Les repères de positionnement des tranches ont une petite taille et plusieurs formes. La fonction traditionnelle de mise au point présente des problèmes de stabilité faible et de sensibilité faible. Pour résoudre ces problèmes, un algorithme d'évaluation de mise au point adaptatif basé sur la variance de gradient multivoie a été proposé. Tout d'abord, l'image des repères est échantillonnée de manière adaptative pour extraire les pixels de bord caractéristiques; puis, les fonctions Brenner et Roberts sont combinées pour construire une fonction d'évaluation de gradient multivoie adaptée aux repères de positionnement des tranches, les points échantillonnés sont évalués, la valeur initiale de la fonction d'évaluation de la mise au point est obtenue; enfin, la variance des valeurs initiales de la fonction d'évaluation de la mise au point pour l'ensemble d'images est calculée, la résistance au bruit de la fonction est optimisée, et la valeur finale de la fonction d'évaluation de la mise au point est obtenue. Les résultats des expériences montrent que l'algorithme proposé dans cet article réduit de 61,49% la fluctuation de la zone plate par rapport à l'algorithme d'évaluation classique, et augmente la sensibilité de 2,56 fois. Cet algorithme fournit une stratégie de calcul plus efficace pour réaliser une mise au point automatique à haute sensibilité pour les repères de positionnement des tranches et d'autres images de marques nanostructurées avec des structures de bord nettes.

imaging system;image quality assessment;fringe analysis;auto-focusing;focus function