基于小波分析的显微视觉景深扩展

doi:10.3724/SP.J.1087.2011.01815

计算机应用 ›› 2011, Vol. 31 ›› Issue (07): 1815-1817.DOI: 10.3724/SP.J.1087.2011.01815

基于小波分析的显微视觉景深扩展

宋宇¹,²,李庆玲²,³

1. 北京交通大学电子信息工程学院, 北京100044
2. 哈尔滨工业大学机器人技术与系统国家重点实验室, 哈尔滨 150080
3. 中国科学院自动化研究所, 北京100190

收稿日期:2010-12-07 修回日期:2011-01-23 发布日期:2011-07-01 出版日期:2011-07-01
通讯作者: 宋宇
作者简介:宋宇（1979-）, 男, 辽宁沈阳人,讲师, 主要研究方向: 计算机视觉; 李庆玲（1979-）, 女, 四川仁寿人,助理研究员, 主要研究方向: 康复机器人、假肢控制。
基金资助:
国家自然科学基金资助项目;机器人技术与系统国家重点实验室开放基金资助项目;中国博士后科学基金特别资助项目;中央高校基本科研业务费资助项目;北京交通大学人才基金资助项目

Focus depth extension for microscopic visual system based on wavelet analysis

Yu SONG¹,²,Qing-ling LI²,³

1. School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044, China
2. State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin Heilongjiang 150080, China
3. Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China

Received:2010-12-07 Revised:2011-01-23 Online:2011-07-01 Published:2011-07-01
Contact: Yu SONG
Supported by:
;State Key Laboratory of Robotics and System of HIT;Postdoctoral Special Science Foundation of China;Beijing Jiaotong University

摘要/Abstract

摘要： 光学显微视觉系统的主要特点在于景深短，难以获取反映显微场景的全面信息。为解决该问题，提出基于小波分析的光学显微视觉系统景深扩展策略，分为局部清晰图像获取和多聚焦图像融合两个阶段：首先，以定义的小波系数活性水平为依据，构造了新型清晰度评价函数和聚焦曲线全局极值搜索策略来实现快速自动聚焦、获取局部显微场景信息的目的；然后，为实现多局部聚焦显微图像的融合，设计了小波系数活性水平选择型融合规则来融合获取的多个局部显微场景信息。实验表明，提出方法可有效扩展光学显微镜的景深。

关键词: 小波分析, 显微视觉, 自动聚焦, 多聚焦图像融合, 景深

Abstract: The main characteristic of optical microscopic visual is a short depth of focus, so it is difficult to obtain overall microscopic scene information. To overcome the problem, a wavelet analysis based strategy was proposed. It consists of two parts: the local information acquisition and the global information fusion. Firstly, based on the designed wavelet activity level measurement, a robust auto-focusing algorithm with new image sharpness function and fast global maximum searching strategy were designed to acquire local microscopic visual information. Secondly, an image wavelet activity level measurement based multi-focus images fusion scheme was presented. At last, the experimental results verify the validity of the proposed strategy.

Key words: wavelet analysis, microscopic vision, auto-focusing, multi-focus image fusion, focus depth

中图分类号:

TP242.6+2

宋宇李庆玲. 基于小波分析的显微视觉景深扩展[J]. 计算机应用, 2011, 31(07): 1815-1817.

Yu SONG Qing-ling LI. Focus depth extension for microscopic visual system based on wavelet analysis[J]. Journal of Computer Applications, 2011, 31(07): 1815-1817.

[1]	成亚玲, 柏智, 谭爱平. 基于引导滤波和差分图像的多聚焦图像融合方法[J]. 计算机应用, 2021, 41(1): 220-224.
[2]	邹佳彬, 孙伟. 基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合[J]. 计算机应用, 2018, 38(3): 859-865.
[3]	刘栋, 周冬明, 聂仁灿, 侯瑞超. NSCT域内结合相位一致性激励PCNN的多聚焦图像融合[J]. 计算机应用, 2018, 38(10): 3006-3012.
[4]	李慧慧, 秦品乐, 梁军. 基于HSI亮度分量和RGB空间的图像去雾算法[J]. 计算机应用, 2016, 36(5): 1378-1382.
[5]	牛群遥, 叶明, 陆永华. 基于多聚焦图像融合的小孔内表面缺陷检测[J]. 计算机应用, 2016, 36(10): 2912-2915.
[6]	曹彦珏, 安博文, 李启明. 基于后处理的实时景深模拟与应用[J]. 计算机应用, 2015, 35(5): 1439-1443.
[7]	林景栋王唯廖孝勇. 音乐粗情感域中的软切割及分类方法[J]. 计算机应用, 2013, 33(08): 2383-2386.
[8]	莫建文马爱红首照宇陈利霞. 基于Brenner函数与新轮廓波变换的多聚焦融合算法[J]. 计算机应用, 2012, 32(12): 3353-3356.
[9]	朱呈祥邹云. 基于小波分析的分数阶系统辨识信号降噪的变尺度阈值方法[J]. 计算机应用, 2011, 31(02): 543-547.
[10]	康晓兵魏生民. 基于小波域奇异值分解的图像拷贝检测[J]. 计算机应用, 2010, 30(4): 917-920.
[11]	刘涛张登福何宜宝. 基于区域分割和非下采样Contourlet变换的多聚焦图像融合算法[J]. 计算机应用, 2010, 30(10): 2805-2807.
[12]	闫军何小海王海梅吴学宏. 天气雷达图像中对流云区识别算法[J]. 计算机应用, 2009, 29(12): 3366-3368.
[13]	郭海赵晶莹. 基于小波分析及改进二次鉴别函数的民族文种识别[J]. 计算机应用, 2009, 29(12): 3360-3362.
[14]	董吉文吴瑞海段琪庆. 改进PSO与小波的地基沉降预测应用[J]. 计算机应用, 2009, 29(10): 2723-2725.
[15]	夏平向学军万钧力邓丽华. 基于改进型正交有限脊波分析的自适应图像去噪[J]. 计算机应用, 2008, 28(6): 1507-1509.

基于小波分析的显微视觉景深扩展

Focus depth extension for microscopic visual system based on wavelet analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics