A medição visual microscópica é amplamente aplicada em áreas como micro montagem. Sob a influência da profundidade de campo da imagem e outros fatores, as imagens apresentam fenômenos de desfoque múltiplo, afetando a medição precisa subsequente. Embora a tecnologia de autofoco microscópico possa aliviar o problema do desfoque, ela consome muito tempo, dificultando a adaptação aos requisitos de produção eficiente. Este artigo propõe um modelo de desfoque de ponta a ponta que combina discriminação do nível de desfoque e recuperação multirramos, estabelecendo uma estratégia de dividir para conquistar baseada em segmentação, discriminação, desfoque e fusão: primeiramente, uma imagem é dividida em grupos de subimagens e simultaneamente enviada ao discriminador e à rede de recuperação; no discriminador, a distribuição no domínio da frequência é obtida por meio da transformada de Fourier, e então a rede Vision-Transformer extrai características profundas de desfoque com correlação global da imagem no domínio da frequência, seguido da saída da discriminação do desfoque. Com base no resultado da discriminação, a rede de recuperação multirramos realiza a recuperação direcionada das subimagens com diferentes níveis de desfoque, e por fim as subimagens processadas são fundidas para obter uma imagem de alta definição. Os resultados experimentais mostram que o modelo proposto pode recuperar efetivamente imagens microscópicas com desfoque múltiplo, com precisão de discriminação de 0,94, e após o processamento pela rede de recuperação multirramos, o índice PSNR aumentou em média 6,3.

micro montagem;visão microscópica;discriminação do nível de desfoque;processamento no domínio da frequência