一种多聚焦图像融合方法技术

本发明专利技术涉及一种多聚焦图像融合方法，将数据集中原始图像重塑为相同大小，语义标签转换为二值标签；再进行高斯模糊处理得到多级模糊的图像；将多级模糊的图像与原始图像通过所述二值标签创建正负样本数据集；将数据集输入编码

【技术实现步骤摘要】
一种多聚焦图像融合方法


[0001]本专利技术涉及图像融合
，特别涉及一种多聚焦图像融合方法。

技术介绍

[0002]由于成像设备的限制，要拍摄出所有物体都被聚焦的图像是很困难的。具体来说，在光学/凸透镜的固定焦距设置下，如果物体在低景深范围内，就可以捕捉到焦点，而在低景深范围外的其他物体就会被模糊。为了获得全焦图像并遵循人类的视觉感知，引入了多焦图像融合技术，将多张图像的焦点成分/像素分别融合到一张图像中。
[0003]多焦点图像融合使许多成像设备，如手机和数码相机，能够生成全聚焦图像，以准确地解释和分析图像，从而为一些特定任务的性能改进做出贡献。通过从一组部分聚焦的图像中生成全聚焦的图像，多聚焦图像融合是扩展光学镜头景深的有效方法，在数字摄影、光学显微镜等领域具有重要意义。

技术实现思路

[0004]本专利技术目的是在于提供一种多聚焦图像融合方法，能够精准的获得决策图和有效祛除边界伪影，可以有效提高多聚焦图像融合的效率。
[0005]本专利技术的目的通过如下技术方案实现：
[0006]一种多聚焦本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多聚焦图像融合方法，其特征在于，包括如下步骤：步骤一、将图像数据集中的所有原始图像进行重塑为相同大小的图像，步骤二、将图像数据集中的语义标签转换为二值标签；步骤三、再对步骤一中得到的相同大小的图像进行高斯模糊处理得到多级模糊的图像；步骤四、将步骤三中得到的多级模糊的图像与原始图像通过所述二值标签创建正负样本数据集；步骤五、将步骤四中得到的数据集输入编码
‑
解码网络模型进行训练得到训练模型；步骤六、将两张源图像配准后输入到训练模型后输出得到相应的得分图；步骤七、将所述得分图相减再二值化得到相应的决策图，步骤八、将决策图与源图像进行加权平均得到暂时的融合图像，再将决策图与暂时的融合图像经过引导滤波算法获得引导图；步骤九、将引导图与源图像进行加权平均处理得到最终的融合图像。2.根据权利要求1所述的多聚焦图像融合方法，其特征在于，步骤三中所述的高斯模糊处理过程如下：I
blur
＝G*I
s
其中，I
blur
为模糊图像，*表示卷积运算，G表示高斯核函数，Is为源图像；所述的高斯核函数G具体公式如下：其中，σ表示高斯滤波器的标准偏差，x和y为像素点坐标。3.根据权利要求1所述的多聚焦图像融合方法，其特征在于，步骤四中所述的多级模糊的图像与原始图像通过所述二值标签创建正负样本数据集过程如下：I
a
＝I
clear
⊙
M
a
+I
blur
⊙
M
b
I
b
＝I
clear
⊙
M
b
+I
blur
⊙
M
a
其中，I
clear
为原始图像，数据集中未处理的图像；I
a
为部分聚焦图像，正样本；M
a
为二值标签；I
blur
为模糊图像；M
b
为二值标签相反掩码；I
b
为部分聚焦图像，负样本。4.根据权利要求1所述的多聚焦图像融合方法，其特征在于，步骤五所示的编码
‑
解码网络模型包括编码网络和解码网络，将一对训练集图像输入编码网络输出得到相应的特征图；再将相应的特征图输入解码网络输出得到一对训练图像相应的得分图；所述的编码网络包括5个编码层：编码层1：首先，经过3*3的卷积层，将输入特征图数量设置为1，输出特征图数量为64，再经过批归一化(BN)和线性整流函数(ReLU)操作；之后，经过3*3的卷积层，将输入特征图数量设置为64，输出特征图数量设置为64，再经过BN与ReLU；最后，经过最大池化操作，其卷积核大小为2*2，步长设置为2；编码层2：首先，经过3*3的卷积层，将输入特征图数量设置为64，输出特征图数量为128，再经过BN与ReLU；之后，经过3*3的卷积层，将输入特征图数量设置为128，输出特征图数量设置为128，再经过BN与ReLU；最后，经过最大池化操作，其卷积核大小为2*2，步长设置
为2；编码层3：首先，经过3*3的卷积层，将输入特征图数量设置为128，输出特征图数量为256，再经过BN与ReLU；之后，经过3*3的卷积层，将输入特征图数量设置为256，输出特征图数量设置为256，再经过BN与ReLU；再之后，经过3*3的卷积层，将输入特征图数量设置为256，输出特征图数量设置为256，再经过BN与ReLU；最后，经过最大池化操作，其卷积核大小为2*2，步长设置为2；编码层4：首先，经过3*3的卷积层，将输入特征图数量设置为256，输出特征图数量为512，再经过BN与ReLU；之后，经过SE模块，再经过BN与ReLU；再之后，经过3*3的卷积层，将输入特征图数量设置为512，输出特征图数量设置为512，再经过BN与ReLU；最后，经过最大池化操作，其卷积核大小为2*2，步长设置为2；编码层5：首先，经过3*3的卷积层，将输入特征图数量设置为512，输出特征图数量为512，再经过BN与ReLU；之后，经过3*3的卷积层，将输入特征图数量设置为512，输出特征图数量设置为512，再经过BN与ReLU；再之后，经过3*3的卷积层，将输入特征图数量设置为512，输出特征图数量设置为512，再经过BN与ReLU；最后，经过最...

【专利技术属性】
技术研发人员：王玉，申铉京，盖迪，
申请(专利权)人：吉林大学，
类型：发明
国别省市：