【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种快速多聚焦融合算法。
技术介绍
1、多聚焦图像融合技术是将众多源信道采集到的同一场景不同景深的图像进行融合，以最大限度获得各个信道中的有利信息，得到包含更全面的信息的图像。
2、多聚焦图像融合方法主要分为基于空间域和基于变换域的方法。
3、基于空间域直接操作像素的值。这些方法通常将源图像分割成多个固定大小的块或者区域，利用基于阈值的自适应融合规则得到融合块，最后利用一致性检验方法实现融合图像。由于块或区域的大小固定，多焦点融合图像的边界容易出现模糊现象。
4、基于变换域方法主要对图像变换后的分解系数进行操作，主要包括图像变换、系数分解和反变换重建三个融合阶段。首先，通过图像分解算法将源图像变换到变换域得到不同的子图像；然后采用各种融合策略对不同的系数进行融合；最后，对融合系数进行相应的反变换处理，得到最终的融合图像。分解层数越多，信息越详细，但效率也会降低。
5、现有的融合方法仍存在一些不足。首先，大多数融合方法侧重于源图像的特征提取，很少关注图像的场景一致性、内容变形等配准问题。实际的源图像并不像实验样本那样精确。因此，融合效果会受到很大影响。本专利技术认为，可以通过图像对齐的方法来解决上述问题。其次，许多方法追求融合方法的适用性和质量，要求的计算复杂度比较高，降低了融合的效率，无法达到实时应用的要求。为了平衡图像融合的质量和提升融合的效率，本专利技术提出了一种基于变换域的快速多聚焦图像融合方法，克服上述技术问题。
1、本专利技术的目的在于提供一种快速多聚焦融合算法，通过对变换、决策图和逻辑运算的创新，实现更高的处理效率和更好的图像融合质量。
2、为达成上述目的，本专利技术的解决方案为：一种快速多聚焦融合算法，包括以下步骤：
3、包括以下步骤：
4、s1图像对齐：从输入的n幅图像中选取一个模板图像，其余为待对齐输入图像，从模板图像中提取一块图像区域，计算归一化互相关系数(ncc)并进行定位，得到每一幅待对齐输入图像与模板图像对齐的最佳位置信息，根据最佳位置信息对待对齐图像进行平移对齐；
5、s2 简化的平稳小波变换：分别对对齐后的输入图像以及其平移图像进行1尺度平稳小波变换，分别得到两幅图像对应的低频子波段和多个高频子波段；
6、s3 高频特征提取：通过合并对齐后的输入图像和平移图像的所有高频子波段，创建一个单一特征图来确定每个像素的清晰度；
7、s4 高频特征去噪：利用均值滤波器对合并后的高频子波段进行去噪；
8、s5 构造一个两级标签决策图，每级标签决策图分别分析每幅图像的整体特征和逐像素细节特征；
9、s6 融合图像：通过两级标签决策图的值计算融合后的高频子波段，最后对融合后的高频子波段进行逆离散小波变换得到最终的融合图像。
10、进一步，在步骤s1中，从输入的幅图像中选取一个模板图像t(p,q)，其余为待对齐输入图像，从模板图像t(p,q)中提取一块图像区域，计算归一化互相关系数(ncc)并进行定位，得到每一幅待对齐输入图像与模板图像t(p,q)对齐的最佳位置信息，根据最佳位置信息对待对齐输入图像进行平移对齐，得到对齐后的输入图像，其中ncc的计算公式为：
11、，
12、其中，(p,q)是模板图像的坐标，ncci表示第幅图像的ncc系数，表示图像区域中的像素个数，是模板图像的平均灰度值，是模板图像的方差，是图像在图像区域t的均值，是图像在图像区域t的方差，且
13、
14、。
15、进一步，在步骤s2中,对对齐后的输入图像及其平移图像分别进行1尺度平稳小波变换，得到的子波段分别为和；
16、其中，表示水平和垂直方向上一个像素的移动，和分别表示对齐后的输入图像和它的平移图像的子波段，变量表示输入图像的下标，表示输入图像的个数，分别表示低频子波段，水平高频子波段，垂直高频子波段和对角高频子波段。
17、进一步，在步骤s3中，高频特征的提取公式如下：
18、，
19、式中，表示合并后的高频子波段，变量和分别表示像素在水平和垂直方向上的位置。
20、进一步，在步骤s4中，利用窗口为(2p+1)(2p+1)的均值滤波器进行去噪：
21、
22、其中，表示在点处的去噪结果，表示窗口尺寸参数。
23、进一步，步骤s5具体包括：
24、s5.1 构造一级标签决策图：通过滤波器形成焦点权重函数，并通过下采样和上采样得到最终的一级标签决策图；
25、s5.2 更新滤波器大小：使用迭代法寻找均值滤波器的最优窗口尺寸参数，以调整滤波器大小；
26、s5.3 构造二级标签决策图：通过一级标签决策图和焦点权重函数，得到更精准的二级标签决策图。
27、进一步，步骤s5.1构造一级标签决策图的具体方法如下：
28、首先，通过(2p+1)(2p+1)的滤波器计算每个像素点周围最大的的个数，形成焦点权重函数，其形式为：
29、，
30、其次，对进行下采样，采样因子为，并记为：
31、。
32、其中，变量和分别表示中像素在水平和垂直方向上的位置，基于的值，可以得到一级标签决策图的下采样版本，记为:
33、，
34、随后，利用的均值滤波器对进行去噪，得到：
35、。
36、最后，通过对进行上采样得到最终的一级标签决策图：
37、，
38、其中，[.]表示取上限操作。
39、进一步，在步骤s5.2中更新滤波器大小具体方法如下：
40、在每幅图像的低频子波段的聚焦区域中，计算模拟的和真实的之间的和平方差(ssd):
41、 ，
42、其中
43、
44、 ，
45、通过迭s4-s5.2，画出整数时，不同的随相应的的变换曲线，从而找到最优的窗口尺寸参数。
46、进一步，步骤s5.3构造二级标签决策图的具体方法如下：
47、通过一级标签决策图和焦点权重函数，即可得到二级标签决策图，
48、。
49、进一步，步骤s6中，通过二级标签决策图的值计算融合后的高频子波段，
50、，
51、其中，表示尚未确定的子波段，即在二级标签决策图中像素值为0对应的像素，可由下面的公式确定：
52、，
53、其中，表示待确定的低频融合权重函数，其计算公式为：
54、 ，
55、最后，对进行逆离散小波变换得到本文档来自技高网...
【技术保护点】
1.一种快速多聚焦融合算法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种快速多聚焦融合算法，其特征在于：在步骤S1中，从输入的幅图像中选取一个模板图像t(p,q)，其余为待对齐输入图像，从模板图像t(p,q)中提取一块图像区域，计算归一化互相关系数(NCC)并进行定位，得到每一幅待对齐输入图像与模板图像t(p,q)对齐的最佳位置信息，根据最佳位置信息对待对齐输入图像进行平移对齐，得到对齐后的输入图像，其中NCC的计算公式为：
3.如权利要求1所述的一种快速多聚焦融合算法，其特征在于：在步骤S2中,对对齐后的输入图像及其平移图像分别进行1尺度平稳小波变换，得到的子波段分别为 和；
4.如权利要求3所述的一种快速多聚焦融合算法，其特征在于：在步骤S3中，高频特征的提取公式如下：
5.如权利要求4所述的一种快速多聚焦融合算法，其特征在于：在步骤S4中，利用窗口为(2P+1)(2P+1)的均值滤波器进行去噪：
6.如权利要求5所述的一种快速多聚焦融合算法，其特征在于：步骤S5具体包括：
7.如权利要求6所述
8.如权利要求7所述的一种快速多聚焦融合算法，其特征在于：在步骤S5.2中更新滤波器大小具体方法如下：
9.如权利要求8所述的一种快速多聚焦融合算法，其特征在于：步骤S5.3构造二级标签决策图的具体方法如下：
10.如权利要求6或9所述的一种快速多聚焦融合算法，其特征在于：步骤S6中，通过二级标签决策图的值计算融合后的高频子波段，
...【技术特征摘要】
1.一种快速多聚焦融合算法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种快速多聚焦融合算法，其特征在于：在步骤s1中，从输入的幅图像中选取一个模板图像t(p,q)，其余为待对齐输入图像，从模板图像t(p,q)中提取一块图像区域，计算归一化互相关系数(ncc)并进行定位，得到每一幅待对齐输入图像与模板图像t(p,q)对齐的最佳位置信息，根据最佳位置信息对待对齐输入图像进行平移对齐，得到对齐后的输入图像，其中ncc的计算公式为：
3.如权利要求1所述的一种快速多聚焦融合算法，其特征在于：在步骤s2中,对对齐后的输入图像及其平移图像分别进行1尺度平稳小波变换，得到的子波段分别为 和；
4.如权利要求3所述的一种快速多聚焦融合算法，其特征在于：在步骤s3中，高频特征的提取公式如...
【专利技术属性】
技术研发人员：何俊霖，陶郅，王力维，
申请(专利权)人：厦门微图软件科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。