一种NSST和方差的时域与频域结合的显微图像清晰度评价方法技术

一种NSST和方差的时域与频域结合的显微图像清晰度评价方法。本发明专利技术公开了一种显微镜的自动对焦方法，所述的方法为：分别在不同的对焦点获取相应的初始图像；载入这些初始图像；分别对这些图像进行NSST(Non

【技术实现步骤摘要】
一种NSST和方差的时域与频域结合的显微图像清晰度评价方法


[0001]本专利技术涉及一种图像的自动对焦方法，特别涉及一种显微镜图像的自动对焦方法。

技术介绍

[0002]显微镜图像的自动对焦是计算机辅助诊断的一个重要领域。如果没有显微细胞图像的快速自动对焦，则无法提高显微细胞图像的自动获取效率。随着科学技术的发展，显微镜图像的自动对焦和计算机辅助图像处理已经成为了一种趋势。计算机辅助医学诊断不仅可以保证医学诊断的客观性和准确性，而且可以节省医学专家的时间和精力，因此研究显微镜图像的自动对焦和计算机辅助医学诊断具有非常重要的理论和现实意义。所以通过显微镜图像的自动对焦来获取清晰的显微镜图像对今后的医学乃至其他行业都有重要的意义。许多研究人员也在自动聚焦和获取显微镜图像方面取得了进展。
[0003]在过去的几十年里，许多专家和研究人员提出了许多自动对焦算法，如图1所示。它们可以分为两组：空域和频域自动对焦算法。拉普拉斯能量和、方差和Sobel是最常见的空域自动对焦算法吗，通过比较图像的像素值差异或跳变来判断图像清晰度情况，具有响应时间短，受噪声影响大等特点；小波变换和离散余弦变换是频域自动对焦算法的两种常见变换，通过分解图像得到不同频带的子图像，可以将不同信息通过不同频带的子图像反映出来，比如将噪声部分反应在一个频带中，将图像信息反应在其他频带中，从而可以通过降低不同频带的权重来提高这类算法的抗噪性能。
[0004]理想的自动对焦算法应满足以下要求：单调且对离焦敏感，聚焦位置为单峰，对噪声鲁棒，计算复杂度低，且与图像内容无关。我们认为，单调性、单峰性和鲁棒性是基本要求；实时应用需要较低的计算复杂度；对离焦的敏感性和图像内容的独立性是自动对焦算法的高级要求。除此之外，由于环境和图像采集设备的影响，会使得采集的图像不可避免地遭受到噪声的污染，所以理想的自动对焦算法还应该有一定的抗噪能力。然而，没有自动对焦算法满足所有这些要求，尤其是在不独立于图像内容上。传统上，自动对焦算法在假设聚焦图像具有最高强度变化的情况下分析图像的强度变化。自动对焦算法和图像内容之间不可避免地存在相关性。如果图像未对齐，自动对焦算法将受到图像内容差异的影响，并且会发生聚焦像素的错误识别。所以为了克服上述的多种问题，提出一个较为完善的，快速且有良好抗噪能力的自动对焦算法具有非凡的意义。

技术实现思路

[0005]本专利技术的目的在于提出一种快速且有良好抗噪能力的显微镜图像的自动对焦算法，对不同情况下获得的显微镜图像能完成自动对焦并且通过计算清晰度评价曲线得到最清晰的图像。
[0006]一种基于NSST的显微镜图像自动对焦算法，此算法对焦过程可以包括下列步骤：
1.在连续X个不同物距的情况获取若干张显微镜图像，每一张图像都有其对应的X物距；2.载入所得到的显微镜图像；3.将得到的显微镜图像进行N级的NSST分解，每张图像都能得到个高频子带系数和1个低频自带系数；4.计算不同频带系数并通过求方差和双边滤波得到改进的不同频1带能量和，其中双边滤波能很好地抑制噪声带来的干扰，高频子带系数能量和与低频子带系数能量和的比值即为清晰度评价函数值；5.通过清晰度评价比值得到不同物距的显微镜图像的焦点位置；上述步骤3的具体方法为：图像通过非下采样塔式滤波器对图像进行T级非下采样金字塔（NSP）多尺度分解后，得到T+1个子带图像，其中包括1个低频图像和k个尺度不同的高频图像。通过非下采样方向滤波器组对多尺度分解后子带图像进行多方向分解，NSST方向分解采用Shearlet滤波器(SF)保证图像不失真，使图像具有平移不变性，并有效抑制伪吉布斯效应。多方向分解得到的不同尺度、不同方向的子带系数可以表示为：其中，N表示NSST分解层数，为低频子带系数(L)，为n尺度T方向上的各个高频方向子带系数(H),表示在n个尺度下的方向分解级数，表示方向子带的数量步骤4
‑
6的具体实现方法为：所述的对不同频带系数求方差得到不同子带系数能量和的公式定义如下：数能量和的公式定义如下：其中为显微镜图像进过NSST分解后得到的不同子带系数，为子带系数像素平均值；在NSST变换域分解后得到低频和高频子带系数的方差能量和(SV):在NSST变换域分解后得到低频和高频子带系数的方差能量和(SV):接着将不同方向的高频子带系数累加求和，从而得到这一级高频子带系数能量和：然后将所有各级累加求和所得到的高频子带能量和相加，得到NSST变换域高频子
带总能量和：其中s=0.8，N=3。
[0007]最后，将高频子带能量与低频自带能量的比值作为清晰度评价值：通过对比不同物距的显微镜图像所求出的清晰度评价值来判断当前物距的显微镜图像是否为最佳的对焦位置，即是否完成自动对焦。
[0008]本专利技术具有以下特点：1.本专利技术提出了一种基于NSST分解的显微镜图像的自动对焦方法，能很好地应用在显微镜的自动对焦。
[0009]2.本专利技术的核心算法实现简单，只需要一台PC机器即可完成，无需过多设备要求。
附图说明
[0010]图1是对两张显微镜图像通过现有的自动对焦技术进行评价对焦的示意图;图2是现有关于时域的自动对焦算法的评价结果与物距之间的联系示意图;图3是现有关于频域的自动对焦算法的评价结果与物距之间的联系示意图;图4是本专利技术的原理示意图;图5是本专利技术流程示意图;图6是本专利技术所提出的基于NSST的自动对焦算法的评价结果与物距之间的联系示意图;图7是本专利技术所提出的基于NSST的自动对焦算法与其他传统算法的评价结果归一化对比图;图8是未加入噪声和加入高斯噪声的显微镜图像;图9是加入高斯噪声后本专利技术所提出的基于NSST的自动对焦算法与其他传统算法的评价结果归一化对比图。
具体实施方式
[0011]本专利技术的基本流程如图4，首先在X个不同大小的显微镜物距下获取初始图像X张，每一张图像都有其相应的第X个物距值;在图4中可以看到X=3。载入初始图像，将不同的X张初始图像进行N级NSST分解，这会使得每张图像都能得到个高频子带系数和1个低频自带系数，在图4中N=3。计算不同频带系数并通过求方差得到改进的不同频带能量和，高频子带系数能量和与低频子带系数能量和的比值即为清晰度评价函数值。
[0012]在图4中，以X=3为例，通过计算不同物距下得到的初始图像即初始图像、初始图像、初始图像的高频和低频信号的方差能量和的比值，如此可以得到如图5所示的本
专利技术所提出的基于NSST的自动对焦算法的评价结果与物距之间的联系示意图;相较于传统的一些自动对焦算法所得到的关系曲线而言，图5的曲线有较为明确的对焦位置，以及良好的抗噪性能。最后根据所有的初始图像得到的清晰度评价值与其对应的物距关系，得出当清晰度评价值取得最大值时物距的大小，即焦距。
[0013]此外，经过对NSST分解后的子带图像进行求方差和，首先通过非下采样塔式滤波器对图像进行T级非下采样金字塔（NSP）多尺度分解后，得到T+1个子带图像，其中包括1个低频图像和k个尺度不同的高频图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NSST的显微镜图像自动对焦算法，此算法对焦过程可以包括下列步骤：a) 在连续X个不同物距的情况获取若干张显微镜图像，每一张图像都有其对应的X物距；b) 载入所得到的显微镜图像；c) 将得到的显微镜图像进行N级的NSST分解，每张图像都能得到个高频子带系数和1个低频自带系数；d) 计算不同频带系数并通过求方差和双边滤波得到改进的不同频带能量和，其中双边滤波能很好地抑制噪声带来的干扰，高频子带系数能量和与低频子带系数能量和的比值即为清晰度评价函数值；e) 为测试算法抗噪性能，对原图像加入高斯噪声后再次重复进行上述b
‑
d步骤；f) 通过清晰度评价比值绘制归一化清晰度评价曲线得到不同物距的显微镜图像的焦点位置。2.如权利要求1所述步骤c的对图像进行NSST分解的具体实现方法为：图像通过非下采样塔式滤波器对图像进行T级非下采样金字塔（NSP）多尺度分解后，得到T+1个子带图像，其中包括1个低频图像和k个尺度不同的高频图像；通过非下采样方向滤波器组对多尺度分解后子带图像进行多方向分解，NSST方向分解采用Shearlet滤波器(SF)保证图像不失真，使图像具有平移不变性，并有效抑制伪吉布斯效应；多方向分解得到的不同尺度、不同方向的子带系数可以表示为：其中，N表示NSST分解层数，为低频子带系数(L)，为n尺度T方向上的各个高频方向子带系数(H),表示在n个尺度下的方向分解级数，表示方向子带的...

【专利技术属性】
技术研发人员：周厚奎，吴学程，王陈燕，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：