一种基于边缘保留分解框架的多聚焦图像融合方法技术

本发明专利技术公开一种基于边缘保留分解框架的多聚焦图像融合方法，包括步骤一、获取源图像并编号，步骤二、边缘保留的图像分解框架的构建及源图像的分解，步骤三、平滑子带的融合，步骤四、细节子带的融合，步骤五、融合平滑子带和融合细节子带的图像重构；本发明专利技术通过构建边缘保留的图像分解框架，可有效地保留和锐化显著的边缘和脊，同时还可消除平滑子带中不需要的细节信息，并维护细节子带中的详细信息，根据平滑子带和细节子带各自的特点设计融合规则，可充分保留图像的结构和细节信息，使最终融合图像的融合效果更适合于人类的视觉感知。图像的融合效果更适合于人类的视觉感知。图像的融合效果更适合于人类的视觉感知。

【技术实现步骤摘要】
一种基于边缘保留分解框架的多聚焦图像融合方法


[0001]本专利技术涉及图像融合
，尤其涉及一种基于边缘保留分解框架的多聚焦图像融合方法。

技术介绍

[0002]在数码相机等成像设备的应用中，镜头可以聚焦在特定距离的物体上，且同等距离的物体也能得到清晰的聚焦，但是，不同距离的物体会失焦从而造成模糊，因此，很难获得所有物体都聚焦的图像，而这可能会影响人类的视觉感知和进一步的计算机处理任务，获得全清晰图像的一个有效的解决方案就是多焦聚图像融合，多焦聚图像融合方法主要可分为两个分支，一是基于空域的融合算法，二是基于变换域的融合算法；
[0003]现有的融合方法会导致融合图像出现光晕伪影、丢失细节信息造成边缘模糊、对比度降低、清晰度下降等现象，且计算复杂度较高，因此，本专利技术提出一种基于边缘保留分解框架的多聚焦图像融合方法以解决现有技术中存在的问题。

技术实现思路

[0004]针对上述问题，本专利技术的目的在于提出一种基于边缘保留分解框架的多聚焦图像融合方法，该基于边缘保留分解框架的多聚焦图像融合方法可有效地保留和锐化显著的边缘和脊，同时还可消除平滑子带中不需要的细节信息，并维护细节子带中的详细信息，且可充分保留图像的结构和细节信息，使最终融合图像的融合效果更适合于人类的视觉感知。
[0005]为实现本专利技术的目的，本专利技术通过以下技术方案实现：一种基于边缘保留分解框架的多聚焦图像融合方法，包括以下步骤：
[0006]步骤一、利用数码相机获取源图像并取任意两张源图像编号A和B；
[0007]步骤二、基于L1
‑
PIF变换构建边缘保留的图像分解框架，并利用分解框架对源图像A和B进行分解，获得对应的平滑子带和细节子带；
[0008]步骤三、根据下式的融合规则对平滑子带进行融合
[0009][0010]其中S
F
表示融合的平滑子带，是源图像A的平滑子带，是源图像B的平滑子带，map表示最终决策图；
[0011]步骤四、根据下式的融合规则对细节子带进行融合
[0012][0013]其中表示第i个融合的细节子带，表示源图像A和B的第i个细节子带的决策图，和表示源图像A和B分解得到的细节子带；
[0014]步骤五、根据下式将融合的平滑子带S
F
和融合的细节子带进行重构，获得最终的融合图像
[0015][0016]式中I
F
表示融合图像。
[0017]进一步改进在于：所述步骤二中边缘保留的图像分解框架是通过迭代的利用L1
‑
PIF变换来分解源图像生成对应源图像的平滑子带和细节子带，所述细节子带是源图像减去平滑子带的结果。
[0018]进一步改进在于：所述步骤三中最终决策图map由下式表示
[0019][0020]其中S1表示当像素满足和的条件；S2表示当像素满足和的条件；S3
‑
1表示在相应的内有多个值为“1”的像素；S3
‑
2表示在相应的内有多个值为“0”的像素；是以异常像素ap(i，j)为中心的K
×
K的大小的图像块；和表示源图像A在第一次和第二次分解后的改进拉普拉斯算子函数的差异；和表示源图像B在第一次和第二次分解后的改进拉普拉斯算子函数的差异。
[0021]进一步改进在于：所述源图像A和B在第一次和第二次分解后的改进拉普拉斯算子函数的差异由下式表示
[0022][0023][0024]式中和即表示源图像A和B在第i次分解后SML函数的差异，SML
A
(x，y)和SML
B
(x，y)分别表示源图像A和B中的像素(x，y)的函数值，和分别表示源图像A和B中第i级平滑子带的像素(x，y)的函数值。
[0025]进一步改进在于：所述SML函数用于粗略估计图像的能量，所述SML函数由下式定义
[0026][0027]其中P和Q确定窗口的大小，ML(x，y)是指一张源图像中的每个像素(x，y)的改进拉普拉斯函数，用下式表示
[0028]ML(x，y)＝|2
×
(x，y)
‑
I(x
‑
step，y)
‑
I(x+step，y)|+|2
×
(x，y)
‑
I(x，y
‑
step)
‑
I(x，y+step)|。
[0029]进一步改进在于：所述步骤四中融合规则通过细节子带的能量来构建，每个细节子带的能量定义如下式
[0030][0031]其中*表示源图像A和B中的一个；是指从A和B中的一个源图像分解的第i个细节子带的能量；表示源图像的第i个细节子带的像素；K
*
表示源图像的像素。
[0032]进一步改进在于：所述步骤四中由下式计算
[0033][0034]其中和分别表示从A和B中的一个源图像分解的第i个细节子带的能量；a为常数且a>0，当a赋予无限值时，由下分段函数计算
[0035][0036]本专利技术的有益效果为：本专利技术通过构建边缘保留的图像分解框架，可有效地保留和锐化显著的边缘和脊，同时还可消除平滑子带中不需要的细节信息，并维护细节子带中的详细信息；
[0037]根据平滑子带和细节子带各自的特点设计融合规则，可充分保留图像的结构和细节信息，使最终融合图像的融合效果更适合于人类的视觉感知。
附图说明
[0038]图1为本专利技术实施例一融合流程图。
[0039]图2为本专利技术实施例一函数曲线图。
[0040]图3为本专利技术实施例二验证实验流程图。
[0041]图4为本专利技术实施例二四个指标曲线展示图。
具体实施方式
[0042]为了加深对本专利技术的理解，下面将结合实施例对本专利技术做进一步详述，本实施例仅用于解释本专利技术，并不构成对本专利技术保护范围的限定。
[0043]实施例一
[0044]根据图1、图2所示，本实施例提供了一种基于边缘保留分解框架的多聚焦图像融合方法，包括以下步骤：
[0045]步骤一、利用数码相机获取源图像并取任意两张源图像编号A和B；
[0046]步骤二、基于L1
‑
PIF变换构建边缘保留的图像分解框架，并利用分解框架对源图像A和B进行分解，获得对应的平滑子带和细节子带；
[0047]其中边缘保留的图像分解框架是通过迭代的利用L1
‑
PIF变换来分解源图像生成
对应源图像的平滑子带和细节子带，所述细节子带是源图像减去平滑子带的结果，平滑子带有效地保留并削减突出边缘和脊，同时消除了微不足道的细节信息，而细节子带很好地保留了诸如纹理的细节(高频)信息；
[0048]步骤三、根据下式的融合规则对平滑子带进行融合
[0049][0050]其中S
F
表示融合的平滑子带，是源图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于，包括以下步骤：步骤一、利用数码相机获取源图像并取任意两张源图像编号A和B；步骤二、基于L1
‑
PIF变换构建边缘保留的图像分解框架，并利用分解框架对源图像A和B进行分解，获得对应的平滑子带和细节子带；步骤三、根据下式的融合规则对平滑子带进行融合其中S
F
表示融合的平滑子带，是源图像A的平滑子带，是源图像B的平滑子带，map表示最终决策图；步骤四、根据下式的融合规则对细节子带进行融合其中表示第i个融合的细节子带，表示源图像A和B的第i个细节子带的决策图，和表示源图像A和B分解得到的细节子带；步骤五、根据下式将融合的平滑子带S
F
和融合的细节子带进行重构，获得最终的融合图像式中I
F
表示融合图像。2.根据权利要求1所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于：所述步骤二中边缘保留的图像分解框架是通过迭代的利用L1
‑
PIF变换来分解源图像生成对应源图像的平滑子带和细节子带，所述细节子带是源图像减去平滑子带的结果。3.根据权利要求1所述的一种基于边缘保留分解框架的多聚焦图像融合方法，其特征在于：所述步骤三中最终决策图map由下式表示其中S1表示当像素满足和的条件；S2表示当像素满足和的条件；S3
‑
1表示在相应的内有多个值为“1”的像素；S3
‑
2表示在相应的内有多个值为“0”的像素；是以异常像素ap(i，j)为中心的K
×
K的大小的图像块；和表示源图像A在第一次和第二次分解后的改进拉普拉斯算子函数的差异；和表示源图像B在第一次和第二次分解后的改进拉普拉斯算子函数的差异。4.根据权利要求3所述的...

【专利技术属性】
技术研发人员：于爽，张小利，王泽宇，杨飞扬，葛雨菲，李雄飞，
申请(专利权)人：吉林大学，
类型：发明
国别省市：