一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法技术

本发明专利技术涉及一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法。首先，对下采样的多聚焦源图像进行多尺度分解，计算特征高频子带系数的清晰度并双边滤波得到初始二值图像；其次，对初始二值图像中的区域中一些孤立小面积区域处理后，进行上采样操作；最后，用源图像的原始边界替换上采样的二值图像边界，再进行分块处理和块一致性验证得到最终优化的二值图像边界，并据此对源图像进行融合。本发明专利技术主要工作在于基于多尺度图像分析和块的一致性验证得到源图像聚焦区域和非聚焦区域的最优边界，为源图像聚焦区域得以直接、精确地融合提供保证；本发明专利技术算法简单，在不引入错误信息的前提下，有效地保留了多聚焦源图像中的聚焦信息。

【技术实现步骤摘要】

本专利技术属于图像处理数据融合
，具体涉及一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法。
技术介绍
图像融合是将来自不同传感器获取的不同图像或相同的传感器在不同时刻采集到的不同图像进行综合，得到一幅融合图像的过程。该融合图像包含了所有源图像的有用信息，以便更好地描述场景，为后续图像处理任务如图像分割、目标检测、图像识别等做准备。图像融合技术在医疗成像、显微镜成像、计算机视觉和军事应用等领域都发挥着重要的作用。由于光学透镜景有限，因此很难得到能够用于描绘和分析一个场景内所有目标的全聚焦图像。多聚焦图像融合技术在这样的研究背景下产生并受到了越来越多研究者的关注。近年来，很多研究者提出了各种多聚焦图像融合方法：如基于变换域的方法、基于空间域的方法、基于高阶奇异值分解的方法、稀疏表示相关方法、压缩感知相关方法和基于脉冲耦合神经网络的方法等。其中，基于变换域和基于空间域的方法是最主要也是最常用的两类方法。基于变换域的方法一般是采用某种多尺度分解工具，首先将源图像经过变换分解为不同的高低频子带系数，然后分别针对不同的子带系数设计不同的融合规则，最后将融合的子带系数进行逆变换得到最终融合图像。由于多尺度分解图像的方法类似于人眼由粗到细的处理图像的过程，因此该类方法充分考虑到了图像的细节信息和方向信息，通常能得到比较好的融合效果。常用的多尺度变换工具有金字塔变换(PT)、离散小波变换(DWT)、剪切波变换(NSST)、轮廓波变换(CT)和非下采样轮廓波变换(NSCT)等。然而，多尺度分解的算法一般计算复杂，而且耗时。相比于基于变换域的方法，基于空间域的方法直接在空间域上对原图像进行融合，这类方法大体可以分为三类：基于像素的方法，基于块的方法和基于分割的方法。基于像素的方法对单个像素进行聚焦判定，忽略了邻域像素之间的相关性；基于块的方法的一个难点在于块的大小的选取，块太大虽然定位准确但也可能包含模糊信息，块太小会导致定位不准而将平滑区的块误判为模糊块，即使自
适应的方法能优化块的大小，但由于图像内容结构信息的差异性和复杂性，仍然不可避免地会出现块效应的问题；基于区域分割的方法虽然能取得一定好的效果，但是该类方法过分依赖于分割算法，而且算法的复杂度较高。
技术实现思路
本专利技术的目的在于针对现有技术的缺点和不足，将变换域和空间域两种方法结合，发挥优势，提出了一种基于多尺度图像分析和块一致性验证的多聚焦图像融合技术方案。本专利技术所采用的技术方案：分别求得源图像I1和I2特征高频的二值图像map′1和map′2，再进行替换边界及块的一致性验证，得到优化的二值图像map″1和map″2，最后得到融合图像。步骤1，输入多聚焦源图像I1和I2，对多聚焦源图像I1和I2进行下采样，采用基于邻域距离的多尺度分解方法对下采样的图像分解得到高频子带系数和低频子带系数；步骤2，计算特征高频子带的清晰度并进行双边滤波处理得到初始二值图像；1)从高频子带系数中选取特征高频子带系数并构造特征高频矩阵：I1h(x,y)=max{I1h1(x,y),I1h2(x,y)...,I1hr(x,y)本文档来自技高网...

【技术保护点】
一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法，其特征在于，包括以下步骤：步骤1，输入多聚焦源图像I1和I2，对多聚焦源图像I1和I2进行下采样，采用基于邻域距离的多尺度分解方法对下采样的图像分解得到高频子带系数和低频子带系数；步骤2，计算特征高频子带的清晰度并进行双边滤波处理得到初始二值图像；1)从高频子带系数中选取特征高频子带系数并构造特征高频矩阵：H1h(x,y)=max{I1h1(x,y),I1h2(x,y)...,I1hr(x,y)}]]>H2h(x,y)=max{I2h1(x,y),I2h2(x,y)...,I2hr(x,y)}]]>分别表示两个下采样的图像在像素点(x,y)的所有高频子带系数，r表示分解尺度为第r尺度，和分别表示两个下采样的图像在像素点(x,y)处的特征高频子带系数；2)计算特征高频矩阵中特征高频子带系数的清晰度并形成清晰度矩阵：S1h(x,y)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2[I1h(x+m,y+n)-h1h(x,y)]2]]>S2h(x,y)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2[I2h(x+m,y+n)-h2h(x,y)]2]]>分别表示两个多聚焦源图像的特征高频矩阵在像素点(x,y)的清晰度，分别表示这两个下采样的图像在像素点(x+m,y+n)的特征高频子带系数，M×N为预设的窗口大小，(x+m,y+n)是以(x,y)为中心的窗口内任意一点；3)采用双边滤波器对清晰度矩阵进行平滑处理获得初始的二值图像：map1h(x,y)=1,S1h(x,y)>S2h(x,y)0,S1h(x,y)<S2h(x,y)]]>map2h(x,y)=1,S1h(x,y)<S2h(x,y)0,S1h(x,y)>S2h(x,y);]]>步骤3，采用bwareaopen滤波器对初始二值图像进行处理，消除二值图像中的小面积区域，对处理过后的初始二值图像进行上采样得到二值图像和步骤4，利用多聚焦源图像I1和I2的原始边界替换上采样的二值图像和的边界，得到新的二值图像；1)计算多聚焦源图像I1和I2的清晰度：S1(x,y)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2[I1(x+m,y+n)-I1(x,y)]2]]>S2(x,y)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2[I2(x+m,y+n)-I2(x,y)]2]]>S1(x,y)和S2(x,y)分别表示多聚焦源图像I1和I2在像素点(x,y)的清晰度，I1(x,y)和I2(x,y)分别表示多聚焦源图像I1和I2在像素点(x,y)的像素，I1(x+m,y+n)和I2(x+m,y+n)分别表示多聚焦源图像I1和I2在像素点(x+m,y+n)的像素，M×N为预设的窗口大小，(x+m,y+n)是以(x,y)为中心的窗口内任意一点；2)根据多聚焦源图像I1和I2的清晰度获得最接近源图像特征的二值图像：map1(x,y)=1,S1(x,y)>S2(x,y)0,S1(x,y)<S2(x,y)]]>map2(x,y)=1,S1(x,y)<S2(x,y)0,S1(x,y)>S2(x,y);]]>3)利用最接近源图像特征的二值图像{map1(x,y)}和{map2(x,y)}的边界分别替换上采样的二值图像和的边界，得到新的二值图像和X×Y为预设的窗口大小，(x+a,y+b)是以像素点(x,y)为中心的窗口内任意一点；步骤5，采用“bwareaopen”滤波器对步骤4中新的二值图像进行优化处理得到二值图像{map′1(x,y)}和{map'2(x,y)}，再对二值图像{map′1(x,y)}和{map'2(x,y)}进行分块处理和块的一致性验证，得到最终优化的二值图像{map″1(x,y)}和{map″2(x,y)}；步骤6，根据优化的二值图像，指导多聚焦源图像融合；1)若像素点(x,y)在多聚焦源图像I1和I2其中一个的聚焦区域，则在该像素点处直接进行融合：If(x,y)＝I1(x,y)×map″1(x,y)+I2(x,y)×map″2(x,y)2)若像素点(x,y)不在源图像I1和I2的聚焦区域，则在该像素点处采取基于结构张量奇异值分解的质量评价因子的加权融合：If(x,y)=I1(x,y)×F1(x,y)+ω1F1(x,y)+F2(x,y)+ω+I2(x,y)×F2(x,y)+ω2F1(x,y)+F2...

【技术特征摘要】
1.一种基于多尺度图像分析和块一致性验证的多聚焦图像融合方法，其特征在于，包括以下步骤：步骤1，输入多聚焦源图像I1和I2，对多聚焦源图像I1和I2进行下采样，采用基于邻域距离的多尺度分解方法对下采样的图像分解得到高频子带系数和低...

【专利技术属性】
技术研发人员：李华锋，邱红梅，余正涛，毛存礼，郭剑毅，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53