一种基于两尺度聚焦图的多聚焦图像融合方法技术

本发明专利技术提供了一种基于两尺度聚焦图的多聚焦图像融合方法，采用两尺度聚焦图融合的方法，并基于稀疏性扩散方程构建能量函数求解最终聚焦图中每个像素点来自两幅尺度聚焦图的概率，由此得到最终聚焦图，根据最终聚焦图求出融合图像。本发明专利技术聚焦图像边界处分割准确，得到的融合图像清晰度高。

A multi focus image fusion method based on two scale focusing map

The invention provides a multi-focus image fusion method based on a two-scale focusing image, adopts a two-scale focusing image fusion method, and constructs an energy function based on the sparse diffusion equation to solve the probability that each pixel in the final focusing image comes from two scale focusing images, thereby obtaining the final focusing image according to the final focusing image. The image is fused. The focus of the invention is accurate at the boundary of the image, and the fused image is highly legibility.

【技术实现步骤摘要】
一种基于两尺度聚焦图的多聚焦图像融合方法
本专利技术涉及数字图像融合
，具体涉及一种基于两尺度聚焦图的多聚焦图像融合方法。
技术介绍
利用光学传感器对某一场景成像时，由于景深的限制，通常难以使场景内的所有物体都聚焦。只有落在景深内的物体才是聚焦的，而不在景深内的其他物体则是模糊的。多聚焦图像融合可以将同一场景下不同聚焦设置的两幅或多幅图像融合成一幅所有物体都聚焦的清晰图像，从而为观察者提供更加全面、可靠的视觉信息，利于人眼观察识别目标及计算机的后续分析处理。在过去的几十年中，已经提出了很多基于多尺度分解的多聚焦图像融合方法。基于多尺度分解的融合方法的一个优势是它可以使空间上重叠的特征在尺度上分离，然后这些分离的特征在不同尺度上可以被更加有效的结合。与基于多尺度分解的融合方法相比，空间域的融合方法采用了一种更加直接而有效的融合方式，即直接检测像素或块的清晰度。空间域的融合方法一般都需要依靠一种聚焦度量来比较多聚焦图像中像素或块的清晰度，然后根据比较结果生成一幅聚焦图以指明聚焦区域和非聚焦区域，最后融合图像根据聚焦图得到。空间域的方法一般分为基于块的融合方法和基于像素的融合方法。基于块的融合方法直接使用聚焦度量比较块或者区域的清晰度。但是这些方法可能会产生块效应或者在边界处分割不准确。而且，选择合适大小的块或区域以避免噪声和不对准的影响也是很困难的。
技术实现思路
有鉴于此，本专利技术提供了一种基于两尺度聚焦图的多聚焦图像融合方法，聚焦图像边界处分割准确，得到的融合图像清晰度高。本专利技术的具体实施方式如下：一种基于两尺度聚焦图的多聚焦图像融合方法，所述图像融合方法步骤如下：针对两幅聚焦不同的源图像分别使用大尺度聚焦度量和小尺度聚焦度量方法获得大尺度聚焦图和小尺度聚焦图；选择大尺度聚焦图或小尺度聚焦图作为当前聚焦图，即令k＝1或2，k＝1代表小尺度，k＝2代表大尺度，将能量函数最小化处理求解当前聚焦图的uk(p)；式中，uk(p)表示最终聚焦图中每个像素点p来自大尺度聚焦图或者小尺度聚焦图的概率；λ是平滑参数；Np表示像素点p的四邻域；q表示p相邻像素点；权重ωpq表示像素点p和像素点q两个相邻像素点的梯度变化；表示像素点p的初始概率，φ用于保证分母不为0；根据设定阈值确定两幅尺度聚焦图中每个像素点聚焦或者不聚焦，聚焦时hpk＝1，不聚焦时hpk＝0，所述设定阈值根据两幅尺度聚焦图的灰度值确定；hp表示约束项，hp＝hp1+hp2；根据当前聚焦图的uk(p)求解另一幅聚焦图的uk(p)，针对每个像素点p比较u1(p)和u2(p)的概率值大小，将高概率值所对应的源图像中的像素点作为最终聚焦图的像素点，得到最终聚焦图；根据最终聚焦图求出融合图像。进一步地，所述hpk确定方法为：构建像素值的直方图，选择直方图中除去两端端点外占总像素数目80％-100％的像素，所述像素的像素值中的最大值为高阈值，最小值为低阈值；当两尺度聚焦图中像素点的像素值大于高阈值或者小于低阈值时，hpk＝1；否则，hpk＝0。进一步地，最小化时，将uk(p)构成的二维矩阵分别沿水平方向和竖直方向分解为一维矩阵进行迭代求解，并利用高斯消去法求解水平方向和竖直方向的线性方程。进一步地，生成所述两幅尺度聚焦图后，使用引导滤波处理得到改进后的两幅尺度聚焦图。有益效果：1、小尺度聚焦度量可以使聚焦图边界准确，大尺度聚焦度量在对象移动或者不对准的情况下鲁棒性好，本专利技术采用两尺度聚焦图融合的方法，方法简单，并基于稀疏性扩散方程构建能量函数求解最终聚焦图中每个像素点来自两幅尺度聚焦图的概率，由此得到的最终聚焦图综合了大尺度聚焦度量和小尺度聚焦度量的优势，使得聚焦图像边界处分割准确，且不受多聚焦图像中噪声和不对准的影响，具有较强的鲁棒性，得到的融合图像清晰度高。2、本专利技术将两幅尺度聚焦图中每个像素点概率构成的二维矩阵沿水平方向和竖直方向分解为一维矩阵进行迭代求解，并利用高斯消去法求解水平方向和竖直方向的线性方程，计算量小，求解速度快、效率高。3、本专利技术使用引导滤波对两幅尺度聚焦图进行改进，得到的聚焦图更为准确。附图说明图1为本专利技术的流程图；图2为线性方程计算流程图；图3(a)为多聚焦源图像I1；图3(b)为多聚焦源图像I2；图3(c)为基于多尺度加权梯度的融合方法MWGF生成的聚焦图和对应的融合图像；图3(d)为基于边界发现的融合方法BF生成的聚焦图和对应的融合图像；图3(e)为本专利技术提供的融合方法生成的聚焦图和对应的融合图像。具体实施方式下面结合附图并举实施例，对本专利技术进行详细描述。本专利技术提供了一种基于两尺度聚焦图的多聚焦图像融合方法，流程如图1所示，下面具体说明。使用基于结构(边界、角点等)的聚焦度量来生成聚焦图，以中心像素点为中心结合邻域信息分别进行两次聚焦度量，计算某个像素点的聚焦度量需要结合它周围的像素信息，根据结合像素点周围像素信息的多少可将聚焦度量分为大尺度聚焦度量和小尺度聚焦度量。相对来讲，大尺度聚焦度量结合像素点周围较多的信息，小尺度聚焦度量结合像素点周围比较少的信息。小尺度聚焦度量可以使聚焦图边界准确，大尺度聚焦度量在对象移动或者不对准的情况下鲁棒性好。一幅图像I，在局部窗口W的梯度协方差矩阵为：式(1)中Ix(X)和Iy(X)分别表示图像在位置X＝(x,y)沿x方向和y方向的梯度，然后使用高斯滤波对式(1)进行多尺度表示：式(2)中*表示卷积算子，Gσ表示高斯函数，其中σ为高斯函数的标准差，表示聚焦度量的尺度。对式(2)进行特征值分解：式中为矩阵Cσ的特征值，V为矩阵Cσ的特征向量。基于显著特征结构的聚焦度量为：对于两幅聚焦不同的源图像I1,I2，图像In(n＝1,2)中的像素p在尺度σk的聚焦度量表示为根据实验数据的经验值自定义σ1和σ2的数值，σ1表示小尺度，σ2表示大尺度。针对两幅聚焦不同的源图像使用大尺度聚焦度量方法获得一幅大尺度聚焦图，针对两幅聚焦不同的源图像使用小尺度聚焦度量方法获得一幅小尺度聚焦图，两幅尺度聚焦图为：然后使用引导滤波来改进聚焦图Mk，以源图像I1作为引导图像：Gk＝Guidedfilter(I1,Mk,rk,εk)(6)式中Gk为改进后的尺度聚焦图，rk为滤波半径，εk为正则化参数。滤波半径越大，对边缘、结构的改进作用就越大。正则化参数越小，对边缘、结构的改进作用就越大。小尺度聚焦图的边界保持的比较好，所以需要滤波半径小一点，正则化参数大一点；大尺度聚焦度量的结构、边界保持的不太好，所以需要滤波半径大一点，正则化参数小一点。然后对能量函数最小化，具体方法如下：基于稀疏性扩散方程构建能量函数为：式中uk(p)表示最终聚焦图中每个像素点p来自聚焦图Gk的概率，λ是平滑参数，一般选择经验值，Np表示像素点p的四邻域，q表示p相邻像素点，权重ωpq表示源图像I1的结构变化，即像素点p和像素点q这两个相邻像素点的梯度变化，表示为：式中g代表聚焦图对应的源图像I1，gp表示在像素点p的像素值，gq表示在像素点q的像素值；β为ωpq的标准差。能量函数式(7)中hp＝hp1+hp2，hpk表示为：式中高阈值Th(αk)和低阈值Tl(αk)由直方图确定。在直方图中，定义αk来选择直方图中间的即除去两端端点的占总像素数目α本文档来自技高网...

【技术保护点】
1.一种基于两尺度聚焦图的多聚焦图像融合方法，其特征在于，所述图像融合方法步骤如下：针对两幅聚焦不同的源图像分别使用大尺度聚焦度量和小尺度聚焦度量方法获得大尺度聚焦图和小尺度聚焦图；选择大尺度聚焦图或小尺度聚焦图作为当前聚焦图，即令k＝1或2，k＝1代表小尺度，k＝2代表大尺度，将能量函数

【技术特征摘要】
1.一种基于两尺度聚焦图的多聚焦图像融合方法，其特征在于，所述图像融合方法步骤如下：针对两幅聚焦不同的源图像分别使用大尺度聚焦度量和小尺度聚焦度量方法获得大尺度聚焦图和小尺度聚焦图；选择大尺度聚焦图或小尺度聚焦图作为当前聚焦图，即令k＝1或2，k＝1代表小尺度，k＝2代表大尺度，将能量函数最小化处理求解当前聚焦图的uk(p)；式中，uk(p)表示最终聚焦图中每个像素点p来自大尺度聚焦图或者小尺度聚焦图的概率；λ是平滑参数；Np表示像素点p的四邻域；q表示p相邻像素点；权重ωpq表示像素点p和像素点q两个相邻像素点的梯度变化；表示像素点p的初始概率，φ用于保证分母不为0；根据设定阈值确定两幅尺度聚焦图中每个像素点聚焦或者不聚焦，聚焦时hpk＝1，不聚焦时hpk＝0，所述设定阈值根据两幅尺度聚焦图的灰度值确定；hp表示约束项，hp＝hp1+hp2；根据当前聚焦图的uk(p)求解另一幅聚焦图的uk(p)，针对每个...

【专利技术属性】
技术研发人员：马金磊，汪渤，周志强，缪玲娟，石永生，高志峰，董明杰，沈军，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11