顕微鏡視覚測定はマイクロアセンブリなどの分野で広く応用されており、被写界深度などの要因により画像に多重のボケが発生し、後続の正確な測定に影響を及ぼします。顕微鏡の自動焦点技術はボケ問題を緩和できますが、時間がかかり、高効率な生産要求に適応しにくいです。本論文では、ボケ度判別と多分岐復元を組み合わせたエンドツーエンドのデブラーリングモデルを提案し、分割・判別・デブラーリング・融合の分割統治戦略を構築しました。まず、画像をサブ画像群に切り分け、同時に判別器と復元ネットワークに入力します。判別器ではフーリエ変換等で周波数領域分布を取得し、Vision-Transformerネットワークを利用して周波数領域画像からグローバルな関連性を持つ深層のボケ特徴を抽出し、ボケ度の判別出力を行います。判別結果に基づき、多分岐復元ネットワークによって異なるボケ度のサブ画像を指向的に復元し、最後に処理済みのサブ画像を融合して高精細画像を得ます。実験結果は、本論文の提案モデルが多重ボケの顕微鏡画像を効果的に復元でき、判別精度が0.94に達し、多分岐復元ネットワーク処理後、PSNR指標が平均6.3向上したことを示しています。

マイクロアセンブリ;顕微鏡視覚;ボケ度判別;周波数領域処理