光学测量系统作为一种有效监测目标的手段,一直受到大家的重视。由于传统的靶场光测设备使用的调焦技术一般需要依赖额外辅助的设备指导调焦操作,不符合光测设备集成化的发展要求。而基于图像的自动调焦系统,只需依靠图像信息即可完成调焦,且硬件结构集成度高、运算速度快,逐渐成为自动调焦领域的主要研究方向。但是基于图像处理的自动调焦方法是一个逐渐寻找调焦最优值的方法,在实时调焦系统中,调焦速度慢是该方法有待解决的首要问题。另一方面,近些年在无参考图像质量评价领域中卷积神经网络成果突出,通过网络模型即可对图像的清晰度作出直观评价,具有计算速度快(无迭代过程)、准确性高(无局部最优问题)等优点,有望解决调焦速度慢的问题。本文针对上述背景,开展了基于卷积神经网络的图像快速调焦系统的相关研究工作。首先,针对SMD函数在精细调焦过程中精度不足的问题,提出了基于像素差异的改进SMD评价函数。该函数在原SMD函数基础上补充了水平方向和垂直方向额外两个像素的对比,另外又增加了目标像素45°和135°斜对角的像素的对比差异,通过Matlab仿真和自动调焦实验,实验结果表明该评价函数的灵敏度和抗噪性得到了提升,有利于提高调焦系统的成像精度。其次,针对图像评价值无法直接反应图像是否清晰,提出了一种图像评价网络。通过改进VGG卷积神经网络,实现对图像模糊程度识别任务,并与常用的图像识别网络方法进行对比。结果显示:改进后的VGG网络对数据集包含4类、7类、10类和15类不同模糊程度的识别精度分别为97.45%、95.28%、93.65%和83.54%,证明了该图像评价网络能够很好地识别图像的模糊程度。然后,针对传统爬山搜索算法大步长调焦容易导致电机反转,影响调焦精度;小步长调焦增加调焦次数,影响调焦效率的问题,提出了一种以图像评价网络为主,评价函数为辅的改进爬山搜索算法。首先,图像经过图像评价网络识别模糊程度,然后根据图像模糊程度制定精确的搜索步长,图像评价函数用来控制调焦搜索方向是否正确。在系统离焦程度较低的位置采取曲线拟合搜索算法,充分利用各个算法的优点,提升调焦的搜索效率,并且有效避免在调焦过程中陷入局部极值。最后,将本文所提出相关算法应用在基于监控相机的自动调焦系统上。实验结果表明,本文的搜索算法的搜索速度是传统爬山法的2-3倍,调焦效率得到明显提升,电机驱动次数稳定在5-8次,且不受系统初始状态影响。证明了该自动调焦方案的可行性,为以后自动调焦系统中应用卷积神经网络提供了参考。