基于图像识别的形态学检测显微镜自动对焦系统

基于图像识别的形态学检测显微镜自动对焦系统摘要：为满足医学形态学诊断远程操作中显微镜观测自动对焦的实时性和准确性要求，设计了一个不改变光学显微镜结构的自动对焦系统，并提出了一种结合图像识别改进的自动对焦算法。关键词：自动对焦；图像识别；医学形态学检测显微镜是一种光学仪器，它通过光学系统的作用将观察对象放大，从微观形态研究和认识对象的特性。它已广泛应用于生物学、细胞组织学、临床诊断、材料检测、电子元件性能检测和分析等各个领域。医学形态学诊断是医学诊断的最直接、最有效的科学方法，但正确诊断依赖于检验医师和病理医师的丰富经验。利用基于图像反馈的自动化技术以及网络通讯技术，可以高速便捷的把经验丰富的检验医师和带有网络遥操作功能的高精度、高分辩医疗显微镜连接起来，检验医师可以通过远程显微镜实时获取显微图像，实现对病理的远程诊断，以解决形态学检验的效率低、感染风险高、经验依赖性强、漏判误判率高等问题。为了迅速而准确地对显微图像进行自动采集、处理和识别，亟需设计出全自动控制的显微镜系统。该系统的瓶颈技术是自动对焦问题，因此有效地实现显微镜的自动对焦成为提高显微分析系统性能、实现高精度测量的关键问题。本文旨在设计一个准确、高效、实时的适用于显微观测的自动对焦系统，结合形态学检测的特点，实现诊断时成像系统对病理切片的自动对焦，以便于实时观察和快速检测，不仅为远程病理诊断，也为电子元件检测及很多依赖全自动显微镜工作的系统提供实时、有效的自动对焦方法。1自动对焦系统设计光学显微镜组件结构复杂，景深10μm左右，物距端的对焦范围一般为±200μm，再结合在线检测的实时性等应用要求，本文提出一种不改变显微镜原有结构，而利用微动载物平台改变物距的方法实现对焦操作的自动对焦系统，并根据形态学检测的特点，提出了结合图像识别设计对焦窗口的基于数字图像处理技术的改进对焦算法。本文设计的显微镜自动控制系统的基本结构包括图像采集模块，信息处理模块，执行模块和控制模块，如图1所示。1.1硬件系统为了提高系统精度并达到实时性要求，执行模块中的致动电机选用工作频率较高的超声波电机。超声波电机（Ultrasonicmotor）原理和结构完全不同于传统电磁式电机，没有绕阻和磁场部件，直接由压电陶瓷材料实现机电能量转换的新型电机，其结构简单，具有单位体积输出力矩大、响应性能优良等特点。超声波电机驱动的位移机构可以达到很高的定位精度，直线型精度可达到10纳米级。其行程在理论上是无限的，只与机械结构有关，可根据实际需要设计位移机构的行程。其灵敏度高，频率响应最低可达到20kHz，即应答时间为50s，基本无迟滞现象，可以实时响应。本文设计的系统通过外置的微动平台带动观测样本一起运动改变物距实现对焦。超声波电机通过一个运动放大机构带动微动平台在垂直方向做直线运动，如图2所示。视频采集使用工业级应用的USB2.0数字摄像机HV1351UMCCD，基于DSP的嵌入式系统控制摄像机和电机的驱动电路，并完成电机控制和图像分析与处理的任务。1.2软件系统的模块化分析软件系统由视频采集和致动电机的控制程序、驱动程序和信息处理模块的算法程序组成。本系统采用基于DSP的嵌入式开发平台，使用VS2010中的VC++开发工具设计软件，结合开源计算机视觉库OpenCV的图像处理功能，完成自动对焦算法中数字图像处理的任务。考虑到系统的适应性需求，设计了系统参数设置的单元模块，以方便全局更改软件系统的设计参数，适应不同类型的检测需求。图像预处理包括图像的二值化和目标识别。2自动对焦算法设计2.1自动对焦技术在自动对焦技术领域的研究中，人们提出了多种多样的基于数字图像处理的自动对焦评价方法。这些方法基本可以分为两大类：离焦深度法和对焦深度法。离焦深度法是一种从离焦的图像中获得物体深度信息的方法，纽约州立大学的Dr.MuraliSubbarao首先提出了这种方法。离焦深度法只需在不同成像参数下获取2～3幅图像，对这些存在一定的相对模糊量的图像进行局部区域的处理和分析，可得到其模糊程度以及相应的深度信息。离焦深度法所需图像数量较少，图像处理步骤少，但是会存在一定的误差，在精度要求较高的应用中，一般不采用此方法。对焦深度法（DepthfromFocus）是一种通过一系列对焦渐趋准确的图像来搜寻正焦位置，以确定物点至成像系统的距离的对焦方式。这个搜寻过程需要不同成像参数下的多幅图像（一般为10幅以上，初始位置离焦越远，精度要求越高，所需图像越多）。理想的对焦评价函数要求具有单峰性、无偏性，能够反应离焦的极性，并在正焦位置获得最大值。搜索正焦位置的策略是根据对焦评价函数的特点，向评价函数值增大的方向逐步调整焦距，使图像清晰度逼近正焦位置对应的峰值。对焦深度法对焦准确性高，但是效率较低，优秀的图像评价函数能够提高对焦效率，设计出计算量少且正焦位置与单峰值准确对应的图像评价函数是对焦深度法的关键。本文设计的系统选用对焦深度法作为对焦算法。2.2基于图像识别的改进对焦算法本文进行对焦评价函数的设计时，首先对基于空间域、频率域和图像熵的各种评价函数进行了分析比较。梯度平方函数、Laplacian函数曲线平滑，调焦灵敏度高，适用于小范围内的精细调焦。熵函数、Variance函数曲线变化率小、可调焦范围大，但熵函数易受干扰。Brenner函数、SMD函数的调焦灵敏度和调焦范围适中。形态学检测时，显微镜观察范围中作为观测对象的组织细胞或者细菌所占的区域远小于背景区域，并且分布的不具有规律性，传统的固定对焦窗口掩模板并不适用，因此需要选择有效的对焦窗口分离出感兴趣的目标进行评价标准一致的自动对焦。本文提出通过基于Beyes分类器的图像识别方法检测目标，建立对焦窗口，来减少针对每一个测量位置计算评价函数值的计算量，提高对焦的快速性和有效性。改进对焦算法的第一步是建立有效的对焦窗口，而确定对焦窗口需要采集一幅适合进行目标识别图像。假定显微镜景深10μm，物距端的对焦范围为±200μm，在对焦开始前，先控制观测样本从初始位置开始运动400μm，在这个过程中间隔均匀地采集5副图像，以计算量少、调焦范围大的SMD函数0为评价函数，计算这5幅图像的函数值，选取其中最大值，以其对应位置为新的初始位置，利用这幅图像通过已针对样本训练过的Bayes分类器搜索感兴趣的目标区域，定位目标的中心坐标，并以此为中心建立对焦窗口。改进对焦算法的第二步是利用对焦窗口简化对焦评价函数的计算并搜索正焦位置。有别于传统的计算整幅图像的Laplacian函数值，改进算法只针对以目标中心坐标为中心所圈定的m×n的矩形区域进行计算，并按爬山策略，以10μm小步长沿评价函数值增大的方向逐步对焦，直到评价函数的单调性改变时停止，鉴于Laplacian评价函数同图像清晰度保持良好的单调性，则认为此时达到的极值点是显微镜系统的正焦位置。相比较M×N的整幅图像，此方法利用m×n（m小于M，n小于N）的对焦窗口，使需要计算的像素数大大减少，使乘法运算较多的Laplacian函数的计算量显著减少，但保持了Laplacian函数作为评价函数的灵敏度和精度。3结论对焦深度法准确度高，但效率低，无法满足远程显微操作的实时性要求。结合图像识别的改进算法在确定对焦窗口时，利用计算量相对较少的SMD函数以大步长完成了粗调焦的过程，接着在对焦窗口下计算Laplacian函数以小步长完成了精确度较高的精调焦过程，在保证对焦准确度的前提下，优化了正焦位置的搜索过程，达到实时性的要求。改进算法以先验知识训练的Beyes分类器完成了简单的目标识别，也有利于提高该系统进行形态学检测的效率。参考文献：[1]MuraliSubbarao，Jenn-KweiTyan.Depthfromdefocusandrapidautofocusing：apracticalapproach[A].ProceedingsofIEEEcomputersocietyconferenceonComputerVisionandPatternRecognition[C]，1992：773-776.[2]MSubbarao，TCWei，GSurya.Focusedimagerecoveryfromtwodefocusedimagesrecordedwithdifferentcamerasettings[A].ProceedingsofIEEEcomputersocietyconferenceonComputerVisionandPatternRecognition[C]，1994：786-791.[3]胡涛，陈世哲.显微视觉系统中自动调焦评价函数的选取[J].半导体光电，2006，（2）：216-220.