李惠光，李 敏，袁仁輝，沙曉鵬，邵 暖

?

顯微視覺系統(tǒng)大范圍自動聚焦及控制

李惠光1，李 敏1，袁仁輝1，沙曉鵬2，邵 暖3

( 1. 燕山大學(xué)電氣工程學(xué)院，河北秦皇島 066004；2. 東北大學(xué)秦皇島分?？刂乒こ虒W(xué)院，河北秦皇島 066004；3. 河北環(huán)境工程學(xué)院環(huán)境工程系，河北秦皇島 066004 )

針對顯微視覺系統(tǒng)中大范圍聚焦問題，本文提出新的聚焦搜索策略。該策略將改進(jìn)的SUSAN算子和小波變換算子組合提出新的聚焦評價(jià)函數(shù)，并根據(jù)評價(jià)函數(shù)單峰性以及峰值兩側(cè)變化陡峭的特點(diǎn)將聚焦曲線分為實(shí)現(xiàn)快速搜索的平緩區(qū)和高斯擬合的陡峭區(qū)，采用自行研發(fā)的顯微視覺系統(tǒng)對搜索策略進(jìn)行驗(yàn)證，按照擬合結(jié)果驅(qū)動電機(jī)直接到達(dá)焦平面。實(shí)驗(yàn)結(jié)果表明，新的聚焦搜索策略在實(shí)時(shí)性和準(zhǔn)確性上具有更好的效果。

顯微視覺；大范圍聚焦；SUSAN算子；小波變換；高斯擬合

0 引 言

自動聚焦是顯微操作系統(tǒng)中的一項(xiàng)關(guān)鍵技術(shù)。自動聚焦技術(shù)分為主動式聚焦和被動式聚焦[1]。由于被動式聚焦不需要額外的測距設(shè)備，顯微視覺系統(tǒng)體積小、功耗低，因此在實(shí)際中被廣泛應(yīng)用[2-4]。文獻(xiàn)[5]對已有的聚焦評價(jià)函數(shù)進(jìn)行了分析，但沒有考慮噪聲影響，導(dǎo)致函數(shù)出現(xiàn)多峰現(xiàn)象。針對顯微視覺系統(tǒng)中景深非常小而操作系統(tǒng)工作范圍相對較大的情況，文獻(xiàn)[6]提出大范圍聚焦概念。

本文從設(shè)計(jì)聚焦評價(jià)函數(shù)入手，改進(jìn)了時(shí)域中的SUSAN算子以及頻域中的離散小波變換算子，并將組合算子作為新的聚焦評價(jià)函數(shù)。通過分析大范圍聚焦函數(shù)的曲線形態(tài)，將聚焦過程劃分為平緩區(qū)和陡峭區(qū)兩個(gè)階段，在平緩區(qū)進(jìn)行快速搜索，在陡峭區(qū)范圍內(nèi)對曲線進(jìn)行高斯擬合以獲得最佳聚焦平面位置。最后，通過自行研發(fā)的顯微視覺平臺對所提聚焦方案進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果證明了該方案的有效性。

1 聚焦評價(jià)函數(shù)

1.1 自適應(yīng)SUSAN算子

SUSAN算法將采樣模板e(cuò)m在目標(biāo)區(qū)域內(nèi)移動，模板與目標(biāo)區(qū)域的相對位置會出現(xiàn)圖1所示六種情況。將模板中的每個(gè)像素分別與中心點(diǎn)的像素值進(jìn)行比較，相同或者相似的像素個(gè)數(shù)構(gòu)成了最小核值相似區(qū)域(USAN)。當(dāng)模板處于目標(biāo)邊緣位置時(shí)，模板中心像素和其它位置的像素值會有差異，將該差異大于閾值的像素個(gè)數(shù)作為聚焦評價(jià)函數(shù)。定義中心像素與模板其他位置像素的灰度差異式：

式中：為比例系數(shù)，取值范圍為0.08~0.12。

在不同光照強(qiáng)度下采集目標(biāo)物體的圖像，使用不同閾值的SUSAN算法和改進(jìn)后SUSAN算法分別計(jì)算聚焦評價(jià)值，繪制聚焦評價(jià)曲線如圖2所示。從圖2的縱向比較中可以看出，傳統(tǒng)的SUSAN算法閾值的選取對聚焦曲線的影響比較大，改進(jìn)的SUSAN算法不受固定閾值的限制，根據(jù)聚焦物體本身的對比度調(diào)節(jié)閾值。從橫向比較中可以看出，傳統(tǒng)的SUSAN算法受光照強(qiáng)度影響較大，在光照較強(qiáng)的情況下，SUSAN算法單峰性好，隨著光照強(qiáng)度的減弱，單峰性減弱，甚至出現(xiàn)幾乎沒有波動的情況；而改進(jìn)SUSAN算法無論在何種光照情況下，單峰性都比較好。

1.2 離散小波變換

基于提升算法的小波變換分為分解、預(yù)測和更新三個(gè)階段[7]。首先，根據(jù)輸入信號的奇偶性，將信號分為偶數(shù)部分和奇數(shù)部分；然后，用偶數(shù)部分的預(yù)測值來預(yù)測奇數(shù)序列；最后，構(gòu)造算子，再用來更新偶數(shù)序列。本文使用5/3提升小波變換，變換式：

圖3 不同目標(biāo)評價(jià)函數(shù)

1.3 組合算子

在時(shí)域中，自適應(yīng)SUSAN算子對于光照強(qiáng)度的變化不是很敏感；在頻域中，離散小波變換算子的高頻分量包含更多的細(xì)節(jié)信息。因此結(jié)合上述兩種算子的特點(diǎn)，定義新的聚焦評價(jià)函數(shù)：

為了驗(yàn)證聚焦函數(shù)的有效性，分別以內(nèi)容豐富的電阻、內(nèi)容稀疏的LED碎片為目標(biāo)物體繪制聚焦曲線。以顯微鏡的焦平面為原點(diǎn)，在焦平面的左右兩側(cè)各采集15幅圖像，相鄰圖像之間的步長設(shè)置為0.4 mm。將新提出的ME[8]函數(shù)、SML[9]函數(shù)、Wavelet[10]函數(shù)、DCT[11]函數(shù)以及本文所提評價(jià)函數(shù)繪制聚焦評價(jià)曲線如圖3所示。本文采用黃金分割法確定比例因子、，分別取值為0.62，0.38。圖3(a)和圖3(b)中縱坐標(biāo)表示歸一化的聚焦評價(jià)值，橫坐標(biāo)表示獲取的圖像序列。

由圖3可以看出，新的聚焦評價(jià)函數(shù)在內(nèi)容豐富與稀疏的目標(biāo)物體上比其他聚焦函數(shù)更具適應(yīng)性，同時(shí)在焦平面附近，新的聚焦曲線比較陡峭；而在遠(yuǎn)離焦平面的區(qū)域，本文所提評價(jià)函數(shù)繪制的曲線比較平緩，而其他曲線則存在明顯波動。依據(jù)這一特性將聚焦曲線劃分為平緩區(qū)和陡峭區(qū)兩個(gè)部分，并在平緩區(qū)和陡峭區(qū)使用不同的搜索方式尋找極值。

2 搜索策略

2.1 平緩區(qū)搜索

由于聚焦的初始位置具有隨機(jī)性，確定當(dāng)前位置處于聚焦曲線的平緩區(qū)還是陡峭區(qū)是搜索的首要條件，因此在搜索過程中加入判決因子，具體搜索過程為：1) 設(shè)初始位置的評價(jià)值為，控制步進(jìn)電機(jī)運(yùn)動大步長，得到此時(shí)的評價(jià)值，記錄步數(shù)C；2) 判斷是否為局部極值點(diǎn)，定義判決因子；3) 設(shè)為極值因子，若，表示聚焦曲線無明顯變化，當(dāng)前處于平緩區(qū)，保持原方向不變繼續(xù)搜索，若C大于30，則電機(jī)反向，返回初始位置并進(jìn)入步驟1)；4) 若，表示已離開平緩區(qū)進(jìn)入陡峭區(qū)，驅(qū)動步進(jìn)電機(jī)回到位置處；5) 若，則進(jìn)入陡峭區(qū)，轉(zhuǎn)入陡峭區(qū)搜索；6) 若，則反向驅(qū)動電機(jī)運(yùn)動2步長，并返回步驟2)。

在搜索過程中，步長過大可能導(dǎo)致兩次采樣點(diǎn)分別落在兩側(cè)的平緩區(qū)，影響搜索結(jié)果，而步長過小則會影響搜索速度。因此，步長的大小在不影響搜索速度的前提下必須小于陡峭區(qū)的寬度，本文設(shè)置為0.6 mm。經(jīng)過反復(fù)實(shí)驗(yàn)，極值因子設(shè)置為0.1，實(shí)驗(yàn)取得較好的效果。

2.2 陡峭區(qū)極值搜索

擬合程度的好壞使用誤差平方和(SSE)、誤差均方根(RMSE)和方程的決定系數(shù)(R-Square)進(jìn)行評價(jià)。其中SSE和RMSE取值范圍為0到1，結(jié)果越接近于0，說明數(shù)據(jù)擬合誤差越小。R-Square取值范圍也為0到1，該值越接近1表示曲線逼近程度越好。從評價(jià)指標(biāo)來看，本文所提算法SSE和RMSE指標(biāo)均最接近0，而R-Square指標(biāo)最接近1，說明該算法逼近程度最好。

表1 聚焦評價(jià)曲線擬合分析

3 實(shí) 驗(yàn)

實(shí)驗(yàn)平臺為四自由度顯微視覺系統(tǒng)，實(shí)物如圖4所示。本節(jié)使用的聚焦軟件是在VS2010編程環(huán)境下，基于C語言編寫，部分代碼調(diào)用了OpenCV庫函數(shù)完成，軟件界面如圖5所示。

為了驗(yàn)證本文所提算法的有效性，在顯微鏡的調(diào)節(jié)范圍內(nèi)隨機(jī)選取聚焦起始點(diǎn)，采用ME函數(shù)、SML函數(shù)、Wavelet函數(shù)、DCT函數(shù)和本文所提聚焦評價(jià)函數(shù)按照該搜索策略分別進(jìn)行聚焦實(shí)驗(yàn)20次。為了評價(jià)以上幾種方案的聚焦效果，將獲取的聚焦平面和最優(yōu)聚焦平面之間的差值絕對值定義為，若小于0.15 mm則表示聚焦成功。將成功次數(shù)suc和成功率suc作為評價(jià)指標(biāo)，同時(shí)計(jì)算不同聚焦評價(jià)函數(shù)下聚焦過程的平均耗時(shí)ave，實(shí)驗(yàn)結(jié)果如表2所示。

圖4 自行研發(fā)的顯微視覺系統(tǒng)

圖5 軟件界面

表2 評價(jià)結(jié)果

在大范圍聚焦階段，由于聚焦初始位置不同則聚焦過程不同，為了比較使用不同函數(shù)進(jìn)行搜索的效率，計(jì)算成功聚焦所使用的平均時(shí)間，雖然本文所提算法與其他函數(shù)相比消耗的時(shí)間略有增加，但是以上20次聚焦實(shí)驗(yàn)中，本文所提算法達(dá)到95%的成功率，而使用其他聚焦函數(shù)的聚焦成功率達(dá)到80%以上，說明新的聚焦評價(jià)函數(shù)在聚焦搜索的平緩區(qū)能實(shí)現(xiàn)快速搜索，更能有效的將陡峭區(qū)的數(shù)據(jù)進(jìn)行高斯擬合，進(jìn)而獲取聚焦平面。在陡峭區(qū)選取其中一組樣本進(jìn)行聚焦過程說明如圖6所示。

4 結(jié) 論

對顯微視覺系統(tǒng)大范圍聚焦問題進(jìn)行了研究。首先，設(shè)計(jì)了新的聚焦評價(jià)函數(shù)，提高了聚焦過程的穩(wěn)定性和準(zhǔn)確性。然后，根據(jù)大范圍聚焦曲線的特點(diǎn)，將聚焦過程分為平緩區(qū)和陡峭區(qū)，在平緩區(qū)進(jìn)行快速搜索，進(jìn)入陡峭區(qū)以后則使用高斯擬合的方法，能更快的找到聚焦平面。通過比較證明了本文所提算法比其他的算法的擬合效果更好。最后，在實(shí)驗(yàn)部分，通過自行研發(fā)的聚焦實(shí)驗(yàn)平臺驗(yàn)證了所提聚焦策略的有效性，并給出了一組聚焦過程圖像。

參考文獻(xiàn)：

[1] 李惠光，王帥，沙曉鵬，等. 顯微視覺系統(tǒng)中自動聚焦技術(shù)的研究 [J]. 光電工程，2014，41(8)：1-9.

LI Huiguang，WANG Shuai，SHA Xiaopeng，. Study of Auto Focusing Technique of Micro-vision System [J]. Opto-Electronic Engineering，2014，41(8)：1-9.

[2] 沈飛，徐德，唐永建，等. 微操作/微裝配中微力覺的測量與控制技術(shù)研究現(xiàn)狀綜述 [J]. 自動化學(xué)報(bào)，2014，40(5)：785-797.

SHEN Fei，XU De，TANG Yongjian，. Review of Measuring and Control Technology of Microforce in Micromanipulation and Microassembly [J]. Acta Automatica Sinica，2014，40(5)：785-797.

[3] XU Qingsong. Precision Position/Force Interaction Control of a Piezoelectric Multimorph Microgripper for Microassembly [J]. IEEE Transactions on Automation Science and Engineering(S1545-5955)，2013，10(3)：503-514.

[4] Komati B，Rabenorosoa K，Clevy C，. Automated Guiding Task of a Flexible Micropart Using a Two-Sensing-Finger Microgripper [J]. IEEE Transactions on Automation Science and Engineering(S1545-5955)，2013，10(3)：515-524.

[5] 韓瑞雨，王晉疆，聶凱，等. 不同對比度下自適應(yīng)的自動調(diào)焦新算法 [J]. 光子學(xué)報(bào)，2012，41(2)：222-227.

HAN Ruiyu，WANG Jinjiang，NIE Kai，. Adaptive Autofocus Technique Under Dufferent Contrast [J]. Acta Photonica Sinica，2012，41(2)：222-227.

[6] 翟永平，周東翔，劉云輝. 極小景深條件下顯微鏡大范圍聚焦算法 [J]. 光學(xué)學(xué)報(bào)，2012，32(4)：0418001.

ZHAI Yongping，ZHOU Dongxiang，LIU Yunhui. Large Range Autofocusing Algorithm for Microscopy with Small Depth of field [J]. Acta Optica Sinica，2012，32(4)：0418001.

[7] 周麗平，孫志峻，張泉. 顯微視覺系統(tǒng)的自動聚焦及控制 [J]. 光學(xué)精密工程，2013，21(3)：807-812.

ZHOU Liping，SUN Zhijun，ZHANG Quan. Auto-focusing and Control of Micro-vision System [J]. Optics and Precision Engineering，2013，21(3)：807-812.

[8] XU Xin，ZHANG Xiaolong，F(xiàn)U Haidong，. Robust Passive Autofocus System for Mobile Phone Camera Applications [J]. Computers and Electrical Engineering，2014，40(4)：1353-1362.

[9] ZHANG Sheng，ZHANG Hao，CHEN Bill，. On-Screen-Display (OSD) and SPI Interface on CMOS Image Sensor for Automobile Application [C]// Fifth International Conference on Computational Intelligence，Communication Systems and Networks，Madrid，Spain，Jun 5-7，2013：405-408.

[10] Naresh Marturi，Brahim Tamadazte，Sounkalo Dembele，. Visual Servoing-Based Approach for Efficient Autofocusing in Scanning Eletron Microscope [C]// IEEE/RSJ International Conference on Intelligent Robots and Systems，2013，40(6)：2677-2682.

[11] CHIANG Chen-Sung，HUANG Ke-Nung，LI Yan-Chay，. Design of a Hand-Held Automatic Focus Digital Microscope by Using CMOS Image Sensor [J]. Measurement(S0263-2241)，2015，70：88-99.

Auto-focusing and Control of Large Range Micro-vision System

LI Huiguang1，LI Min1，YUAN Renhui1，SHA Xiaopeng2，SHAO Nuan3

( 1. Institute of Electrical Engineering, Yanshan University, Qinhuangdao 066004, Hebei, China; 2. School of Control Engineering, Northeastern University at Qinhuangdao, Qinhuangdao 066004, Hebei, China; 3. Department of Environmental Engineering, Hebei University of Environmental Engineering, Qinhuangdao 066004, Hebei, China)

Aiming at the problem of large range focus in micro-vision system, a new focus search strategy was proposed. The improved SUSAN operator and wavelet transform operator were combined as a new focus evaluation function, which has the advantages of single peak and steep peak on both sides of the peak that was divided into a quick search of the flat area and Gaussian fitting steep zone. The effectiveness of the search strategy was verified based on the self-developed micro-vision system. Then, the motor was driven directly to reach the focal plane according to the fitting results. The experimental results show that the new focus search strategy has better effect on the aspects of the real time and accuracy.

micro-vision system; large range focus; SUSAN operator; DWT; Gaussian fit

1003-501X(2016)09-0009-05

TP391

A

10.3969/j.issn.1003-501X.2016.09.002

2015-11-30；

2016-02-24

河北省自然科學(xué)基金項(xiàng)目(F2012203111)；中國環(huán)境管理干部學(xué)院科研基金資助項(xiàng)目(BJ201604)

李惠光(1947-)，男(漢族)，河北秦皇島人。教授，主要研究工作是機(jī)器人控制與機(jī)器視覺。E-mail: YDLHG@163.com。

李敏(1989-)，女(漢族)，山東德州人。碩士，主要研究工作是顯微視覺系統(tǒng)。E-mail: ldulimin@126.com。