郭敬濱，馮華杰，王 龍，彭勤建，李醒飛

?

基于梯度能量函數(shù)的調(diào)焦窗口構(gòu)建方法

郭敬濱1，馮華杰1，王 龍2，彭勤建3，李醒飛1

（1.天津大學(xué)精密測(cè)試技術(shù)及儀器國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300072；2.中環(huán)天儀（天津）氣象儀器有限公司，天津 300038；3.海司航保部，天津 300042）

光電跟蹤取證系統(tǒng)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤拍攝時(shí)需要進(jìn)行變焦和調(diào)焦，目標(biāo)姿態(tài)和位置改變而產(chǎn)生調(diào)焦窗口偏離是導(dǎo)致傳統(tǒng)自動(dòng)調(diào)焦方法失效的主要原因。針對(duì)該問題，提出了一種針對(duì)跟蹤目標(biāo)動(dòng)態(tài)建立調(diào)焦窗口的方法。該方法利用梯度能量評(píng)價(jià)函數(shù)提取目標(biāo)特征，通過相關(guān)性處理和邊界擴(kuò)展建立調(diào)焦窗口，能克服調(diào)焦窗口偏離的缺陷。實(shí)驗(yàn)結(jié)果證明，對(duì)704×576像元不同離焦?fàn)顟B(tài)的圖像都可以在20ms內(nèi)根據(jù)目標(biāo)的位置和大小，構(gòu)建準(zhǔn)確有效的調(diào)焦窗口，滿足光電跟蹤取證系統(tǒng)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)自動(dòng)調(diào)焦的特殊要求。

光電跟蹤；動(dòng)態(tài)調(diào)焦；梯度能量評(píng)價(jià)函數(shù)；調(diào)焦窗口構(gòu)建；特征提取

0 引言

光電跟蹤取證設(shè)備是海上、邊防搜索跟蹤、執(zhí)法取證的重要設(shè)備，主要用于對(duì)水面、空中、邊境開闊地的運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤和拍攝。為對(duì)各種目標(biāo)進(jìn)行自動(dòng)跟蹤和拍攝，保持目標(biāo)在視場(chǎng)中成像穩(wěn)定、清晰，攝像系統(tǒng)需要在跟蹤過程中對(duì)尺寸和位置變化的目標(biāo)進(jìn)行自動(dòng)調(diào)焦，以獲得有價(jià)值的圖像同時(shí)避免因圖像清晰度變化而丟失目標(biāo)。目前，無論是海上、高原邊境使用的光電跟蹤取證系統(tǒng)大多都不具備這樣的功能，需要人工輔助調(diào)節(jié)。因此，需要針對(duì)光電跟蹤取證系統(tǒng)的動(dòng)態(tài)目標(biāo)設(shè)計(jì)快速、精準(zhǔn)的調(diào)焦算法?；跀?shù)字圖像的自動(dòng)調(diào)焦過程包括3個(gè)步驟：目標(biāo)區(qū)域選擇、圖像清晰度評(píng)價(jià)和極點(diǎn)搜索。目標(biāo)區(qū)域選擇作為整個(gè)調(diào)焦過程的第1步，直接影響光電跟蹤取證系統(tǒng)對(duì)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)調(diào)焦的準(zhǔn)確性。應(yīng)針對(duì)畫面中的目標(biāo)劃分出位置準(zhǔn)確、大小合適的有效區(qū)域作為后續(xù)調(diào)焦過程的處理對(duì)象，以避免跟蹤過程中目標(biāo)偏離調(diào)焦窗口導(dǎo)致調(diào)焦失敗和圖像模糊[1]。

光電跟蹤取證系統(tǒng)一般都采用大孔徑的長(zhǎng)焦電動(dòng)變焦鏡頭拍攝遠(yuǎn)處運(yùn)動(dòng)的目標(biāo)，圖像景深小，捕獲的通常都是離焦的圖像。通常都是比較簡(jiǎn)單的天空背景，部分場(chǎng)景存在一定程度的自然景物干擾。

目前研究應(yīng)用的區(qū)域選擇算法主要有中央?yún)^(qū)域選擇法、多區(qū)域選擇法、黃金分割法、非均勻采樣法、數(shù)字圖像一階矩選擇法和結(jié)合視覺感知的窗口構(gòu)建方法等[2-4]。前面4種方法都是根據(jù)經(jīng)驗(yàn)劃分出位置和尺寸固定的區(qū)域作為調(diào)焦窗口的靜態(tài)構(gòu)建方法，不適用于調(diào)焦過程中目標(biāo)尺寸和位置不確定的場(chǎng)合。后面2種是根據(jù)目標(biāo)的狀態(tài)動(dòng)態(tài)建立調(diào)焦窗口的方法。文獻(xiàn)[3]提出的數(shù)字圖像一階矩選擇法根據(jù)圖像灰度或邊緣的一階矩定位調(diào)焦窗口，不能區(qū)分前后景。文獻(xiàn)[4]提出的基于視覺注意機(jī)制的動(dòng)態(tài)調(diào)焦窗口構(gòu)建法，模擬生物視覺過程，提取圖像特征最突出的區(qū)域建立調(diào)焦窗口，使窗口具有尺寸和位置上的自適應(yīng)性。但該方法提取圖像特征的過程涉及金字塔化分層、多尺度濾波器和擴(kuò)大感受野等復(fù)雜的過程，運(yùn)算量大，在靶場(chǎng)背景下光測(cè)設(shè)備對(duì)720×576的目標(biāo)圖像構(gòu)建調(diào)焦窗口需要130ms，對(duì)運(yùn)動(dòng)目標(biāo)有滯后。

本文針對(duì)現(xiàn)有區(qū)域選擇算法存在的缺陷，結(jié)合光電跟蹤取證系統(tǒng)使用場(chǎng)景的特點(diǎn)，設(shè)計(jì)了一種新的快速提取圖像特征突出區(qū)域的方法，實(shí)現(xiàn)了20ms內(nèi)完成調(diào)焦窗口構(gòu)建和清晰度評(píng)價(jià)。

1 特征提取原理

1.1 梯度能量函數(shù)分析方法

首先，采用目前應(yīng)用較廣的梯度能量清晰度評(píng)價(jià)函數(shù)[5]分析攝像系統(tǒng)在調(diào)焦過程中目標(biāo)區(qū)域和背景區(qū)域的評(píng)價(jià)函數(shù)值的差異，如下式：

(,)＝[(＋1,)－(,)]2＋[(,＋1)－(,)]2(1)

式中：(,)為坐標(biāo)(,)點(diǎn)的評(píng)價(jià)函數(shù)值；(,)為坐標(biāo)(,)點(diǎn)的灰度值。

梯度能量評(píng)價(jià)函數(shù)通過計(jì)算相鄰的2個(gè)像素灰度梯度平方值，獲取圖像的邊緣和細(xì)節(jié)信息，忽略非相鄰像素之間的相關(guān)性，式中的平方運(yùn)算改變了梯度值對(duì)評(píng)價(jià)函數(shù)的影響，增強(qiáng)大梯度值在評(píng)價(jià)結(jié)果中的作用，同時(shí)減弱小梯度值的作用，有利于減少動(dòng)態(tài)調(diào)焦窗口變化引起的評(píng)價(jià)函數(shù)波動(dòng)[6-7]。

區(qū)域的評(píng)價(jià)函數(shù)值即其中像素的梯度能量函數(shù)累加和，容易受噪聲的影響。為抑制噪聲的干擾，設(shè)計(jì)每個(gè)像素的評(píng)價(jià)值的噪聲閾值[8-9]，如式(2)所示，只有當(dāng)像素的評(píng)價(jià)值大于噪聲閾值才會(huì)保留：

式中：為噪聲閾值。

實(shí)驗(yàn)1使用光電跟蹤取證系統(tǒng)拍攝遠(yuǎn)處的通信基站從深度離焦到正焦再到離焦的視頻圖像。視頻圖像分辨率為704×576，幀率為25Hz。等間隔提取其中的40幀畫面，在圖像中選出6個(gè)大小為40×40的不同特征的子區(qū)域，目標(biāo)區(qū)域A、B和背景區(qū)域C、D、E、F，如圖1所示。

圖1 不同區(qū)域窗口

圖2顯示圖1中6個(gè)子區(qū)域的評(píng)價(jià)函數(shù)曲線。目標(biāo)區(qū)域A、B在整個(gè)調(diào)焦過程中表現(xiàn)出比背景區(qū)域C、D、E、F更強(qiáng)的規(guī)律性，并且函數(shù)值表現(xiàn)出與背景區(qū)域的顯著差異。圖2顯示，背景D區(qū)域在調(diào)焦過程中能量梯度函數(shù)有一段時(shí)間的值在目標(biāo)區(qū)域之上，并且與目標(biāo)區(qū)域有相近的增長(zhǎng)率。

圖2 不同區(qū)域的梯度能量評(píng)價(jià)函數(shù)曲線

表1顯示圖像序列中6個(gè)不同區(qū)域能量函數(shù)的總和以及與目標(biāo)A區(qū)域的百分比。A、B目標(biāo)區(qū)域能量偏差小于5%，背景區(qū)域只有D能達(dá)目標(biāo)區(qū)域的50%以上，其他背景區(qū)域能量水平都低40%。因此根據(jù)區(qū)域的梯度能量評(píng)價(jià)函數(shù)可以區(qū)分圖像特征突出的區(qū)域，作為圖像特征提取的方法，并且可同時(shí)完成對(duì)目標(biāo)區(qū)域圖像清晰度的評(píng)價(jià)。但作為特征提取算法還需要進(jìn)一步的改進(jìn)。

1.2 特征提取

根據(jù)1.1節(jié)的處理方法，進(jìn)一步設(shè)計(jì)如下的特征

表1 不同區(qū)域的能量梯度函數(shù)和

提取方法。將圖像分割為大小為×的子區(qū)域；按式(3)計(jì)算子區(qū)域的梯度能量函數(shù)值，獲得圖像的特征圖F：

式中：(,)為特征圖中坐標(biāo)點(diǎn)(,)的點(diǎn)的值；、分別為子區(qū)域的高度和寬度。

對(duì)圖1按上述方法進(jìn)行處理，得到圖3的特征圖。經(jīng)過預(yù)處理的圖像增強(qiáng)了大部分的目標(biāo)特征，同時(shí)對(duì)原圖像進(jìn)行了抽樣，使得后續(xù)處理的單元更少，耗時(shí)更短。對(duì)特征圖進(jìn)行閾值分割可分離目標(biāo)及背景區(qū)域。

圖3 特征圖

Fig.3 Feature map

2 調(diào)焦窗口的構(gòu)建

光電跟蹤取證系統(tǒng)中調(diào)焦窗口的構(gòu)建就是要在系統(tǒng)對(duì)目標(biāo)進(jìn)行跟蹤拍攝過程中實(shí)時(shí)地構(gòu)建一個(gè)包含目標(biāo)主要細(xì)節(jié)的有限范圍。根據(jù)第1節(jié)的特征提取方法，調(diào)焦窗口的構(gòu)建流程如圖4所示。

為增強(qiáng)特征圖中能量集中的區(qū)域，分離相關(guān)性較低的點(diǎn)，對(duì)特征圖按行進(jìn)行歸一化處理并采用閾值進(jìn)行二值化，分割目標(biāo)和背景區(qū)域[10]。按公式(4)對(duì)每一行進(jìn)行歸一化，得特征圖￠：

式中：Fmax和Fmin分別為第行的最大、最小值。為了便于處理和顯示，歸一化范圍取[0,255]。

對(duì)特征圖￠進(jìn)行二值化是為了分離相關(guān)性較低的點(diǎn)，并保留足夠多的有效點(diǎn)用于區(qū)域擴(kuò)展，閾值由公式(5)獲得：

式中：K為灰度的分級(jí)數(shù)；n0為特征圖F￠非0點(diǎn)的個(gè)數(shù)；N為理想的有效點(diǎn)數(shù)。

按公式(6)對(duì)特征圖￠進(jìn)行處理，得到二值化的特征圖″：

二值化的特征圖2是一系列在特征突出區(qū)域集中的點(diǎn)，需要選用合適的方法將聚集的點(diǎn)擴(kuò)展為矩形窗口。采用“十”字模板對(duì)特征圖2進(jìn)行擴(kuò)展。即當(dāng)無效點(diǎn)的“十”字范圍內(nèi)存在的有效點(diǎn)多于1個(gè)時(shí)，該無效點(diǎn)變?yōu)橛行c(diǎn)，進(jìn)行多次迭代處理，最終使得集中的點(diǎn)連接到一起，形成矩形區(qū)域[4]。

一般由于圖像深度離焦或者存在多個(gè)目標(biāo)，以及背景和噪聲的影響，區(qū)域擴(kuò)展后存在多個(gè)矩形區(qū)域。以矩形區(qū)域與畫面中心的距離和面積作為權(quán)重，選取權(quán)重最大的區(qū)域作為調(diào)焦窗口，最后通過坐標(biāo)映射到原圖像中定位調(diào)焦窗口[9]，如下式：

W＝1＋2(7)

式中：W為矩形區(qū)域權(quán)值；為矩形區(qū)域中心與畫面中心的距離；為矩形區(qū)域的面積；1、2為比例系數(shù)。

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證算法的可用性，模擬使用場(chǎng)景，使用光電跟蹤取證系統(tǒng)采集電動(dòng)長(zhǎng)焦鏡頭調(diào)焦過程的視頻，對(duì)視頻提取的圖像進(jìn)行調(diào)焦窗口的構(gòu)建實(shí)驗(yàn)。對(duì)3個(gè)不同的場(chǎng)景進(jìn)行實(shí)驗(yàn)，并與采用Sobel邊緣檢測(cè)算法[11]的數(shù)字圖像一階矩方法進(jìn)行對(duì)比。

本文采用10×10大小的子區(qū)域，特征圖的大小為57×70，噪聲閾值選擇16。

第1組實(shí)驗(yàn)如圖5所示，通信塔圖像為大視場(chǎng)小目標(biāo)的場(chǎng)景，背景景物較多，目標(biāo)較小。背景干擾比光電跟蹤取證系統(tǒng)常用的場(chǎng)景大，可進(jìn)一步驗(yàn)證算法的普遍性，并作為算法擴(kuò)展應(yīng)用場(chǎng)景的參考。

圖5(a)、5(b)顯示，離焦?fàn)顟B(tài)下的圖像背景與目標(biāo)區(qū)別不明顯，但本方法建立的調(diào)焦窗口仍比較準(zhǔn)確地包含了通信塔的主體；圖5(c)、5(d)顯示，數(shù)字圖像一階矩方法建立的調(diào)焦窗口不能區(qū)分背景特征和目標(biāo)特征，主要是因?yàn)檫吘墮z測(cè)圖像的細(xì)節(jié)分布較為均勻，如圖5(e)；圖5(f)顯示，通過本方法獲得的特征圖同樣包含了大量的背景細(xì)節(jié)，但增強(qiáng)了特征突出的區(qū)域，經(jīng)過二值化分離后背景區(qū)域仍存在較多的有效特征點(diǎn)，但都分布得比較離散，經(jīng)過邊界擴(kuò)展后僅保留了目標(biāo)區(qū)域。

第2組實(shí)驗(yàn)如圖6所示，模擬光電跟蹤取證系統(tǒng)拍攝天空中飛行器的場(chǎng)景。簡(jiǎn)單的天空背景前有2個(gè)位置不同的飛機(jī)模型。由于2個(gè)目標(biāo)距離攝像系統(tǒng)的距離不同，因此正焦位置也不同[8]，正確的調(diào)焦，需要分離2個(gè)目標(biāo)區(qū)域，選取權(quán)值最大的區(qū)域作為首要目標(biāo)區(qū)域，建立調(diào)焦窗口，進(jìn)行后續(xù)的調(diào)焦操作。對(duì)于深度離焦的畫面圖6(a)，通過本方法處理后獲得2個(gè)特征點(diǎn)相對(duì)聚集的區(qū)域，如圖6(e)所示。通過進(jìn)一步二值化和邊界擴(kuò)展，連接相對(duì)集中的特征點(diǎn)，選取權(quán)值最大的區(qū)域構(gòu)建如圖6(g)所示的調(diào)焦窗口；圖6(a)、(b)顯示，本方法對(duì)離焦和正焦圖像建立的調(diào)焦窗口準(zhǔn)確包含首要目標(biāo)的主體區(qū)域；圖6(c)、(d)顯示，數(shù)字要目標(biāo)的主體區(qū)域；圖6(c)、(d)顯示，數(shù)字圖像一階矩方法建立的調(diào)焦窗口偏離目標(biāo)區(qū)域，這主要是由于場(chǎng)景存在2個(gè)目標(biāo)。實(shí)驗(yàn)證明本方法可以區(qū)分不同的特征顯著區(qū)域，根據(jù)需求建立針對(duì)不同目標(biāo)的調(diào)焦窗口。

第3組實(shí)驗(yàn)如圖7所示，場(chǎng)景模擬光電跟蹤取證系統(tǒng)拍攝天空中運(yùn)動(dòng)的飛行器的場(chǎng)景。

實(shí)驗(yàn)中的目標(biāo)模型在調(diào)焦的過程中從畫面的右側(cè)移動(dòng)到左側(cè)。實(shí)驗(yàn)中為了能更好的對(duì)比，數(shù)字圖像一階矩方法的調(diào)焦窗口選擇比目標(biāo)區(qū)域稍大的240×240固定窗口。

圖7(a)～(d)是從深度離焦到正焦變化的圖像，實(shí)線窗口為本方法構(gòu)建的調(diào)焦窗口，虛線窗口是由一階矩方法構(gòu)建的調(diào)焦窗口。圖7(a)～(d)顯示，2種方法在整個(gè)過程中都可以確定目標(biāo)的位置，選中目標(biāo)的主體區(qū)域。

實(shí)驗(yàn)證明對(duì)于簡(jiǎn)單背景中單個(gè)運(yùn)動(dòng)目標(biāo)，2種方法都可以有效地定位目標(biāo)的位置，選中目標(biāo)主體區(qū)域。本方法還能夠根據(jù)目標(biāo)的大小和姿態(tài)調(diào)整窗口的大小和形狀，比一階矩方法具有更強(qiáng)的適應(yīng)性。

清晰度評(píng)價(jià)函數(shù)曲線可用于判斷對(duì)焦算法對(duì)圖像清晰度評(píng)價(jià)的準(zhǔn)確性。為了驗(yàn)證本方法和一階矩方法對(duì)運(yùn)動(dòng)目標(biāo)構(gòu)建的調(diào)焦窗口的有效性，對(duì)電動(dòng)變焦鏡頭變焦過程的視頻圖像，每隔10幀，使用以上兩種算法建立調(diào)焦窗口，計(jì)算圖像的梯度能量函數(shù)值，繪制曲線圖，如圖8所示。

(a)、(b)本方法對(duì)離焦、正焦圖像建立的調(diào)焦窗口；(c)、(d)一階矩方法對(duì)離焦、正焦圖像建立的調(diào)焦窗口；(e)離焦圖像邊緣圖；(f)~(h)文方法對(duì)離焦圖像提取的特征圖、二值化特征圖和邊界擴(kuò)展獲得的調(diào)焦窗口

(a)、(b)本方法對(duì)離焦、正焦圖像建立的調(diào)焦窗口；(c)、(d)一階矩方法對(duì)離焦、正焦圖像建立的調(diào)焦窗口；(e)～(g)本方法對(duì)離焦圖像提取的特征圖、二值化特征圖和邊界擴(kuò)展獲得的調(diào)焦窗口

(a)～(d)本方法和一階矩方法對(duì)運(yùn)動(dòng)目標(biāo)建立的調(diào)焦窗口；(e)～(g)本方法對(duì)離焦圖像提取的特征圖、二值化特征圖和邊界擴(kuò)展獲得的調(diào)焦窗口

圖8 本方法和一階矩方法的評(píng)價(jià)函數(shù)曲線

圖8顯示，通過2種方法建立的調(diào)焦窗口獲得的評(píng)價(jià)函數(shù)曲線都具有很好的單峰性和無偏性，有利于后續(xù)極點(diǎn)搜索算法的執(zhí)行[6]。

算法的實(shí)時(shí)性是本方法提出的一個(gè)主要目的。為了驗(yàn)證本方法的實(shí)時(shí)性，在光電跟蹤取證系統(tǒng)控制臺(tái)上的使用本方法和一階矩方法對(duì)序列圖像進(jìn)行處理，分析耗時(shí)。光電跟蹤取證系統(tǒng)為了保證系統(tǒng)的可靠性和集成化，控制計(jì)算機(jī)采用無風(fēng)扇、低功耗的小型特種計(jì)算機(jī)，參數(shù)如下：處理器：Intel Atom N450 1.66GHz；內(nèi)存：DDRII 667 SDRAM 1GB。

在光電跟蹤取證系統(tǒng)控制臺(tái)上對(duì)空中運(yùn)動(dòng)目標(biāo)的704×576圖像進(jìn)行調(diào)焦窗口的構(gòu)建實(shí)驗(yàn)。圖9給出了2種方法的耗時(shí)對(duì)比圖，一階矩方法平均耗時(shí)＞158ms，本方法平均耗時(shí)為20ms，遠(yuǎn)比一階矩方法的耗時(shí)少，只有視頻圖像一幀畫面更新時(shí)間的1/2。

圖9 本方法和一階矩方法耗時(shí)對(duì)比

對(duì)于遠(yuǎn)處低空高速運(yùn)動(dòng)的物體，以拍攝到的目標(biāo)的長(zhǎng)寬至少占畫面的1/8，認(rèn)為跟蹤拍攝效果良好。光電跟蹤取證系統(tǒng)伺服系統(tǒng)的最大角速度為50°/s；最大角加速度為90°/s2；平穩(wěn)跟蹤最小角速度變化為0.2°/s。當(dāng)電動(dòng)變焦鏡頭調(diào)整到750mm焦距時(shí)，由式(9)可得水平視場(chǎng)角只有0.49°，小的跟蹤偏差雖然不影響目標(biāo)的拍攝，但會(huì)讓目標(biāo)偏離上一幀構(gòu)建的調(diào)焦窗口。以最小的角速度變化0.2°/s，相鄰兩幀畫面中目標(biāo)偏離原位置的面積就超過10%，因此需要對(duì)每一幀圖像構(gòu)建調(diào)焦窗口。即光電跟蹤取證系統(tǒng)的調(diào)焦算法需要在一幀畫面時(shí)間間隔為40ms內(nèi)得出評(píng)價(jià)結(jié)果，并且留有足夠的余量用于目標(biāo)跟蹤算法和控制算法的運(yùn)行。

式中：為CCD的寬度，攝像系統(tǒng)CCD寬度為6.4mm；為水平視場(chǎng)角；?為鏡頭焦距。

實(shí)驗(yàn)分析和統(tǒng)計(jì)結(jié)果顯示，在系統(tǒng)平臺(tái)上只有本方法能在40ms內(nèi)完成調(diào)焦窗口的構(gòu)建，并且留有較大的時(shí)間余量。

4 結(jié)論

針對(duì)光電跟蹤取證系統(tǒng)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行調(diào)焦控制的實(shí)時(shí)性需求，設(shè)計(jì)了一種新的提取圖像特征突出區(qū)域的方法，完成快速構(gòu)建調(diào)焦窗口的功能。該方法利用梯度能量評(píng)價(jià)函數(shù)計(jì)算的每個(gè)小區(qū)域的評(píng)價(jià)值，經(jīng)過少量的數(shù)據(jù)分析就可以建立有效的調(diào)焦窗口。通過實(shí)驗(yàn)證明，實(shí)驗(yàn)場(chǎng)景中該方法能夠在整個(gè)調(diào)焦過程中對(duì)離焦、正焦的圖像構(gòu)建出位置準(zhǔn)確、大小合適的調(diào)焦窗口，適應(yīng)性強(qiáng)、耗時(shí)短。該方法在光電跟蹤取證系統(tǒng)平臺(tái)上運(yùn)行速度較快，構(gòu)建一次調(diào)焦窗口的平均耗時(shí)只要20ms，滿足光電跟蹤取證系統(tǒng)對(duì)調(diào)焦的實(shí)時(shí)性要求，對(duì)實(shí)現(xiàn)跟蹤拍攝功能的自動(dòng)化和提高攝像質(zhì)量具有直接的工程應(yīng)用價(jià)值。

[1] 朱孔鳳, 姜威, 高贊, 等. 自動(dòng)聚焦系統(tǒng)中聚焦窗口的選擇及參量的確定[J]. 光學(xué)技術(shù), 2006, 16(6): 836-840.

Zhu Kongfeng, Jiang Wei, Gao Zan, et al. Focusing window choice and parameters determination in automatic focusing system[J]., 2006, 16(6): 836-840.

[2] 朱孔鳳, 姜威, 王端芳, 等. 用高斯非均勻采樣解決自動(dòng)聚焦中的誤判[J]. 光學(xué)技術(shù), 2005, 31(6): 910-912.

Zhu Kongfeng, Jiang Wei, Wang Duanfang, et al. Using Gaussian unequally spaced sampling to make automatic focusing result correct[J]., 2005, 31(6): 910-912.

[3] 張樂, 姜威, 高贊. 數(shù)字圖像一階矩的自動(dòng)聚焦區(qū)域選擇算法[J]. 光學(xué)技術(shù), 2008, 34(2): 163-165.

Zhang Le, Jiang Wei, Gao Zan. Automatic focusing region selection algorithm based on first order of digital image[J]., 2008, 34(2): 163-165．

[4] 劉雪超, 吳志勇, 黃德天, 等. 結(jié)合視覺感知的調(diào)焦窗口構(gòu)建[J]. 中國(guó)激光, 2014, 41(1): 191-198.

Liu Xuechao, Wu Zhiyong, Huang Detian, et al. Designing of focus window combined with visual perception[J]., 2014, 41(1): 191-198.

[5] 陳芳, 張存繼, 韓延祥, 等. 簡(jiǎn)單圖像的快速聚焦[J]. 光學(xué)精密工程, 2014, 22(1): 220-227.

Chen Fang, Zhang Cunji, Han Yanxiang, et al. Fast focus on simple images[J]., 2014, 22(1): 220-227.

[6] 劉雪超. 基于數(shù)字圖像處理的自動(dòng)調(diào)焦技術(shù)研究[D]. 長(zhǎng)春: 中國(guó)科學(xué)院研究生院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所, 2014.

Liu Xuechao. Study on auto-focusing based on digital image processing technology[D]. Changchun：Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, 2014.

[7] 周賢, 姜威. 基于圖像邊緣能量的自動(dòng)聚焦算法[J]. 光學(xué)技術(shù), 2006, 32(2): 910-912.

Zhou Xian, Jiang Wei. Auto-focus algorithm based on image edge energy[J]., 2006, 32(2): 910-912.

[8] Chiu Li-cheng, Fuh Chiou-shann. An efficient auto focus method for digital still camera based on focus value curve prediction model[J]., 2010, 26(4): 1261-1272 .

[9] 梁敏華, 吳志勇, 陳濤. 采用最大灰度梯度法實(shí)現(xiàn)經(jīng)緯儀自動(dòng)調(diào)焦控制[J]. 光學(xué)精密工程, 2009, 17(12): 3016-3021.

Liang Minhua, Wu Zhiyong, Chen Tao. Autofocusing adjustment of theodolites by largest the gradient method[J]., 2009, 17(12): 3016-3021.

[10] 張龍, 喬鐵柱. 一種紅外圖像的二值化分割算法研究[J]. 紅外技術(shù), 2014, 36(8): 649-651.

Zhang Long, Qiao Tiezhu. An binary segmentation algorithm for infrared image[J]., 2014, 36(8): 649-651.

[11] 夏清, 胡振琪, 許立江, 等. 一種改進(jìn)Sobel算子的熱紅外影像邊緣檢測(cè)方法[J]. 紅外技術(shù), 2015, 37(6): 462-466.

Xia Qing, Hu Zhenqi, Xu Lijiang, et al. A modified edge extraction algorithm of infrared thermal image based on Sobel operator[J]., 2015, 37(6): 462-466.

Design of Focusing Window Based on Energy Function of Gradient

GUO Jingbin1，F(xiàn)ENG Huajie1，WANG Long2，PENG Qinjian3，LI Xingfei1

(1.,,300072,；2.(),300072,；3.,300042,)

Zoom and focus are required when photoelectric tracking system is used to track moving targets. The deviation of focusing window caused by the change of target posture and position is the main reason that leads to the failure of automatical focusing. In light of this, a method to establish dynamic focusing window for target is proposed. We used gradient energy evaluation function to extract target features and then establish focusing window by correlation treatment method and boundary expansion, which can overcome the defects of original method. The experiment results show that the new method can establish effective focusing window for 704×576 pixels images during 20ms. The results demonstrate that this method can meet the need of real-time operation.

photoelectric tracking，dynamic focusing，gradient energy evaluation function，focusing window establishment，feature extraction

TP391.4

A

1001-8891(2016)03-0197-06

2015-09-19；

2015-10-29.

郭敬濱（1959-），男，河北保定人，工學(xué)碩士，副教授，主要從事精密測(cè)試技術(shù)及儀器、圖像處理的研究。E-mail：guojingbin@tju.edu.cn。