工程管理论文哪里有?本文针多聚焦显微成像序列配准问题，提出一种自适应聚焦区域分割算法与轻量化SuperPoint网络相融合的配准方法。
第一章 绪论
1.2 国内外研究现状
1.2.1 聚焦区域检测研究现状
聚焦区域检测技术用于从多聚焦图像中找到清晰的聚焦区域，涉及到对图像的清晰度进行评价，可分为基于梯度、频域、信息熵的方法[12]。
(1)基于梯度的方法
基于梯度的方法主要有Tenengrad函数、灰度差分函数(SMD函数)、SML函数、Brenner函数、基于小波变换的函数、基于DCT变换的函数等。吕美妮等[13]提出一种利用图像窗口的梯度、方差和像素加权的聚焦区域识别方法。曾海飞等[14]提出一种改进的梯度阈值结合多方向Tenengrad算子的聚焦检测方法，但检测的灵敏度不强。潘宏亮等[15]基于多方向Sobel算子提出一种改进的Tenengrad聚焦检测方法，但自适应性差。曹震等[16]提出一种基于改进梯度加权的聚焦像素检测方法。梁欣[17]利用Tenengrad函数提取高频信息，并引入区分边缘点和非边缘点的阈值来识别聚焦区域。
(2)基于频域的方法
常用的频域函数有快速傅里叶变换、离散傅里叶变换、离散余弦变换、小波变换等。
Makkapati等[18]通过小波变换设计图像清晰度评价函数，针对清晰度不同的图像都能够得到平滑效果较好的评价曲线，提高了聚焦系统的准确度。Hassen等[19]利用小波域的局部相位相干性来进行清晰度评价。Chen等[20]提出通过结合梯度直方图和小波边缘图来计算清晰度值。Vu等[21]对源图像进行离散小波分解，并结合系数加权均值来评价图像清晰度。谢颖贤等[22]使用小波变换来评价多聚焦图像清晰度。
第三章 基于改进Canny的自适应聚焦区域分割算法
3.3 改进的Canny算法
针对原始Canny算法中的高斯滤波容易丢失细节，以及高低阈值需要手动选取的缺点，提出一种改进的Canny算法，算法流程如图3-2所示，对原始Canny算法的第一部分的滤波和第四部分的阈值选取进行改进。
对于输入图像首先使用自适应中值滤波进行去噪，接着计算Sobel梯度，然后由梯度信息进行非极大值抑制，最后使用大津算法(Otsu)[77]进行高低阈值的选取得到最终的边缘图像。
第五章 基于DSIFT的景深扩展算法
5.1 引言
在上一章节中使用不同的配准算法对多聚焦显微图像序列进行了配准，并使用正确匹配的特征点数量、正确匹配率、特征点密度和匹配时间对匹配结果进行了评价。实验结果表明，本文提出的SuperPoint_GNFS在正确匹配率、特征点密度和匹配时间上相比其他传统算法具有巨大优势，与SuperGlue相比拥有更快的匹配速度，但未进行配准后图像序列的融合。
在本章节中，为了得到全景深图像，同时为了进一步反映不同算法配准的效果，使用DSIFT算法对不同配准算法配准校正后的多聚焦显微图像序列进行融合以扩展显微镜的景深，并使用主观评价、边缘信息保持度、平均梯度、峰值信噪比、多尺度结构相似性评价指标对景深扩展的效果进行评价。
5.2 DSIFT算法图像融合
使用DSIFT算法对配准校正后的多聚焦显微图像序列进行融合以扩展景深。DSIFT算法是一种基于空间域的图像融合方法，用于将两张多聚焦图像进行融合以生成一张清晰的图像。多聚焦图像融合过程如图5-1所示。
5.2.1 两幅源图像的融合
DSIFT融合的步骤为：首先计算每幅源图像的128维SIFT描述符图像，通过累加非归一化SIFT描述符的所有元素，形成包含焦点信息的聚焦度量图，同时利用文献[29]中的归一化规则得到归一化的SIFT图像。接着将两个聚焦度量图中的焦点信息组合在一起，生成初始决策图，该图由第一幅源图像的确定聚焦区域、第二幅源图像的确定聚焦区域和不确定区域组成。然后通过特征匹配和局部聚焦度量比较来完善初始决策图。最后通过最终决策图获得融合图像。
第六章 总结与展望
6.2 展望
本文针多聚焦显微成像序列配准问题，提出一种自适应聚焦区域分割算法与轻量化SuperPoint网络相融合的配准方法。但还有一些问题没有解决：(1)本文在特征点提取阶段利用卷积神经网络超强的特征提取能力，提取到了相比于传统算法更加丰富的特征点。但是在特征点匹配阶段，使用的仍然是传统K最近邻算法。在后续的研究中考虑对匹配算法的进一步改进。
(2)本文着重研究了多聚焦图像的配准算法，但是对于进行景深扩展的多聚焦图像融合算法没有做进一步的研究和优化，只是采用现有DSIFT算法进行景深扩展，并用景深扩展的效果间接评价了前文配准算法的效果。对多聚焦图像的融合算法有待于进一步的研究和优化。
(3)本文提出的聚焦区域分割方法对于聚焦区域集中的多聚焦显微图像能够有效提高匹配速度，但是对于聚焦区域分散在整个图像中的多聚焦图像则不能显示出其优势。针对聚焦区域分散的多聚焦显微图像的分割问题有待于进一步研究。
参考文献（略）
