自动聚焦技术是现代高速信息化社会获取清晰图像必不可少的工具,聚焦技术的发展经历了由手动方式到自动方式,由主动式到被动式的转变过程。近年来,伴随信息数字化的兴起,基于数字图像处理的自动聚焦技术得到了迅速发展,根据成像过程不同,分为离焦深度法和聚焦深度法两类。自动聚焦能够在较少的人工干预下获得高清晰度的图片,可以实时性地跟踪和检测运动的前景目标,克服了原始手动方式操作难、效率低以及图像不清晰的缺点。清晰度评价函数是自动聚焦技术的核心部分,性能良好的评价曲线应该具有单峰性、无偏性、灵敏度高和抗噪性。基于数字图像处理的自动聚焦算法,其最根本的出发点是寻找清晰图像和模糊图像之间的差异,之后用数字图像处理的方法表示出来,常用的差异类型可以归纳为信息量的多少、梯度边缘的大小、频率成分的高低。经典的自动聚焦评价函数总体上可以分为三类：一是基于梯度的函数,二是基于频域的函数,三是基于统计信息的函数。目前主要算法在分析聚焦和离焦图像时,通常仅用单一方面的区别来构建清晰度评价函数。传统的评价函数在噪声干扰下灵敏度下降,导致聚焦不准确。聚焦窗口的构建是自动聚焦的重要组成部分,对聚焦结果的准确性和实时性存在重要影响。传统的取窗算法包含属于固定窗口构建的中心取窗、多点取窗,以及基于动态取窗的高斯取窗和一阶矩取窗等。本文对常用的搜索策略的原理和过程进行了研究,在理论上提出了一种新的改进式自动聚焦技术,并给出了具体的操作步骤。最后,对基于数字化图像的聚焦深度法的整体过程进行了总结性表述,正焦位置搜索策略将整个聚焦过程串连起来,保证评价函数和搜索算法相辅相成、有条不紊地完成对清晰图像的查找。本论文研究内容的主要创新点如下：(1)在求取清晰度评价函数方面,本文将梯度差分和统计相关结合使用,提出Ten-Cor函数,与单一角度的评价算法相比,有利于去除无关联的加性噪声干扰,并设定阈值去除小梯度像素点,进一步增强抗噪性。本文算法主体部分采用梯度函数,充分利用了空间函数简便、易实现的特点,满足实时性要求；另一方面,利用同一幅图像中像素点之间的自然联系,辅以互相关函数,在存有噪声的图像序列中,能够明确区分出模糊和清晰图像的评价函数取值,克服了空间域函数对噪声敏感的缺点。(2)在聚焦区域选择方面,针对一阶矩取窗法使用绝对梯度差定位目标前景的不足,提出一种基于区域对比度的取窗法,对主体目标精准跟踪。该算法使用梯度的相对差值,降低了大范围高亮度背景区域引起的偏差,结合一阶矩定位图像重心。本文取窗法对目标位于中心和偏离中心的图像都取得了准确定位。(3)论文在对各类评价函数算法进行实验仿真时,不再局限于仅采用定性指标主观观察,而是以此为基础,使用定量性能评价指标对数据进行客观分析。与其他函数相比,本文算法的清晰度比率和灵敏度因子高、平缓区波动量低,表明本文算法抗噪性和稳定性高。