针对铁谱图像获取时人工对焦误差大、速度慢等问题，提出了一种融合全局信息和局部信息的铁谱图像自动对焦方法。此方法分为两个阶段：全局对焦阶段利用卷积神经网络(Convolutional Neural Networks，CNN) 提取整幅图像的特征向量，并利用门控循环单元(Gate Recurrent Unit，GRU) 融合对焦过程提取的特征，预测当前全局离焦距离，起到粗对焦的作用；局部对焦阶段提取磨粒的特征向量，利用GRU 融合当前特征与前一轮对焦提取的特征，并依据最厚磨粒信息，预测当前磨粒离焦距离，起到精对焦的作用。同时，为了提高对焦准确率，提出了结合拉普拉斯梯度的对焦方向判定法。实验结果表明，此算法在测试集上的对焦误差为2.51 μm，当景深为2.0 μm 时对焦准确率为80.1%，平均对焦时间为0.771 s。本文提出的自动对焦方法具有较好的性能，为铁谱图像自动准确采集提供了技术支持。

全文下载：融合全局和局部信息的铁谱图像自动对焦算法.pdf