图,如
由
表 1. 检焦结果对比分析
Table 1. Comparative analysis of inspection and focusing results
|
图 5. 辐射状与光栅靶标离焦图。(a)第26幅;(b)第38幅;(c)第51幅
Fig. 5. Defocus diagrams of radial and grating targets. (a) 26th image; (b) 38th image; (c) 51st image
图 6. 离焦图的归一化特征值曲线。(a) Lena;(b)光栅;(c)辐射状;(d)三种靶标的对比
Fig. 6. Normalized eigenvalue curves of the defocus image. (a) Lena; (b) grating; (c) radiation; (d) contrast of three targets
由
5 结论
自动检焦技术是航空相机清晰成像的关键技术之一,随着航空相机技术的迅速发展,焦距越来越长,成像距离越来越远,对检焦精度要求越来越高。基于图像处理的自准直检焦系统,可以提高系统稳定性,降低控制难度,并选用辐射状图案作为检焦方法的靶标。使用经典检焦函数算子验证三种靶标的检焦性能,结果表明,Sq-Grad检焦算子计算辐射状靶标的检焦性能优于传统光栅靶标,可提高系统检焦精度,满足航空相机对检焦精度的要求。
[1] 蓝公仆, 汪旋, 梁伟, 等. 主动调焦式航空相机物镜光学设计及温度仿真分析[J]. 光学学报, 2012, 32(3): 0322006.
[2] 孟繁浩. 基于图像处理的自动检焦技术在航空相机中的应用研究[D]. 长春: 中国科学院大学, 2016: 11- 18.
Meng FH. Study on the application of autofocus technique based on image processing technology in aerial camera[D]. Changchun: University of Chinese Academy of Sciences, 2016: 11- 18.
[3] 惠守文. 长焦距斜视实时航空相机离焦补偿[J]. 光学精密工程, 2003, 11(2): 162-165.
[4] Stites D G. Automatic focus sensing and control of optical reconnaissance sensors[J]. Proceedings of SPIE, 1976, 79: 57-71.
[5] Jutamulia S, Asakura T, Bahuguna R D, et al. Autofocusing based on power-spectra analysis[J]. Applied Optics, 1994, 33(26): 6210-6212.
[6] 任四刚, 李见为, 谢利利. 基于灰度差分法的自动调焦技术[J]. 光电工程, 2003, 30(2): 53-55.
[7] 许兆林, 赵育良, 张国栋. 新型航空相机自动调焦系统的设计[J]. 电光与控制, 2011, 18(4): 77-80.
[8] 王德江, 李文明, 许永森, 等. TDI-CCD全景航空相机快速自动检调焦方法[J]. 光电子·激光, 2012, 23(8): 1452-1457.
Wang D J, Li W M, Xu Y S, et al. A fast auto-focusing technique for the TDI-CCD panoramic aerial camera[J]. Journal of Optoelectronics·Laser, 2012, 23(8): 1452-1457.
[9] 王国名, 劳达宝, 周维虎. 光电自准直经纬仪光学系统设计与公差分析[J]. 激光与光电子学进展, 2017, 54(10): 102203.
[10] 高姗, 邱钧, 刘畅. 基于模糊函数的聚焦扫描计算成像模型[J]. 激光与光电子学进展, 2018, 55(7): 071103.
[11] 李奇. 数字自动对焦技术的理论及实现方法研究[D]. 杭州: 浙江大学, 2004: 11- 13.
LiQ. Studies on the theory and implementation method of digital autofocus technology[D]. Hangzhou: Zhejiang University, 2004: 11- 13.
[12] Vigoureux J M, Courjon D. Detection of nonradiative fields in light of the Heisenberg uncertainty principle and the Rayleigh criterion[J]. Applied Optics, 1992, 31(16): 3170-3177.
[13] TsangM, NairR, Lu XM. Rayleigh’s criterion is irrelevant to the localization of two incoherent optical point sources[C]∥Conference on Lasers and Electro-Optics, June 5-10, 2016, San Jose, California, United States. Washington, D.C.: OSA, 2016: FF1C. 1.
[15] Haeberlé O, Xu C, Dieterlen A, et al. Multiple-objective microscopy with three-dimensional resolution near 100 nm and a long working distance[J]. Optics Letters, 2001, 26(21): 1684-1686.
[16] 汪旋. 基于图像处理的航空相机自准直检调焦技术研究[D]. 成都: 中国科学院大学, 2014: 13- 16.
WangX. Auto-focusing technique for aerial camera base on image processing[D]. Chengdu: University of Chinese Academy of Sciences, 2014: 13- 16.
[17] 洪裕珍, 任国强, 孙健. 离焦模糊图像清晰度评价函数的分析与改进[J]. 光学精密工程, 2014, 22(12): 3401-3408.
[18] 史磊, 金光, 田海英, 等. 航空相机的自准直自动检焦方法研究[J]. 光学精密工程, 2008, 16(12): 2460-2464.
Shi L, Jin G, Tian H Y, et al. Autofocusing method with automatic calibration for aerial camera[J]. Optics and Precision Engineering, 2008, 16(12): 2460-2464.
[19] 张静, 李传荣, 李晓辉, 等. 基于辐射状靶标的MTF评估算法及精度分析研究[J]. 遥感技术与应用, 2014, 29(3): 523-530.
Zhang J, Li C R, Li X H, et al. A research on MTF estimation and accuracy analysis based on radial-target method[J]. Remote Sensing Technology and Application, 2014, 29(3): 523-530.
[20] 隋成华, 韩勇浩, 徐丹阳, 等. 角膜地形图仪中实时图像检测[J]. 光学学报, 2017, 37(6): 0611001.
[21] 张帆, 张偌雅, 李珍珍. 基于对称相位一致性的图像质量评价方法[J]. 激光与光电子学进展, 2017, 54(10): 101003.
[22] Masini A, Diani M, Corsini G, et al. Automatic focusing techniques for infrared sensors[J]. Proceedings of SPIE, 2007, 6737: 67370Q.
[23] Xian T, Subbarao M. Depth-from-defocus: blur equalization technique[J]. Proceedings of SPIE, 2006, 6382: 63820E.
李启辉, 丁亚林, 修吉宏, 刘重阳, 蔡一铭, 廖劲峰. 基于图像处理的自准直检焦方法[J]. 激光与光电子学进展, 2020, 57(2): 021104. Li Qihui, Ding Yalin, Xiu Jihong, Liu Chongyang, Cai Yiming, Liao Jinfeng. Self-Collimation Inspection and Focusing Method Based on Image Processing[J]. Laser & Optoelectronics Progress, 2020, 57(2): 021104.