楊瑞宇，呂 浩，龔曉霞，吳 誠(chéng)，李學(xué)寬，蘇 蘭，范明國(guó)，尹敏杰，杜潤(rùn)來(lái)

紅外成像系統(tǒng)中自動(dòng)對(duì)焦功能優(yōu)化方法研究

楊瑞宇，呂 浩，龔曉霞，吳 誠(chéng)，李學(xué)寬，蘇 蘭，范明國(guó)，尹敏杰，杜潤(rùn)來(lái)

（昆明物理研究所，云南 昆明 650223）

為了在紅外成像系統(tǒng)中實(shí)現(xiàn)高效的自動(dòng)對(duì)焦功能，深入分析和討論了紅外成像系統(tǒng)中自動(dòng)對(duì)焦功能的優(yōu)化方法及特點(diǎn)。結(jié)合具體的工程化應(yīng)用，提出了一種對(duì)圖像清晰度評(píng)價(jià)函數(shù)局部隨機(jī)起伏噪聲的估計(jì)方法，該方法可以提高自動(dòng)對(duì)焦功能的可靠性，通過(guò)將圖像清晰度評(píng)價(jià)函數(shù)的靈敏度作為反饋量引入爬坡過(guò)程，優(yōu)化了爬坡算法的收斂速度。其優(yōu)化方法在工程應(yīng)用中的實(shí)施效果，驗(yàn)證了設(shè)計(jì)的正確性，優(yōu)化方法的有效性。

自動(dòng)對(duì)焦；紅外成像；圖像清晰度評(píng)價(jià)函數(shù)；爬坡算法；自動(dòng)對(duì)焦窗口

0 引言

紅外成像技術(shù)作為光電成像技術(shù)的重要分支學(xué)科，其工程化的應(yīng)用極大地拓展了人們的“視野”，成為了人類征服未知“漆黑”世界的一件“利器”。但受制于價(jià)格因素，目前階段主要的應(yīng)用，仍以軍事運(yùn)用背景為主，通常用于大型武器裝備的偵查、穩(wěn)瞄，或夜間導(dǎo)航，輔助駕駛等。在考慮到不增加紅外系統(tǒng)復(fù)雜性前提下，基于數(shù)字圖像信息處理的對(duì)焦深度自動(dòng)對(duì)焦方法，成為了為一種高性價(jià)比、務(wù)實(shí)可行的自動(dòng)對(duì)焦功能實(shí)現(xiàn)方案[1]。

采用基于數(shù)字圖像信息處理的對(duì)焦深度方法，實(shí)現(xiàn)自動(dòng)對(duì)焦功能，主要包含3個(gè)關(guān)鍵技術(shù)，一是清晰度評(píng)價(jià)函數(shù)，二是對(duì)焦窗口的選擇，三是搜索算法。而自動(dòng)對(duì)焦功能的優(yōu)化實(shí)現(xiàn)過(guò)程，具體方法通常圍繞著基于數(shù)字圖像信息處理的對(duì)焦深度方法的3個(gè)關(guān)鍵技術(shù)而展開(kāi)。

圖像清晰度評(píng)價(jià)函數(shù)可分為多種，分別是灰度函數(shù)、頻域函數(shù)、信息熵函數(shù)、統(tǒng)計(jì)學(xué)函數(shù)和基于邊緣輪廓線提取函數(shù)等[2-5]。清晰度評(píng)價(jià)函數(shù)的選取應(yīng)滿足如下設(shè)計(jì)約束性要求：①有效性：運(yùn)算得到的對(duì)焦位置要和實(shí)際的焦點(diǎn)位置表現(xiàn)出重合，而不是一個(gè)無(wú)關(guān)的位置；②單峰性：該函數(shù)在調(diào)焦的有效行程中有且僅有一個(gè)極值位置，對(duì)應(yīng)著自動(dòng)調(diào)焦的最優(yōu)位置（或算法自身能剔除雙峰或多峰帶來(lái)的歧義）；③無(wú)偏性：該函數(shù)對(duì)不同目標(biāo)背景有著類似的響應(yīng)率分布（針對(duì)調(diào)焦行程），對(duì)不同目標(biāo)背景計(jì)算得到的曲線要與場(chǎng)景的實(shí)際變化相吻合。選取的清晰度評(píng)價(jià)函數(shù)，應(yīng)滿足一定的性能要求：①高靈敏度：該函數(shù)要在峰值附近隨焦距的變化表現(xiàn)出明顯的數(shù)值變化，以方便確定峰值的位置；②高信噪比：該函數(shù)計(jì)算方法對(duì)圖像噪聲和目標(biāo)背景的微小擾動(dòng)的影響有一定抗干擾能力[5-6]。通過(guò)選擇合理的對(duì)焦窗口可以降低評(píng)價(jià)函數(shù)運(yùn)算量，剔除不同景深下對(duì)同一背景目標(biāo)帶來(lái)的影響[7]。對(duì)焦窗口的選擇方案有：中央選擇法、多區(qū)域選擇法、黃金分割點(diǎn)位置法和神經(jīng)算法等[8]。

搜索算法決定于控制系統(tǒng)，能否在自動(dòng)對(duì)焦過(guò)程中，根據(jù)當(dāng)前圖像清晰度評(píng)價(jià)函數(shù)的值，控制焦距變化以快速收斂至最佳對(duì)焦位置。常用的對(duì)焦搜索算法有盲人爬坡法、窮舉搜索法、Fibonacci搜索法、函數(shù)逼近法和黃金分割法等。具體實(shí)現(xiàn)應(yīng)重點(diǎn)考慮如下3個(gè)要素：①合理初值的選取；②收斂的有效性；③高的收斂速度[9-10]。

大型武器裝備中的紅外成像系統(tǒng)中，視距通常是其系統(tǒng)功能追求的首要指標(biāo)，但探測(cè)器往往匹配于復(fù)雜而笨重的光學(xué)成像機(jī)構(gòu)，在此類紅外成像系統(tǒng)中實(shí)現(xiàn)自動(dòng)對(duì)焦功能，存在一定實(shí)施的困難。通常的具體表現(xiàn)有：視場(chǎng)變倍比大（調(diào)焦行程較長(zhǎng)）、調(diào)焦結(jié)構(gòu)載荷重（執(zhí)行機(jī)構(gòu)運(yùn)動(dòng)遲緩）、齊焦性能隨溫度漂移較大、和紅外圖像性噪比低等一系列特點(diǎn)，最終將導(dǎo)致自動(dòng)對(duì)焦功能實(shí)時(shí)性能下降。本文針對(duì)上述紅外成像系統(tǒng)的特點(diǎn)，通過(guò)研究自動(dòng)對(duì)焦功能的關(guān)鍵技術(shù)，提出了一種基于數(shù)字圖像信息處理的自動(dòng)對(duì)焦深度優(yōu)化方法，在某一型號(hào)無(wú)人機(jī)紅外載荷自動(dòng)對(duì)焦功能的實(shí)現(xiàn)過(guò)程中，通過(guò)成功率、精度和速度3個(gè)關(guān)鍵性能參數(shù)的測(cè)試和評(píng)價(jià)，驗(yàn)證了其優(yōu)化方法的有效性。

1 自動(dòng)對(duì)焦關(guān)鍵技術(shù)的優(yōu)化

1.1 圖像清晰度評(píng)價(jià)函數(shù)優(yōu)化

清晰度評(píng)價(jià)函數(shù)提取方法有多種，其中基于邊緣特性提取的方法有：常規(guī)的離散差分（differentiation）算子、基于微分的Prewitt算子、常規(guī)的梯度算子（gradient）、基于梯度的Roberts算子、Sigma算子和Sobel算子等。為了比較不同方法提取清晰度評(píng)價(jià)函數(shù)的效果，本文通過(guò)實(shí)驗(yàn)方法采集計(jì)算了上述算子計(jì)算得到的圖像清晰度評(píng)價(jià)函數(shù)的實(shí)驗(yàn)數(shù)據(jù)，和與之對(duì)應(yīng)的不同調(diào)焦位置的擬合曲線圖，如圖1所示。

在圖1中，通過(guò)NI（National Instruments）公司的機(jī)器視覺(jué)軟件，采樣計(jì)算了某型號(hào)熱像儀的上述6種不同算子得到的圖像清晰度評(píng)價(jià)函數(shù)擬合曲線圖，從圖中我們不難發(fā)現(xiàn)其中的Sobel算子提取圖像清晰度評(píng)價(jià)函數(shù)的擬合曲線較其他5條擬合曲線，相對(duì)平滑（局部噪聲波動(dòng)較小，圖像清晰度評(píng)價(jià)函數(shù)擬合曲線的歸一化均方根值較?。瑫r(shí)峰值絕對(duì)值較大（圖像清晰度評(píng)價(jià)函數(shù)多項(xiàng)式擬合趨勢(shì)圖的峰值梯度），單調(diào)性較好（圖像清晰度評(píng)價(jià)函數(shù)多項(xiàng)式擬合趨勢(shì)圖的平均梯度較大），見(jiàn)表1。在實(shí)際情況下，由于噪聲的影響，對(duì)局部最大值與最小值的確定就存在較大的誤差，從而導(dǎo)致圖像細(xì)節(jié)模糊、不清晰。從圖1的對(duì)比分析中我們可以得出結(jié)論：針對(duì)于實(shí)驗(yàn)中涉及的紅外光電系統(tǒng)，上述的6種不同算子，Sobel算子更適合作為此紅外成像系統(tǒng)中圖像清晰度評(píng)價(jià)函數(shù)的提取方法。

圖1 多種方法提取熱像清晰度評(píng)價(jià)函數(shù)擬合曲線的比較圖

在紅外數(shù)字圖像視頻流處理過(guò)程中，合理選擇提取圖像清晰度的節(jié)點(diǎn)，是自動(dòng)對(duì)焦功能優(yōu)化方法的一個(gè)技術(shù)關(guān)鍵點(diǎn)。圖2為某型號(hào)機(jī)載熱像儀所拍攝得到的實(shí)物和經(jīng)過(guò)數(shù)字濾波處理前后的圖像及相應(yīng)的圖像清晰度評(píng)價(jià)函數(shù)（隨焦距）曲線的對(duì)比圖，其中圖2(a)為某型號(hào)機(jī)載熱像儀數(shù)字濾波處理前的圖像場(chǎng)景圖，該圖有較多盲點(diǎn)，看起來(lái)較為模糊、清晰度較差；圖2(b)為某型號(hào)機(jī)載熱像儀數(shù)字濾波處理后的圖像場(chǎng)景圖，在圖2(a)的基礎(chǔ)上，我們引入了數(shù)字濾波處理，從處理前后的兩幅對(duì)比圖中可以很直觀地看到，經(jīng)過(guò)處理后的圖像，剔除了原有圖像中的較多盲點(diǎn)，整體提高了圖像的質(zhì)量和清晰度。

圖2(c)和圖2(d)為與2(a)和2(b)相對(duì)應(yīng)的圖像清晰度函數(shù)值擬合曲線，從圖2(a)中可以明顯看出，在該圖中存在較多的高頻椒鹽噪聲。結(jié)合該圖我們來(lái)討論椒鹽噪聲對(duì)圖像清晰度函數(shù)（此處，定義為）的影響。對(duì)圖2(c)和圖2(d)進(jìn)行認(rèn)真觀察和仔細(xì)比較后，可以發(fā)現(xiàn)2幅圖像的清晰度函數(shù)值擬合曲線無(wú)論在形狀上或者是整體趨勢(shì)上變化均不大，主要的差異表現(xiàn)在于：圖2(d)較圖2(c)增加了一個(gè)相對(duì)固定的線性偏置分量。其結(jié)果是：由于圖2(b)的椒鹽噪聲產(chǎn)生的線性偏置分量被濾除（或得以抑制），導(dǎo)致與之對(duì)應(yīng)的曲線有較大相對(duì)變化率。

就上述情況，考慮到圖像清晰度函數(shù)的靈敏度的影響，圖2(b)較圖2(a)更適合于自動(dòng)對(duì)焦功能的實(shí)現(xiàn)。由此可見(jiàn)，在紅外成像系統(tǒng)中為保證自動(dòng)對(duì)焦功能的實(shí)現(xiàn)和性能的提升，往往更加期望一個(gè)“干凈”（無(wú)噪聲干擾）的場(chǎng)景。紅外成像數(shù)字圖像處理中，除了特有的非均勻校正算法和盲元替換算法，為了解決目標(biāo)場(chǎng)景（或采樣電路輸入）與輸出觀瞄顯示系統(tǒng)的動(dòng)態(tài)范圍不匹配的問(wèn)題，往往還會(huì)引入一些非線性動(dòng)態(tài)壓縮和細(xì)節(jié)增強(qiáng)算法，此類非線性的處理，無(wú)疑將增加清晰度評(píng)價(jià)函數(shù)的選取違背自動(dòng)對(duì)焦設(shè)計(jì)約束的風(fēng)險(xiǎn)（有效、單峰、無(wú)偏性）。兼顧考慮到其要求的性能參數(shù)：高性噪比和靈敏度，本文選擇了經(jīng)過(guò)非均勻校正，濾除圖像本征的高頻噪聲，進(jìn)行盲元替換后，實(shí)時(shí)直方圖均衡前的視頻流，作為圖像清晰度評(píng)價(jià)函數(shù)的提取節(jié)點(diǎn)。本文所涉及紅外成像視頻的數(shù)據(jù)流圖，如圖3所示。

表1 多種圖像清晰度評(píng)價(jià)函數(shù)計(jì)算方法的對(duì)比表

圖2 熱像數(shù)字濾波前后的圖像及相應(yīng)的圖像清晰度評(píng)價(jià)函數(shù)的曲線

1.2 自適應(yīng)的對(duì)焦窗口調(diào)整

動(dòng)態(tài)自適應(yīng)地選擇對(duì)焦窗口，更有利于得到單峰的圖像清晰度評(píng)價(jià)函數(shù)。假設(shè)F（取自然數(shù)，代表第次調(diào)焦的計(jì)數(shù)）為調(diào)焦過(guò)程中焦距相對(duì)位置序列，與之相對(duì)應(yīng)的圖像清晰度評(píng)價(jià)函數(shù)值，也記為D。本文涉及的具體工程實(shí)踐中，通過(guò)細(xì)分子窗口，并根據(jù)圖像清晰度評(píng)價(jià)函數(shù)調(diào)焦步長(zhǎng)改變的變化量D（其中，D＝D－D－1），可以選擇D較大的子窗口，作為清晰度評(píng)價(jià)函數(shù)計(jì)算中采樣計(jì)算數(shù)據(jù)窗口，以實(shí)現(xiàn)本部分的設(shè)計(jì)方法的優(yōu)化。如圖4，如將中心窗口進(jìn)一步細(xì)分16個(gè)子窗口，其中圖4(c)和圖4(d)，是圖4(a)和圖4(b)相對(duì)應(yīng)圖像，進(jìn)行拉普拉斯濾波后的圖像。在大視場(chǎng)情況下，不難發(fā)現(xiàn)子窗口W00，W01，W10，W30和W31對(duì)于圖像清晰度評(píng)價(jià)函數(shù)的總體變化量的貢獻(xiàn)量是有限的。此種情況下，選擇計(jì)算的子窗口可以不包括上述子窗口；而在小視場(chǎng)情況下，情況則相反。所以，在自動(dòng)對(duì)焦前或過(guò)程中動(dòng)態(tài)、自適應(yīng)地選取有效的對(duì)焦窗口，也是一種優(yōu)化自動(dòng)對(duì)焦功能的有效方法。

1.3 噪聲的估計(jì)和爬坡算法的優(yōu)化

爬坡算法的優(yōu)化，一直是紅外成像系統(tǒng)中實(shí)現(xiàn)自動(dòng)對(duì)焦技術(shù)的難點(diǎn)和研究熱點(diǎn)。近年來(lái)，林忠、王劍華和何炳陽(yáng)等人提出了“兩次下降爬坡算法”[2]，“變調(diào)焦步進(jìn)的爬坡算法”[10]和“自適應(yīng)的自動(dòng)對(duì)焦算法”[1]，其要解決的問(wèn)題是如何使爬坡算法能克服局部峰值，但大多數(shù)算法通常是增加了爬坡算法的冗余度（可能降低算法收斂速度）或加強(qiáng)了算法實(shí)現(xiàn)約束的條件[11]，在具體工程應(yīng)用的情況中，也存在一定的實(shí)現(xiàn)難度。本文在某型號(hào)無(wú)人機(jī)紅外觀瞄熱像系統(tǒng)的工程化實(shí)現(xiàn)中，設(shè)計(jì)如下自動(dòng)對(duì)焦技術(shù)的優(yōu)化方法，以實(shí)現(xiàn)上述方法。

圖3 紅外成像視頻的數(shù)據(jù)流圖

圖4 熱像的圖像清晰度評(píng)價(jià)函數(shù)中心窗口細(xì)分的示意圖

1.3.1 圖像清晰度評(píng)價(jià)函數(shù)噪聲的估計(jì)

通過(guò)對(duì)圖像清晰度評(píng)價(jià)函數(shù)噪聲合理估計(jì)，加強(qiáng)了快速爬坡搜索算法反向或結(jié)束的約束條件，可以提高算法的精度和可靠性。其理論方法簡(jiǎn)述如下：對(duì)于一個(gè)前期經(jīng)過(guò)濾波的、穩(wěn)定的數(shù)字成像系統(tǒng)，我們可以將其近似地看做，一個(gè)以目標(biāo)場(chǎng)景為輸入，圖像清晰度評(píng)價(jià)函數(shù)為輸出的一個(gè)慣性系統(tǒng)，目標(biāo)場(chǎng)景輸入如果是一個(gè)平穩(wěn)隨機(jī)過(guò)程，其輸出也應(yīng)該是一個(gè)平穩(wěn)隨機(jī)過(guò)程，顯然大多數(shù)連續(xù)，慢速變化場(chǎng)景的成像系統(tǒng)滿足上述條件。由于系統(tǒng)存在微小的震動(dòng)、背景噪聲或計(jì)算誤差，圖像清晰度評(píng)價(jià)函數(shù)采樣值表示為￠＝＋N，其中N定義圖像清晰度評(píng)價(jià)函數(shù)局部起伏波動(dòng)的噪聲，區(qū)別于數(shù)字圖像的本征噪聲，表示一個(gè)局部平滑的圖像清晰度評(píng)價(jià)函數(shù)。

一個(gè)實(shí)際的圖像清晰度評(píng)價(jià)函數(shù)曲線可由兩者的疊加來(lái)表示。在自動(dòng)對(duì)焦前或后的過(guò)程中，圖像清晰度評(píng)價(jià)函數(shù)值通常是一個(gè)隨視頻同步信號(hào)同步采樣計(jì)算值系列￠[]，顯然，我們可以根據(jù)采樣序列￠[]的均值或高階項(xiàng)來(lái)估計(jì)局部噪聲N（局部峰值）的大小。例如，在噪聲高斯分布情況下，通過(guò)￠[]的序列計(jì)算，我們可以得到N均值和方差，例如，將噪聲絕對(duì)值的最大值區(qū)間估計(jì)為{－3,＋3}（不同的系統(tǒng)，可更具不同的應(yīng)用需求或置信度要求，合理調(diào)整估計(jì)區(qū)間），將得到一個(gè)大約99.74%的置信空間（其中，置信度={|N－|≤3}≈0.9974）。

若將爬坡算法由D￠-1＜D￠＞D￠+1，再加強(qiáng)一個(gè)條件：D￠=＋3，（其中D￠＝|D￠－D－1￠|），滿足此條件下爬坡過(guò)程有效，則爬坡的過(guò)程，就可以跳出圖像清晰度評(píng)價(jià)函數(shù)局部噪聲峰峰值的區(qū)間（噪聲閾值）完成算法，并有99.74%置信度保證其結(jié)果的有效性。

在本文的具體設(shè)計(jì)中，將涉及實(shí)現(xiàn)自動(dòng)對(duì)焦功能實(shí)現(xiàn)的軟件功能模塊，部署于成像系統(tǒng)中進(jìn)行圖像處理的FPGA內(nèi)部，其中嵌入了一個(gè)32位MCU軟核處理器。上述軟硬件架構(gòu)，有較強(qiáng)的計(jì)算和圖像處理能力，更有利于保證自動(dòng)對(duì)焦功能實(shí)時(shí)性能的實(shí)現(xiàn)?？紤]到自動(dòng)對(duì)焦技術(shù)對(duì)于紅外場(chǎng)景適應(yīng)的多樣性，實(shí)際應(yīng)用要求N能自適應(yīng)地調(diào)整和估計(jì)，本文構(gòu)建了一個(gè)輸入￠[]、最小均方誤差N為設(shè)計(jì)約束的自適應(yīng)數(shù)字濾波器，可實(shí)現(xiàn)對(duì)N的估計(jì)。在自動(dòng)調(diào)焦前，固定的場(chǎng)景屬于平穩(wěn)隨機(jī)過(guò)程，濾波器類似于維納濾波器結(jié)構(gòu)的數(shù)字濾波器，以N最小均方誤差準(zhǔn)則構(gòu)建數(shù)字濾波器，估計(jì)量記為N，并以當(dāng)前數(shù)字濾波器參數(shù)作為濾波器的初始值。當(dāng)調(diào)焦機(jī)構(gòu)在自動(dòng)調(diào)焦功能工作模式下，輸入變化為非平穩(wěn)隨機(jī)過(guò)程，濾波器進(jìn)化為一個(gè)類似于卡爾曼濾波器結(jié)構(gòu)的自適應(yīng)數(shù)字濾波器，并實(shí)時(shí)調(diào)整濾波器序數(shù)矩陣的參數(shù)值，而得以實(shí)現(xiàn)上述自適應(yīng)功能。采用上述的設(shè)計(jì)優(yōu)化方法，額外帶來(lái)的一個(gè)好處是，確定了算法的有效性的置信度后，也就確定圖像清晰度評(píng)價(jià)函數(shù)局部噪聲閾值區(qū)間。若定義調(diào)焦步長(zhǎng)為D，最小步長(zhǎng)（表示為MIN(D)，其中，D＝F－F－1）也可以確定，即自動(dòng)調(diào)焦最小步長(zhǎng)選取應(yīng)大于等于，引起圖像清晰度評(píng)價(jià)函數(shù)最小的改變量：＋3。

為了驗(yàn)證上述設(shè)計(jì)的正確性，分別在實(shí)施策略前后，各取1000次實(shí)驗(yàn)樣本空間來(lái)驗(yàn)證設(shè)計(jì)的準(zhǔn)確性和可行性，在1000次紅外成像系統(tǒng)自動(dòng)對(duì)焦實(shí)驗(yàn)中詳細(xì)記錄每次對(duì)焦清晰的次數(shù)。在紅外成像系統(tǒng)未引入策略實(shí)施前，在1000次實(shí)驗(yàn)樣本中，其中有916次執(zhí)行完成自動(dòng)對(duì)焦后，并達(dá)到清晰位置（命中），另外84次完成對(duì)焦后不能達(dá)到清晰位置（未命中），成功命中率為91.6%；在成功引入策略實(shí)施后，在1000次有實(shí)驗(yàn)樣本中有982次執(zhí)行完成自動(dòng)對(duì)焦后達(dá)到清晰位置，只有18次完成對(duì)焦后不能達(dá)到清晰位置，成功命中率為98.2%。由此可見(jiàn)，在實(shí)施本文設(shè)計(jì)策略后，自動(dòng)對(duì)焦的成功命中率提高了6.6個(gè)百分點(diǎn)，實(shí)驗(yàn)數(shù)據(jù)結(jié)果證明了本文針對(duì)紅外成像系統(tǒng)所采用的策略設(shè)計(jì)準(zhǔn)確、可靠。該策略的實(shí)施，將有效地抑制圖像清晰度評(píng)價(jià)函數(shù)的噪聲，并大幅提升自動(dòng)對(duì)焦功能的成功命中率。

1.3.2 爬坡算法中反饋量的引入

若將S＝(D￠－D－1￠)/(D￠×(F－－1))，作為圖像清晰度評(píng)價(jià)函數(shù)歸一化后，相對(duì)焦距的變化量近似值引入，定義為靈敏度（圖像清晰度評(píng)價(jià)函數(shù)隨調(diào)焦變化量的敏感度），并以此作為爬坡算法的反饋量，將有利于爬坡算法的收斂。S及其高階項(xiàng)也可用于估計(jì)爬坡搜索算法的步進(jìn)步長(zhǎng)，有利于算法的快速收斂。例如，在本文具體設(shè)計(jì)中，當(dāng)D＞5(＋3)（即D遠(yuǎn)大于(＋3)）時(shí)，可取D＞((D－－3)×D￠/S)對(duì)D進(jìn)行估計(jì)，當(dāng)D不滿足上述條件時(shí)，最小調(diào)焦步長(zhǎng)的估計(jì)為；DMIN＝((＋3)×D￠/S)，實(shí)際的最小調(diào)焦步長(zhǎng)應(yīng)大于此估計(jì)值。

以實(shí)驗(yàn)驗(yàn)證上述的優(yōu)化方法，分別在實(shí)施策略前后，取1000次實(shí)驗(yàn)樣本空間，以平均迭代次數(shù)考察算法的收斂速度。實(shí)施前，爬坡算法平均迭代次數(shù)為7；實(shí)施后，爬坡算法平均迭代次數(shù)為5。實(shí)驗(yàn)表明，上述設(shè)計(jì)方法有利于爬坡算法的收斂。

1.3.3 分段標(biāo)定并壓縮對(duì)焦搜索的范圍

本文涉及的紅外成像系統(tǒng)應(yīng)用于軍用背景，要求有較寬的工作溫度范圍，較大視場(chǎng)變倍比，于是要求與之匹配的光學(xué)調(diào)焦系統(tǒng)也具有相應(yīng)較長(zhǎng)的調(diào)焦行程。同時(shí)考慮到紅外成像光學(xué)系統(tǒng)的齊焦性隨溫度漂移較大，其溫度漂移特性大多穩(wěn)定的特點(diǎn)，如果在自動(dòng)對(duì)焦前，通過(guò)實(shí)驗(yàn)方法，根據(jù)系統(tǒng)應(yīng)用要求的實(shí)際景深，可分段標(biāo)定其在各種溫度的焦深，就能有效壓縮自動(dòng)對(duì)焦搜索的有效行程，以提高自動(dòng)對(duì)焦功能的實(shí)時(shí)性能。通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證分區(qū)的有效性，具體實(shí)施方法如下，結(jié)合紅外非均勻校正中兩點(diǎn)校正的參數(shù)標(biāo)定方法，將設(shè)備的全溫工作范圍（－50℃～＋70℃）化分為7個(gè)溫區(qū)，壓縮后的自動(dòng)對(duì)焦搜索范圍與全溫范圍的對(duì)比示意如圖5所示，試驗(yàn)數(shù)據(jù)如表2所示。在本實(shí)驗(yàn)方案中，調(diào)焦系統(tǒng)全溫調(diào)焦行程總長(zhǎng)為15mm，最小調(diào)焦步進(jìn)20mm。未分段前，系統(tǒng)每次自動(dòng)對(duì)焦都將在0～15mm的調(diào)焦行程中遍歷一遍，從而確定最佳調(diào)焦點(diǎn)；壓縮對(duì)焦后最長(zhǎng)的自動(dòng)對(duì)焦搜索范圍（比如溫區(qū)6）比全溫搜索范圍大概壓縮了60%的長(zhǎng)度，效率就提高了60%以上，在實(shí)際工作中，系統(tǒng)每次對(duì)焦之前會(huì)讀取系統(tǒng)當(dāng)前的環(huán)境溫度，根據(jù)不同的溫度，在自動(dòng)對(duì)焦時(shí)選擇不同的溫區(qū)進(jìn)行對(duì)焦。在本次試驗(yàn)過(guò)程中，我們同樣取1000次有效實(shí)驗(yàn)樣本來(lái)進(jìn)行實(shí)際測(cè)試。

圖5 溫區(qū)分段壓縮后的搜索范圍與全溫的搜索范圍對(duì)比示意圖

通過(guò)自動(dòng)對(duì)焦系統(tǒng)實(shí)施壓縮對(duì)焦策略前后的實(shí)驗(yàn)數(shù)據(jù)分析，當(dāng)系統(tǒng)采用了壓縮對(duì)焦策略之后，系統(tǒng)在全溫度范圍內(nèi)自動(dòng)對(duì)焦的有效時(shí)長(zhǎng)從2.6s提高到1.2s，自動(dòng)對(duì)焦的速度提高了1.16倍。

分段標(biāo)定壓縮的自動(dòng)對(duì)焦搜索范圍的方法，能大幅地壓縮自動(dòng)對(duì)焦搜索范圍，以提高其功能實(shí)時(shí)性。但其適用的條件也是有一定約束限制的。其一，該設(shè)計(jì)策略主要適用于更寬的溫度工作范圍，存在溫度有較大漂移的成像系統(tǒng)；其二，其方法有效性和效率與成像系統(tǒng)的應(yīng)用要求密切相關(guān)，例如本文設(shè)計(jì)的紅外成像系統(tǒng)運(yùn)用于無(wú)人機(jī)的觀瞄和導(dǎo)航，其飛行高度很大程度將決定了有效的景深范圍，自然分段壓縮后的自動(dòng)調(diào)焦搜索范圍將有大幅的壓縮；其三，其方法策略是針對(duì)于紅外成像系統(tǒng)的齊焦性隨溫度漂移較大的特點(diǎn)而提出的，其更適用于多視場(chǎng)、大變倍比、長(zhǎng)焦距調(diào)焦行程的紅外成像系統(tǒng)。

2 結(jié)論

本文在某型號(hào)無(wú)人機(jī)機(jī)載紅外熱像儀的工程化應(yīng)用中，采用了上述優(yōu)化方法進(jìn)行了自動(dòng)對(duì)焦功能設(shè)計(jì)，其應(yīng)用效果驗(yàn)證了優(yōu)化方法的有效性。本方法除了能有效提高圖像清晰度評(píng)價(jià)函數(shù)的信噪比、靈敏度、有效性，還能通過(guò)溫區(qū)標(biāo)定的方法壓縮自動(dòng)對(duì)焦搜索范圍，優(yōu)化爬坡搜索算法的收斂速度，提升自動(dòng)對(duì)焦實(shí)時(shí)性能。然而，本文對(duì)自動(dòng)對(duì)焦技術(shù)在紅外成像系統(tǒng)中設(shè)計(jì)的優(yōu)化方法，更多地局限于軟件算法的思想。實(shí)際應(yīng)用中，作為紅外成像的光機(jī)要素，諸如紅外探測(cè)器的性能，調(diào)焦伺服機(jī)構(gòu)運(yùn)動(dòng)速度、精度，及光學(xué)設(shè)計(jì)的集成度等方面，仍然是制約自動(dòng)對(duì)焦的技術(shù)瓶頸。期待隨其相關(guān)硬件工藝及其綜合制造能力的提升，紅外成像系統(tǒng)中的自動(dòng)對(duì)焦技術(shù)，將取得更為普遍而高效的應(yīng)用。

表2 實(shí)施策略前后自動(dòng)調(diào)焦平均用時(shí)對(duì)比表

[1] 何炳陽(yáng), 張智詮, 楊秋實(shí), 等. 熱成像系統(tǒng)自適應(yīng)自動(dòng)對(duì)焦算法[J]. 激光與紅外, 2017, 47(10): 1199-1263.

HE Bingyang, ZHANG Zhiquan, YANG Qiushi, et al. Adaptive auto-focusing algorithm of thermal imaging system[J]., 2017, 47(10): 1199-1263.

[2] 林忠, 黃陳蓉, 盧阿麗. 自動(dòng)對(duì)焦綜合性能指標(biāo)及一種基于雙向兩次下降的自動(dòng)對(duì)焦算法[J]. 科學(xué)技術(shù)與工程, 2015, 15(32): 175-180.

LIN Zhong, HUANG Chenrong, LU Ali. Auto-focus compressive performance evaluation and an auto-focus algorithm based on two-way twice descent[J]., 2015, 15(32): 175-180.

[3] 郝?tīng)?zhēng)輝, 張學(xué)松, 王高, 等. 基于邊緣輪廓線提取的自動(dòng)對(duì)焦評(píng)價(jià)函數(shù)[J]. 紅外技術(shù), 2018, 40(2): 170-175.

HAO Zhenghui, ZHANG Xuesong, WANG Gao, et al. Auto focusing evaluation function based on edge contour extraction[J]., 2018, 40(2): 170-175.

[4] 王燁茹, 馮華君, 徐之海, 等. 一種覆蓋范圍可調(diào)的變頻梯度自動(dòng)對(duì)焦評(píng)價(jià)函數(shù)[J]. 紅外與激發(fā)工程, 2016, 45(10): 258-263.

WANG Yeru, FENG Huajun, XU Zhihai, et al. An adjustable coverage range autofocus evaluation function using gradient operator with variable frequency[J]., 2016, 45(10): 258-263.

[5] 尤玉虎, 劉通, 劉佳文. 基于圖像處理的自動(dòng)對(duì)焦技術(shù)綜述[J]. 激光與紅外, 2013, 43(2): 132-136.

YOU Yuhu, LIU Tong, LIU Jiawen. Survey of the auto—focus methods based on image processing[J]., 2013, 43(2): 132-136.

[6] 李少華. 紅外成像系統(tǒng)自動(dòng)調(diào)焦功能的設(shè)計(jì)與實(shí)現(xiàn)[D]. 武漢: 華中科技大學(xué), 2013.

LI Shaohua. Design & Realization of Auto-focusing in FPGA-based Infrared Imaging System[D]. Wuhan: Huazhong University of Science & Technology, 2013.

[7] 王紅偉, 王加慶, 吳南健. 基于高速視覺(jué)目標(biāo)跟蹤系統(tǒng)的自動(dòng)調(diào)焦算法的設(shè)計(jì)[J]. 光電系統(tǒng), 2018, 39(5): 716-721.

WANG Hongwei，WANG Jiaqing, WU Nanjian. Design of automatix focusing algorithm based on high speed vision object tracking system[J]., 2018, 39(5): 716-721.

[8] 馬宣. 能夠自動(dòng)對(duì)焦的紅外成像系統(tǒng)軟件的設(shè)計(jì)[D]. 成都: 電子科技大學(xué), 2014.

MA Xuan. The Design of an Auto-Focusing Infrared Imaging System[D]. Chengdu: University of Electronic Science and Technology of China 2014.

[9] 王建瑞, 鄧華秋, 陳參寧. 基于紅外圖像的自動(dòng)調(diào)焦技術(shù)[J]. 光電技術(shù)應(yīng)用, 2018, 33(3): 1-5.

WANG Jianrui. Auto focusing technology based on infrared image[J]., 2018, 33(3): 1-5.

[10] 王劍華, 鄧華秋, 陳參寧. 數(shù)字自動(dòng)對(duì)焦中的搜索算法研究[J]. 傳感器與微系統(tǒng), 2012, 31(5): 51-54.

WANG Jianhua, DENG Huaqiu, CHEN Canning. Research on search algorithm for digital auto-focus[J]., 2012, 31(5): 51-54.

[11] HE J, ZHOU R, HONG Z. Modified fast climbing search auto-focus algorithm with adaptive step size searching technique for digital camera[J]., 2003, 49(2): 257-262.

Optimizing Method of Autofocusing Function in Infrared Imaging System

YANG Ruiyu，LYU Hao，GONG Xiaoxia，WU Cheng，LI Xuekuan，SU Lan，F(xiàn)AN Mingguo，YIN Minjie，DU Runlai

(,650223,)

In order to realize high efficiency auto focusing function in infrared imaging system, the characteristics of infrared imaging systems are analyzed. The optimization methods of auto-focusing functions in infrared imaging systems are discussed and summarized. Combined with practical engineering applications, a method for estimating the local random fluctuation noise of the image sharpness evaluation function is proposed. The method improves the reliability of automatic focusing processes. By introducing the sensitivity of image sharpness evaluation function as feedback into the climbing process, the convergence speed of the climbing algorithm can be optimized. The optimization methods were applied to engineering applications, and its implementation verified the correctness of the design and the effectiveness of the optimization methods.

auto-focusing, infrared imaging system, image sharpness evaluation function, mountain-climb searching algorithm, focus window

TP751

A

1001-8891(2020)10-0940-07

2020-07-21；

2020-08-21.

楊瑞宇（1977-），男，云南昭通人，碩士，高級(jí)工程師，主要從事紅外圖像處理技術(shù)方面的研究工作。E-mail：yangruiyu@aliyun.com。