| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 自动聚焦的研究意义 | 第14-15页 |
| 1.2 自动聚焦系统简介 | 第15-19页 |
| 1.2.1 自动聚焦系统框图 | 第15-16页 |
| 1.2.2 自动聚焦技术的发展历史 | 第16-19页 |
| 1.3 本文的主要工作和组织结构 | 第19-22页 |
| 第二章 自动聚焦成像模型分析 | 第22-27页 |
| 2.1 光学系统的成像特性 | 第22-24页 |
| 2.2 自动聚焦系统的离焦和聚焦原理 | 第24-27页 |
| 第三章 自动聚焦中聚焦区域的选择 | 第27-40页 |
| 3.1 聚焦区域选择基本理论 | 第27-30页 |
| 3.1.1 焦深与景深 | 第27-29页 |
| 3.1.2 背景区域对聚焦函数的影响 | 第29-30页 |
| 3.2 经典聚焦区域选择算法 | 第30-33页 |
| 3.2.1 中心取窗法 | 第30-31页 |
| 3.2.2 多点取窗法 | 第31-32页 |
| 3.2.3 非均匀采样取窗法 | 第32-33页 |
| 3.3 自适应粒子群取窗法 | 第33-36页 |
| 3.3.1 粒子群算法(PSO) | 第33-34页 |
| 3.3.2 聚焦区域选择中PSO的参数设置 | 第34-35页 |
| 3.3.3 自适应粒子群取窗法流程 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-40页 |
| 第四章 自动聚焦中清晰度评价函数选择 | 第40-60页 |
| 4.1 清晰度评价函数选择准则 | 第40页 |
| 4.2 经典清晰度评价函数分类 | 第40-41页 |
| 4.3 经典清晰度评价函数举例 | 第41-48页 |
| 4.3.1 灰度阈值法 | 第41-43页 |
| 4.3.2 梯度函数 | 第43-46页 |
| 4.3.3 频域评价函数 | 第46-48页 |
| 4.3.4 信息学函数 | 第48页 |
| 4.4 基于小波变换的清晰度评价函数 | 第48-53页 |
| 4.4.1 小波变换的基础理论 | 第48-49页 |
| 4.4.2 基于小波变换的清晰度评价函数 | 第49-50页 |
| 4.4.3 改进后的基于提升小波分解的清晰度评价函数 | 第50-53页 |
| 4.5 实验结果与分析 | 第53-56页 |
| 4.6 极点搜索策略 | 第56-60页 |
| 4.6.1 平均搜索法 | 第56页 |
| 4.6.2 经典爬山算法 | 第56-57页 |
| 4.6.3 曲线拟合法 | 第57页 |
| 4.6.4 改进后的爬山搜索算法 | 第57-60页 |
| 第五章 一种新的聚焦策略的提出 | 第60-66页 |
| 5.1 一种新的聚焦策略 | 第60-62页 |
| 5.1.1 聚焦区域选择策略 | 第60页 |
| 5.1.2 清晰度评价函数选择 | 第60-61页 |
| 5.1.3 极点搜索策略 | 第61-62页 |
| 5.2 实验结果与分析 | 第62-64页 |
| 5.3 总结与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表论文 | 第72-73页 |
| 学位论文评闽及答辩情况表 | 第73页 |