基于光学处理的自动聚焦方法与流程

本发明涉及超分辨成像，具体是指基于光学处理的自动聚焦方法。

背景技术：

1、聚焦技术是一种用于获取清晰图像的方法，旨在图像处理中将图像的模糊程度减少，提高聚焦方法的重建图像质量。但是一般聚焦方法在处理时域信号上存在聚焦图像质量差的问题；一般聚焦方法存在聚焦图像清晰度低及准确性差的问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本发明提供了基于光学处理的自动聚焦方法，针对一般聚焦方法在处理时域信号上存在聚焦图像质量差的问题，本方案全面考虑采样点幅度，根据不同情况计算幅度值，基于布尔矩阵和稀疏正则化策略获取初步重建聚焦图像；针对一般聚焦方法存在聚焦图像清晰度低及准确性差的问题，本方案在初步重建聚焦图像的基础上迭代优化，进一步增强聚焦结果的准确性，通过引入relu函数得到快速收敛效果，提高算法效率。

2、本发明采取的技术方案如下：本发明提供的基于光学处理的自动聚焦方法，该方法包括以下步骤：

3、步骤s1：数据采集；

4、步骤s2：预处理；

5、步骤s3：初步重建聚焦图像；

6、步骤s4：迭代求解。

7、进一步地，在步骤s1中，所述数据采集是采集传感器数据和采样点数据，传感器包括发射器和接收器，采样点数据包括采样频率和采样点幅度值。

8、进一步地，在步骤s2中，所述预处理具体包括以下步骤：

9、步骤s21：将被测试区域分成均匀分布的14个点，并建立一个二维坐标系，计算元素坐标位置，所用公式如下：

10、；

11、；

12、式中，pi是发射器i的坐标位置，i是发射器的索引，qj是接收器j的坐标位置，j是接收器的索引，传感器坐标位置表示为(pi，0)和(qj，0)；d是传感器之前的中心间距，nel是传感器的数量；

13、步骤s22：计算从发射器i到点p再返回接收器j所需的光线传播时间，所用公式如下：

14、；

15、式中，是传播时间，x和z分别是点p的水平坐标和垂直坐标，c是声速。

16、进一步地，在步骤s3中，所述初步重建聚焦图像具体包括以下步骤：

17、步骤s31：计算采样点幅度值向量元素，遵循舍入规则，所用公式如下：

18、；

19、式中，f是采样频率，yin是向量元素，in是向量元素索引；

20、步骤s32：计算重建聚焦像素值，所用公式如下：

21、；

22、式中，i1x，z是重建聚焦像素值，[y1…yn-1 yn yn+1…yn]是一个包含n个采样点的幅度值的向量，t是矩阵转置；

23、步骤s33：基于幅度值计算重建聚焦像素值，所用公式如下：

24、；

25、式中，i2x，z是另一种重建像聚焦素值，bx，z是采样点的幅度值，f是采样点的幅度值向量即[y1…yn-1 yn yn+1…yn]；

26、步骤s34：重建聚焦像素矩阵，将两种像素值加权作为最终的像素矩阵元素，并得到重建像素矩阵；

27、步骤s35：建立布尔矩阵，表示如下：

28、；

29、式中，b是布尔矩阵，b是矩阵元素，b用于提取与点p对应的幅度值的向量f，nx和nz分别是水平元素和垂直元素数量；

30、步骤s36：获取初步重建聚焦图像，表示如下：

31、；

32、式中，是初步重建聚焦图像，λ1是正则化参数，是l1范数。

33、进一步地，在步骤s4中，所述迭代求解是将步骤s3得到的初步重建聚焦图像作为初始值，通过迭代求解逐步优化重建聚焦图像的质量，具体包括以下步骤：

34、步骤s41：初始化，预先设有最大迭代次数t，学习阈值δ，当前迭代次数为t，初始化第一学习率ζ和第二学习率γ为0，迭代算子=1；

35、步骤s42：计算正则化参数，所用公式如下：

36、；

37、式中，m是0到1的随机数，是向量的最大范数即向量中绝对值最大的元素的大小；

38、步骤s43：计算变化率，所用公式如下：

39、；

40、式中，η是衡量梯度的变化率；

41、步骤s44：更新待定参数，所用公式如下：

42、；

43、式中，ρ是待定参数，γt是t次迭代时的第二学习率；

44、步骤s45：更新第一学习率，所用公式如下：

45、；

46、式中，ζt是t次迭代时的第一学习率；

47、步骤s46：更新迭代算子，所用公式如下：

48、；

49、式中，是t+1次迭代时的迭代算子，是t次迭代时的迭代算子；

50、步骤s47：更新第二学习率，所用公式如下：

51、；

52、式中，relu(·)是relu函数，γt+1是t+1次迭代时的第二学习率，ζt-1是t-1次迭代时的第一学习率；

53、步骤s48：迭代判定，若或t>t，则转至步骤s49；否则t=t+1，转至步骤s44；

54、步骤s49：输出聚焦图片，i=γt+1，i为最终聚焦图片。

55、采用上述方案本发明取得的有益效果如下：

56、（1）针对一般聚焦方法在处理时域信号上存在聚焦图像质量差的问题，本方案全面考虑采样点幅度，根据不同情况计算幅度值，基于布尔矩阵和稀疏正则化策略获取初步重建聚焦图像。

57、（2）针对一般聚焦方法存在聚焦图像清晰度低及准确性差的问题，本方案在初步重建聚焦图像的基础上迭代优化，进一步增强聚焦结果的准确性，通过引入relu函数得到快速收敛效果，提高算法效率。

技术特征：

1.基于光学处理的自动聚焦方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于光学处理的自动聚焦方法，其特征在于：在步骤s3中，所述初步重建聚焦图像具体包括以下步骤：

3.根据权利要求1所述的基于光学处理的自动聚焦方法，其特征在于：在步骤s2中，所述预处理具体包括以下步骤：

4.根据权利要求1所述的基于光学处理的自动聚焦方法，其特征在于：在步骤s1中，所述数据采集是采集传感器数据和采样点数据，传感器包括发射器和接收器，采样点数据包括采样频率和采样点幅度值。

技术总结
本发明公开了基于光学处理的自动聚焦方法，方法包括数据采集、预处理、初步重建聚焦图像和迭代求解。本发明属于超分辨成像技术领域，具体是指基于光学处理的自动聚焦方法，本方案全面考虑采样点幅度，根据不同情况计算幅度值，基于布尔矩阵和稀疏正则化策略获取初步重建聚焦图像；在初步重建聚焦图像的基础上迭代优化，进一步增强聚焦结果的准确性，通过引入ReLU函数得到快速收敛效果，提高算法效率。

技术研发人员：王云山,柳恒生,朱士松,冉马超
受保护的技术使用者：深圳市永泰光电有限公司
技术研发日：
技术公布日：2024/1/22