本發(fā)明涉及圖像處理和顯微視覺技術(shù)領(lǐng)域，尤其是涉及一種基于視覺注意的顯微圖像自動測量方法，用以對顯微對象進行自動測量，解決顯微視覺下目標對象粘連導致邊緣模糊，無法一次進行清晰測量的問題。

背景技術(shù)：

隨著科技的進步，很多領(lǐng)域所用零部件的尺寸越來越精密，部分行業(yè)已經(jīng)達到了微米甚至納米尺度，例如航天航空、醫(yī)學材料、通信技術(shù)等。對于這些顯微尺寸對象的檢測也越來越嚴格，傳統(tǒng)的人工檢測費時費力，而且精度不準確，效率低下。顯微對象的精確測量對于降低工作人員的勞動強度、提高工業(yè)生產(chǎn)的安全性、推動技術(shù)進步有著重要的意義。因此，研究高精度、自動化的顯微對象自動測量方法，成為工業(yè)生產(chǎn)中亟需解決的重要課題之一。

顯微對象一般數(shù)量多、尺寸小，在顯微圖像中容易造成粘連，粘連部分的邊緣在大視場下邊緣模糊，影響圖像的處理和檢測。而顯微視覺下圖像的分辨率和視野大小往往是矛盾的。顯微對象在低倍鏡下的視野大，但是很難查看到樣本的全部細節(jié)；而在高倍鏡下可以觀察到樣本的局部細節(jié)，但是不能觀測到樣本整體。這種矛盾性導致很難對顯微對象進行高精度的一次測量。目前，有很多的研究機構(gòu)對顯微對象的測量提出了解決方案。

專利名稱為“基于顯微視覺的跨尺度幾何參數(shù)測量方法”，申請?zhí)枮?015105267672的專利提出了利用雙目顯微視覺系統(tǒng)采集待測零件的特征圖像，解決了因零件尺寸跨度大導致的測量過程繁瑣，測量困難等問題，避免了因工件拆裝造成的二次裝夾誤差對測量結(jié)果的影響；但是對于尺寸較小、數(shù)量較多的顯微對象，這種基于雙目的測量方法很難測量其中粘連的部分，導致測量的效率低下。

在“盧鋼，張翼.基于局部特征的醫(yī)學顯微圖像自動拼接[j]，計算機與數(shù)字工程，2015，05：892-895”中，通過圖像拼接的方法實現(xiàn)顯微對象的高精度測量，這種方法對于比較密集、平鋪的顯微對象有較高的適應(yīng)性和必要性。但是需要采集9張圖像，計算量比較大，效率較低，對于一般的顯微對象測量，影響測量的效率和準確性。

為了提高顯微對象的測量效率和精度，研究開發(fā)高效、高精度的顯微對象自動測量方法，具有巨大的技術(shù)研究價值和實際應(yīng)用價值。

技術(shù)實現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于視覺注意的顯微對象自動測量方法，可以有效地解決顯微視覺下分辨率和視野大小的矛盾，實現(xiàn)顯微對象的高精度自動測量。

本發(fā)明解決此技術(shù)問題所采用的技術(shù)方案是：一種基于視覺注意的顯微對象自動測量方法，其主要步驟如下：

(1)獲取顯微對象的大視場圖像，通過譜殘差視覺注意機制對大視場圖像進行顯著性注意區(qū)域的獲取，將需要進行獲取高分辨率的注意區(qū)域提取出來，獲得注意區(qū)域中心坐標；

(2)通過位移臺控制器控制三維精密位移臺移動高倍鏡頭對準興趣區(qū)域中心，進行小視場興趣區(qū)域的成像，獲得小視場圖像；

(3)對大視場圖像進行插值，使其放大倍數(shù)與小視場圖像的放大倍數(shù)相同。通過orb算法對插值后的大視場圖像與小視場圖像進行特征提取與特征配準，將小視場圖像融合到大視場圖像中相對應(yīng)的位置；

(4)利用圖像處理技術(shù)對融合后的圖像進行處理，得到最后的數(shù)據(jù)。

所述步驟(1)中的通過譜殘差視覺注意進行顯著性區(qū)域的獲取，主要步驟包括：

1)將圖像分成hsv三個通道，提取生成的亮度圖像(v)；

2)將得到的亮度圖像進行傅里葉變換，得到亮度圖像的幅度譜a(f)和相位譜p(f)；

3)幅度譜a(f)取對數(shù)，得到對數(shù)譜l(f)，計算圖像的冗余r(f)和顯著s(f)；

4)根據(jù)顯著s(f)和相位譜p(f)，進行傅里葉反變換得到相應(yīng)的顯著圖；

所述步驟(1)中的譜殘差視覺注意機制所用到的公式，包括：

1)s(f)＝l(f)-r(f)；

2)r(f)＝hn(f)*l(f)；

3)

4)傅里葉變換：

5)傅里葉反變換：

所述步驟(2)中控制位移臺計算x、y、z三個方向的脈沖數(shù)：

1)x方向移動脈沖數(shù)：

2)y方向移動脈沖數(shù)：

3)z方向移動脈沖數(shù)：

所述步驟(3)中對大視場圖像進行插值使用的方法為二次插值。

所述步驟(3)中的orb算法對插值后的大視場圖像與小視場圖像進行特征提取與特征配準，包括：

1)對大視場圖像和小視場圖像進行特征點的提取，提取公式為

2)通過馬氏距離對特征點進行篩選，對于一個均值為u，協(xié)方差矩陣為c的數(shù)字矩陣，它的馬氏距離為：

所述步驟(4)中的圖像處理技術(shù)包括分水嶺算法、canny算法、霍夫變換。

與現(xiàn)有技術(shù)相比，本發(fā)明將視覺注意機制與圖像處理相融合，運用到顯微對象的自動測量問題中，有效地解決顯微視覺下對象粘連導致邊緣模糊無法測量的問題，極大地提高了測量的精度和效率。

附圖說明

圖1為本發(fā)明方法的組成結(jié)構(gòu)示意圖；

圖2為本發(fā)明方法的流程示意圖；

圖3為微靶球在顯微下的大視場圖像；

圖4為圖3的獲取的顯著圖像；

圖5為圖3的視覺顯著區(qū)域圖像，圓圈的部分為顯著區(qū)域；

圖6為獲取到的小視場圖像；

圖7為圖大視場圖像與小視場圖像的特征匹配圖像；

圖8為融合后的圖像；

圖9為圖8的分水嶺圖像；

圖10為圖9的canny邊緣檢測圖像；

圖11為圖10的霍夫變換圓測量圖像。

圖12為最后的測量結(jié)果圖像。

具體實施方式

下面結(jié)合附圖及具體實施方式對本發(fā)明做進一步說明，并不是對本發(fā)明保護范圍的限制。

本發(fā)明涉及一種基于視覺注意的顯微對象自動測量方法，測量方法的系統(tǒng)組成結(jié)構(gòu)如圖1所示，測量方法的流程如圖2所示，大致可以分為以下幾個步驟：

第一步、采集大視場圖像并且進行顯著圖的獲取

針對低倍鏡頭和工業(yè)相機獲取到的大視場圖像，如圖3所示，通過譜殘差視覺注意機制對其進行處理，獲取顯著區(qū)域：

1)將圖像分成hsv三個通道，提取生成的亮度圖像(v)；

2)將得到的亮度圖像進行傅里葉變換，得到亮度圖像的幅度譜a(f)和相位譜p(f)；

3)幅度譜a(f)取對數(shù)，得到對數(shù)譜l(f)，計算圖像的冗余r(f)和顯著s(f)；

4)根據(jù)顯著s(f)和相位譜p(f)，進行傅里葉反變換得到相應(yīng)的顯著圖，如圖4所示；

5)將獲得的顯著圖插值，使其分辨率達到原始的分辨率，與原大視場圖像相加，得到顯著區(qū)域，如圖5所示，其中的圓圈區(qū)域就是顯著區(qū)域；

6)獲取顯著區(qū)域的中心坐標。獲取的中心區(qū)域坐標如表1所示。

表1

第二步、獲取小視場圖像

在獲取到顯著區(qū)域的坐標之后，需要獲取小視場圖像：

1)通過三維位移臺控制高倍鏡頭和工業(yè)相機移動到顯著區(qū)域的中心位置。大視場圖像與注意區(qū)域的關(guān)系如圖6所示，計算公式為：x方向移動脈沖數(shù)：y方向移動脈沖數(shù)：z方向移動脈沖數(shù)：

2)獲取小視場圖像，獲取到的小視場圖像如圖7所示。

第三步、特征配準與融合

獲取到大視場圖像和小視場圖像之后，融合圖像之前，需要對圖像進行特征配準：

1)對大視場圖像和小視場圖像分別進行特征提取，運用馬氏距離對特征點進行篩選；

2)對獲取到的特征點進行特征配對，如圖8所示；

3)特征配準之后，將小視場圖像定位到大視場圖像中；

4)圖像融合，如圖9所示。

第四步、圖像測量

1)通過分水嶺算法對融合后的圖像進行處理，將粘連的邊緣分割開來，如圖10所示；

2)通過canny算法對圖10進行邊緣檢測，如圖11所示；

3)通過霍夫變換對圖11進行圓檢測，將圓形的對象篩選出來，如圖12所示；

4)對圖12進行測量，得到最后的測量結(jié)果圖，如圖13所示，測量得到的數(shù)據(jù)如表2所示。

表2

以上實施例所述是用以具體說明本專利，文中雖通過特定的術(shù)語進行說明，但不能以此限定本專利的保護范圍，熟悉此領(lǐng)域的人士可在了解本專利的精神與原則后對其進行變更或修改而達到等效目的，而此等效變更和修改，皆應(yīng)涵蓋于專利要求范圍所界定范疇內(nèi)。