一种基于差值图对多聚焦度图像融合优化的方法技术

本发明专利技术涉及一种基于差值图对多聚焦图像融合优化的方法，首先基于多尺度多方向对多聚焦图像初步融合，然后通过差值图测量出的剩余信息以及聚焦区域的信息对初始的融合图像进行更新。多尺度与多方向两个方法融合起来，得到的图像区域定位准确，精度高、适于人类的视觉系统，通过差值图的残留信息初始融合图像进行更新操作使融合图像更加精确，图像融合质量更高，在军事以及民用领域中有广泛的应用前景。

【技术实现步骤摘要】

本专利技术属于图像处理领域以及信息融合领域，特别涉及一种基于差值图对多聚焦度图像融合优化的方法，在军事以及民用领域中有广泛的应用前景。
技术介绍
多聚焦度图像融合技术是将不同聚焦的图像融合到一张图像中，结合集成信息的互补性，形成一张多时性、多视图性信息融合的图像，得到更加全面的场景信息。目前，多聚焦图像融合主要分为空间域和变换域两类。基于空间域的多聚焦图像融合技术又分为像素点的融合算法(如加权平均算法)和分块区域融合算法，分块区域融合算法考虑的是像素点的灰度值和该点与相邻像素之间的联系，其方法得到的图像清晰度和对比度方面都要比像素点融合方法效果好。与基于空间域的融合技术相比，基于变换域的融合技术对图像的区域定位准确性更强，精度更高。多尺度变换在变换域的图像融合技术中扮演者不可替代的重要角色，其中最为著名的方法是：拉普拉斯金字塔方法和离散小波变换(DWT)。但是以上两种方法中，如果对于源图像的定位失准，或者在图像采集过程中出现运动区域，图像的融合效果会显著的下降。所以为了解决这个问题，又有学者提出了平移不变定向选择双树复小波变换。近年来，又有人提出了一些新的方法例如离散小波变换(DCT)，非下采样轮廓波变换(NSST)四元数小波变换(QWT)。但是，在融合过程中融合变换系数会代替原像素值，多尺度变化可能会成为融合方法中的主要的缺点。另外一个影响到融合品质的因素是子频带的融合规则。近年来，有很多学者针对这项工作做了大量的研究。并且取得了一定的研究成果。大部分的研究都是基于MST域的稀疏表示总框架(SR)。此方法是对于高频子带遵循绝对最大原则进行融合，对于低频子带采取基于SR的方法进行融合。此方法避免了平滑细节的偏移，但是它依旧存在着一些缺陷，例如独立图像特征的固有缺陷。然后，为了解决此问题，又提出了空间频率与PCNN在非下采样轮廓波变换域中相结合的方法，此方法克服了变换中的复杂结构以及过多迭代次数的限制，但是依旧 无法解决过多的人工设定参数的问题。因此，又有人提出了基于邻域特征NSCT变换，在此方法中低频子带信息遵循基于邻域能量的加权融合方法，高频子带遵循邻域特征进行融合，但是此方法集中考虑低频区域能量信息，但是对于有效区域信息的提取并没有进一步的处理。
技术实现思路
本专利技术提出了一种基于差值图对多聚焦图像融合优化的方法，基于多尺度多方向对多聚焦图像初步融合，然后通过差值图测量出的剩余信息以及聚焦区域的信息对初始的融合图像进行更新，得到的多聚焦图像融合的品质更好，精度更高。本专利技术采用的技术方案包括如下具体步骤：步骤1：图像的预处理；对源图像IA和IB进行高斯滤波，计算出源图像的平均值：IA表示源图像A，IB表示源图像B，IAVG表示源图像A和B的均值；步骤2：对图像多尺度多方向分解得到初始融合图像；首先采用邻域距离滤波器对源图像IA和IB进行多尺度分解，层数为四层，每一层包含高频信息与低频信息；然后采用NSCT多方向分解法对高频信息进行多方向分解，其中第一层分解方向为16个，第二层为8个，第三层为4个，最后一层为1个，得到IA的高频信息IA,h和低频信息IA,l，IB的高频信息IB,h和低频信息IB,l；最后计算高频信息中像素点基于邻域的空间频率值，构造出高频信息融合的决策矩阵，通过决策矩阵对高频信息进行初步融合，低频信息采取求均值，初步融合后的高频信息和求均值后的低频信息经过多方向多尺度变换的逆变换，形成初始融合图像IIN；步骤3：构建差值图像并计算能量值；表示源图像IA与均值图像IAVG在像素点(i,j)的差值， 表示初始融合图像IIN与均值图像IAVG在像素点(i,j)的差值；计算能量值： 表示IIN(i,j)和IAVG(i,j)的差值对应的能量值，表示IAVG(i,j)和IA(i,j)的差值对应的能量值，M×N表示预设的领域大小，(i+m,j+n)表示以(i,j)为中心的领域M×N内任意一点；利用双边滤波器对能量矩阵与进行保边去噪处理，分别得到矩阵char1和char2；步骤4：构造初始的二值图像；(1)通过char1和char2构造初始的二值图MAP1，MAP2：MAP1(i,j)表示像素点(i,j)在二值图MAP1中对应的取值，MAP2(i,j)表示像素点(i,j)在二值图MAP2中对应的取值，char1(i,j)表示像素点(i,j)在char1中对应的取值，char2(i,j)表示像素点(i,j)在char2中对应的取值，δ为设定的阈值；(2)对二值图像进行修正：X×Y表示预设的领域大小，(i+a,j+b)表示以(i,j)为中心的领域M×N内任意一点；通过上式对MAP1和MAP2分别进行修正，得到修正后的二值图MAP1'和 MAP2'，对于源图像中聚焦和非聚焦均不明显区{(i,j)|MAP1'(i,j)＝MAP2'(i,j)本文档来自技高网...

【技术保护点】
一种基于差值图对多聚焦度图像融合优化的方法，其特征在于：包括如下具体步骤：步骤1：图像的预处理；对源图像IA和IB进行高斯滤波，计算出源图像的平均值：IAVG=IA+IB2]]>IA表示源图像A，IB表示源图像B，IAVG表示源图像A和B的均值；步骤2：对图像多尺度多方向分解得到初始融合图像；首先采用邻域距离滤波器对源图像IA和IB进行多尺度分解，层数为四层，每一层包含高频信息与低频信息；然后采用NSCT多方向分解法对高频信息进行多方向分解，其中第一层分解方向为16个，第二层为8个，第三层为4个，最后一层为1个，得到IA的高频信息IA,h和低频信息IA,l，IB的高频信息IB,h和低频信息IB,l；最后计算高频信息中像素点基于邻域的空间频率值，构造出高频信息融合的决策矩阵，通过决策矩阵对高频信息进行初步融合，低频信息采取求均值，初步融合后的高频信息和求均值后的低频信息经过多方向多尺度变换的逆变换，形成初始融合图像IIN；步骤3：构建差值图像并计算能量值；DIF(IAVG,IA)(i,j)=IAVG(i,j)-IA(i,j)]]>DIF(IIN,IAVG)(i,j)=IIN(i,j)-IAVG(i,j)]]>表示源图像IA与均值图像IAVG在像素点(i,j)的差值，表示初始融合图像IIN与均值图像IAVG在像素点(i,j)的差值；计算能量值：EnergyIAVG,IA(i,j)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2|DIF(IAVG,IA)(i+m,j+n)|]]>EnergyIIN,IAVG(i,j)=Σm=-(M-1)/2(M-1)/2Σn=-(N-1)/2(N-1)/2|DIF(IIN,IAVG)(i+m,j+n)|]]>表示IIN(i,j)和IAVG(i,j)的差值对应的能量值，表示IAVG(i,j)和IA(i,j)的差值对应的能量值，M×N表示预设的领域大小，(i+m,j+n)表示以(i,j)为中心的领域M×N内任意一点；利用双边滤波器对能量矩阵与进行保边去噪处理，分别得到矩阵char1和char2；步骤4：构造初始的二值图像；(1)通过char1和char2构造初始的二值图MAP1，MAP2：MAP1(i,j)表示像素点(i,j)在二值图MAP1中对应的取值，MAP2(i,j)表示像素点(i,j)在二值图MAP2中对应的取值，char1(i,j)表示像素点(i,j)在char1中对应的取值，char2(i,j)表示像素点(i,j)在char2中对应的取值，δ为设定的阈值；(2)对二值图像进行修正：X×Y表示预设的领域大小，(i+a,j+b)表示以(i,j)为中心的领域M×N内任意一点；通过上式对MAP1和MAP2分别进行修正，得到修正后的二值图MAP1'和MAP2'，对于源图像中聚焦和非聚焦均不明显区{(i,j)|MAP1'(i,j)＝MAP2'(i,j)}进行处理，取MAP1'(i,j)＝MAP2'(i,j)＝0.5；步骤5：通过修正的二值图MAP1'，MAP2'对源图像IA和IB进行融合。...

【技术特征摘要】
1.一种基于差值图对多聚焦度图像融合优化的方法，其特征在于：包括如下具体步骤：步骤1：图像的预处理；对源图像IA和IB进行高斯滤波，计算出源图像的平均值： I A V G = I A + I B 2 ]]>IA表示源图像A，IB表示源图像B，IAVG表示源图像A和B的均值；步骤2：对图像多尺度多方向分解得到初始融合图像；首先采用邻域距离滤波器对源图像IA和IB进行多尺度分解，层数为四层，每一层包含高频信息与低频信息；然后采用NSCT多方向分解法对高频信息进行多方向分解，其中第一层分解方向为16个，第二层为8个，第三层为4个，最后一层为1个，得到IA的高频信息IA,h和低频信息IA,l，IB的高频信息IB,h和低频信息IB,l；最后计算高频信息中像素点基于邻域的空间频率值，构造出高频信息融合的决策矩阵，通过决策矩阵对高频信息进行初步融合，低频信息采取求均值，初步融合后的高频信息和求均值后的低频信息经过多方向多尺度变换的逆变换，形成初始融合图像IIN；步骤3：构建差值图像并计算能量值； DIF ( I AVG , I A ) ( i , j ) = I AVG ( i , j ) - I A ( i , j ) ]]> DIF ( I IN , I AVG ) ( i , j ) = I IN ( i , j ) - I AVG ( i , j ) ]]>表示源图像IA与均值图像IAVG在像素点(i,j)的差值，表示初始融合图像IIN与均值图像IAVG在像素点(i,j)的差值；计算能量值： Energy I A V G , I A ( i , j ) = Σ m = - ( M - 1 ) / 2 ( M - 1 ) / 2 Σ n = - ( N - 1 ...

【专利技术属性】
技术研发人员：李华锋，刘鑫坤，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