[发明专利]自动对焦方法、装置、存储介质和计算机设备

权利要求书

1.一种自动对焦方法，其特征在于，包括以下步骤：

通过图像清晰度评价函数获取待处理图像的评价曲线；

获取通过损失函数完成拟合训练的BP神经网络模型；

将所述评价曲线中的物体位置数据输入所述BP神经网络模型，确定待处理图像的对焦点，所述物体位置数据是指相机和物体的距离；

采用模拟退火算法，对所述对焦点进行优化处理，获取全局最优对焦位置。

2.根据权利要求1所述的自动对焦方法，其特征在于，所述通过图像清晰度评价函数获取待处理图像的评价曲线的步骤之前还包括：

通过将离散余弦变换评价函数与平方梯度函数加权叠加，形成所述图像清晰度评价函数。

3.根据权利要求1所述的自动对焦方法，其特征在于，所述获取通过损失函数完成拟合训练的BP神经网络模型的步骤之前还包括：

建立BP神经网络模型；

获取预定义最佳对焦位置向量；

获取BP神经网络模型的训练样本，根据所述损失函数和所述预定义最佳对焦位置向量进行拟合训练。

4.根据权利要求3所述的自动对焦方法，其特征在于，所述BP神经网络模型包括输入层、隐藏层和输出层，所述获取BP神经网络模型的训练样本，根据所述损失函数和所述预定义最佳对焦位置向量进行拟合训练的步骤包括：

由所述输入层接收训练样本，经过所述隐藏层进行信息处理，然后由所述输出层输出实际结果；

当所述实际结果与所述预定义最佳对焦位置向量不符时，获取误差结果，并将所述误差结果向所述隐藏层传播，通过所述损失函数和所述误差结果修改所述隐藏层参数。

5.根据权利要求1所述的自动对焦方法，其特征在于，所述损失函数为：

式中，Θ表示神经网络权值参数矩阵，是θ的总集合，m表示训练样本个数，K表示输出单元数，L表示网络层数，S_l表示L层的单元数，λ表示训练步长。

6.根据权利要求1所述的自动对焦方法，其特征在于，所述采用模拟退火算法，对所述对焦点进行优化处理，获取全局最优对焦位置的步骤包括：

将所述对焦点设置为当前状态，所述模拟退火算法的每一次搜索过程中引入一个随机位置，将所述随机位置设置为下一状态，获取所述当前状态和所述下一状态对应的能量；

若所述当前状态的能量小于所述下一状态的能量，则用所述下一状态取代所述当前状态，否则，获取所述当前状态和所述下一状态的能量差并计算所述能量差出现的概率；

若所述能量差出现的概率满足预设概率要求，则用所述下一状态取代所述当前状态，否则，丢弃所述下一状态对应的随机位置；

重复所述模拟退火算法中的搜索过程，且所述模拟退火算法中的温度随所述搜索过程次数的增加而下降，当所述温度下降到设定的系统温度时，获取所述温度对应的搜索过程中的当前状态，将获取的所述当前状态的对应位置作为全局最优对焦位置。

7.根据权利要求6所述的自动对焦方法，其特征在于，所述若所述能量差出现的概率满足预设概率要求，则用所述下一状态取代所述当前状态的步骤包括：

当能量差出现的概率P(dE)大于给定随机概率时，用所述下一状态取代所述当前状态；

其中，所述能量差出现的概率P(dE)＝exp(dE/T_k)，

式中，dE为所述当前状态与所述下一状态的能量差，T_k为所述下一状态对应的能量值；

所述给定随机概率通过预设随机数生成函数生成的随机数满足的标准正态分布来确定。

8.一种自动对焦装置，其特征在于，包括：

图像清晰度评价模块，用于通过图像清晰度评价函数获取待处理图像的评价曲线；

快速定焦模块，用于获取通过损失函数完成拟合训练的BP神经网络模型，将所述评价曲线中的物体位置数据输入所述BP神经网络模型，确定待处理图像的对焦点，所述物体位置数据是指相机和物体的距离；

全局最优搜索模块，用于采用模拟退火算法，对所述对焦点进行优化处理，获取全局最优对焦位置。