[发明专利]一种基于频域直方图分析的摄像头自动对焦方法和系统有效

专利信息
申请号: 201810028847.9 申请日: 2018-01-12
公开(公告)号: CN108376394B 公开(公告)日: 2021-08-10
发明(设计)人: 曾丹;马嘉敏;刘涵;张之江 申请(专利权)人: 上海大学
主分类号: G06T5/40 分类号: G06T5/40;G06F17/14;H04N5/232
代理公司: 上海上大专利事务所(普通合伙) 31205 代理人: 陆聪明
地址: 200444*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 直方图 分析 摄像头 自动 对焦 方法 系统
【权利要求书】:

1.一种基于频域直方图分析的摄像头自动对焦方法,其特征在于,包括如下步骤:

步骤1、摄像头把拍摄数据提供给处理器,通过图像处理模块对每帧图像进行二维傅里叶变换得到频谱图;

步骤2、统计模块把图像傅里叶变换后得到的频率大小及其出现概率进行直方图统计;

步骤3、拟合模块对频率直方图进行分析,根据非参数密度估计法,绘制出正态分布密度曲线和核密度估计曲线;

步骤4、摄像头在失焦—对焦—失焦的过程中,计算模块分别计算每帧图像的参数,并记录正态分布密度曲线和核密度估计曲线相似度最高,且两条曲线峰值相差最小时的图像参数;

步骤5、当摄像头从失焦状态进行自动对焦时,比较模块获取到图像参数与步骤4中记录的最清晰的图像参数吻合,即为对焦成功。

2.根据权利要求1所述的一种基于频域直方图分析的摄像头自动对焦方法,其特征在于,在步骤2中,把图像傅里叶变换后得到的频谱图进行频率直方图统计,横轴表示频率大小,纵轴表示对应频率出现的概率;根据频率直方图的概率密度分布,判断图像的清晰度。

3.根据权利要求1所述的一种基于频域直方图分析的摄像头自动对焦方法,其特征在于,在步骤3中,为了拟合直方图用到两个函数:正态分布密度函数和核密度估计函数,其中采用了非参数密度估计法,具体如以下说明:

A.正态分布密度函数:

如果连续型随机变量X的密度函数为:

其中-∞μ+∞,σ0为参数,则随机变量X服从参数为μ,σ的正态分布,记为:X~N(μ,σ2);p(x)所确定的曲线叫做正态曲线;

B.非参数密度估计法:

对于一组关于X和Y的数据假设它们的关系为:yi=m(xi)+εi;由于样本数量有限,不能准确估计出m(x)的形式,因此需要采用非参数方法;在非参数方法中,对m(x)的形式不做假设也不做固定要求,仅假设m(x)满足一定的光滑性,且函数在每一点的值都由数据决定;那么在n个样本点中,计算k个位于区域Q内的概率公式为:

C.核密度估计函数,KDE:

KDE是非参数密度估计的一种特例,因为其满足非参数密度估计的一般形式;假设区域Q是一个d维的超立方体,令h表示超立方体边长,则区域Q对应的体积为公式:

V=hd (2)

为了获得落入区域Q中的样本数量,定义核函数K(u)为表达式:

其中,d表示超立方体的纬度;

假设有n个样本x1,x2,…,xn,则落入超立方体VQ中的样本点的个数表达式为:

其中,x是超立方体VQ的中心点位置,将上式带入(1),则核密度估计函数表达式为:

由上式,核密度估计的函数表达式是一个加权平均,其中核函数K(u)是一个权函数;对于估计PKDE(x)在点x处所用数据点的个数和利用的程度,通过核函数的形状和值域来控制。

4.一种基于频域直方图分析的摄像头自动对焦系统,实施如权利要求1所述基于频域直方图分析的摄像头自动对焦方法,其特征在于,所述系统包括摄像头和处理器;其中处理器包括依次连接的五个模块:图像处理模块、统计模块、拟合模块、计算模块和比较模块;工作过程中,首先由摄像头将拍摄数据传到处理器,再分别通过处理器中的五个模块进行频域分析,获取对焦成功的图像和参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海大学,未经上海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810028847.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top