买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利基于单帧图像离焦估计的自动聚焦方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119835526B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510254022.9，技术领域涉及：H04N23/67；该发明授权基于单帧图像离焦估计的自动聚焦方法是由宋聪聪;杨帅;王晓明;唐伯浩;吴杰;郭鑫;郭灏设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本基于单帧图像离焦估计的自动聚焦方法在说明书摘要公布了：本发明属于自动聚焦技术领域，尤其涉及一种基于单帧图像离焦估计的自动聚焦方法。包括：S1：对离焦图像数据集进行数据预处理；S2：获得改进的MobileNetV2网络模型；S3：利用各离焦图像的离焦特征向量构建离焦特征向量数据集；S4：利用离焦特征向量数据集对梯度提升回归树进行训练，获得训练好的梯度提升回归树；S5：经改进的MobileNetV2网络模型和训练好的梯度提升回归树进行离焦回归预测；S6：根据离焦量归一化输出值计算离焦量码值，光学系统根据离焦量码值调整光学系统的调焦电机的位置，完成光学系统的自动调焦。本发明能够提高光测成像设备在动态目标下的自动调焦精度和效率。

本发明授权基于单帧图像离焦估计的自动聚焦方法在权利要求书中公布了：1.一种基于单帧图像离焦估计的自动聚焦方法，其特征在于：具体包括如下步骤： S1：构建离焦图像数据集，并对离焦图像数据集进行数据预处理； 步骤S1具体包括如下步骤： S11：将光学系统对准观测场景，按照预设步长调整调焦电机的位置，使所述光学系统在当前观测位置下发生从最小调焦值到最大调焦值的调焦变化，并依次记录每个调焦电机位置对应的图像，获得连续离焦图像堆栈I； S12：采用综合清晰度评价方法处理连续离焦图像堆栈，获得准焦图像； 在步骤S12中，综合清晰度评价方法的计算公式为： S=+； 其中，S为综合清晰度评价值，为能量梯度函数的评分值，为Tenengrad函数的评分值，是改进的灰度差分绝对值之和函数的评分值； 改进的灰度差分绝对值之和函数的计算公式为： ； 其中，离焦图像I的分辨率为，x为离焦图像I的行像素坐标位置，y为离焦图像I的列像素坐标位置，为离焦图像I的长，为离焦图像I的宽； S13：基于准焦图像的准焦码值计算连续离焦图像堆栈I所包含的各离焦图像对应的离焦码值，并对各离焦码值进行归一化处理，对应获得归一化后的离焦量归一化标签： ； 其中，为第i个离焦图像对应的离焦量，为第i个离焦图像的调焦码值，为准焦图像的准焦码值； ； 其中，为第i个离焦图像的离焦量归一化标签，为常数，取Fmax-Fmin； S14：重复步骤S11-S13，获得不同观测场景下的归一化后的离焦图像数据集； S15：对步骤S14获得的离焦图像数据集进行扩充，并采用快速导向滤波器对扩充后的离焦图像数据集进行滤波操作； S16：将经滤波操作后的离焦图像数据集所包含的各离焦图像进行归一化处理，使各离焦图像的每个通道的像素值被缩放到[0，1]范围内，完成对离焦图像数据集的数据预处理； S2：构建改进的MobileNetV2网络，利用预处理后的离焦图像数据集对改进的MobileNetV2网络进行训练，获得改进的MobileNetV2网络模型； 在步骤S2中，改进的MobileNetV2网络模型以MobileNetV2网络模型为基本框架，在MobileNetV2网络模型的各瓶颈层的深度可分离卷积之后嵌入坐标注意力机制模块，并在MobileNetV2网络模型的最后一个卷积层之后嵌入级联的坐标注意力机制模块和全局平均池化层； S3：利用改进的MobileNetV2网络模型输出的与离焦图像数据集所包含的各离焦图像对应的离焦特征向量构建离焦特征向量数据集； S4：利用离焦特征向量数据集对梯度提升回归树进行训练，获得训练好的梯度提升回归树； S5：获取光学系统采集的待预测图像，对待预测图像进行预处理，预处理后的待预测图像经改进的MobileNetV2网络模型和训练好的梯度提升回归树进行离焦回归预测，获得与待预测图像对应的离焦量归一化输出值； S6：根据所述离焦量归一化输出值计算离焦量码值，光学系统根据所述离焦量码值调整光学系统的调焦电机的位置，完成所述光学系统的自动调焦。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。