【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及一种红外热图像多聚焦融合方法。
技术介绍
1、随着成像技术的发展，红外热像仪已成为获取目标物体温度分布的重要工具，在军事侦察、医疗诊断、工业检测、建筑评估等领域发挥着关键作用。然而，由于聚焦深度的限制，单一红外图像往往难以同时获取前景和背景的清晰细节，这限制了其在复杂场景中的应用。
2、传统的红外热成像技术采用基于深度学习卷积神经网络的方法，例如公开号为cn117196990a的中国专利申请，提出一种应用于红外热图像的图像去模糊方法，该方法包括：获取成对的清晰、模糊红外图像对并形成数据集，将数据集分成训练集、验证集和测试集；采用深度自编码模型结合多尺度输入图像，构建多输入多输出的u型深度卷积神经网络；基于训练集，对多输入多输出的u型深度卷积神经网络进行网络训练，并基于验证集，对训练好的多输入多输出的u型深度卷积神经网络进行验证；基于测试集，采用训练好的多输入多输出的u型深度卷积神经网络进行红外图像去模糊处理，得到红外图像去模糊结果。
3、然而，以上现有技术利用卷积神经网络对红外图像进行去模糊处理，模型比较复杂，需要标定大量的图像数据并进行训练和学习，需要精心设计和调整网络结构以才能达到最佳性能，因此需要一种红外热图像多聚焦融合方法，能够将多个不同聚焦程度的红外热图像合并成一张清晰图像的技术，更好的保留图像细节信息。
技术实现思路
1、为解决上述问题，本专利技术提供了一种红外热图像多聚焦融合方法，以解决现有技术中的问题。p>
2、为了达到上述的专利技术目的，本专利技术提出一种红外热图像多聚焦融合方法，包括：
3、s1：获取多张聚焦位置不同的红外热图像，基于拉普拉斯金字塔算法为每张所述红外热图像建立拉普拉斯金字塔图像；
4、s2：对所述拉普拉斯金字塔图像中的每层拉普拉斯图像进行分块处理生成多个图像区域，计算每个所述图像区域的清晰度，基于所述清晰度构建第一图像掩码金字塔；
5、s3：调整分块策略，重新对每张所述拉普拉斯图像进行多次分块处理，获得多个第二图像掩码金字塔；
6、s4：获取每张所述红外热图像的拉普拉斯逆金字塔图像，从所述第一图像掩码金字塔和所述第二图像掩码金字塔中获取最优掩码金字塔图像，基于所述最优掩码金字塔图像对所述拉普拉斯逆金字塔图像进行融合，获取融合图像。
7、进一步地，建立拉普拉斯金字塔图像包括以下步骤：
8、构建高斯金字塔，所述高斯金字塔由多层高斯图像组成，从所述高斯金字塔的顶层开始，使用上采样操作将当前层级的所述高斯图像放大到与下一层相同的尺寸，获得每层所述高斯图像对应的高斯上采样图像，将当前层级的所述高斯图像减去上一层级的所述高斯上采样图像获得当前层级的拉普拉斯图像，基于多层所述拉普拉斯图像构建生成拉普拉斯金字塔图像。
9、进一步地，构建高斯金字塔包括以下步骤：
10、对每张所述红外热图像进行高斯模糊平滑处理获得第一图像，对所述第一图像进行下采样操作获得高斯图像，继续对所述高斯图像进行所述高斯模糊平滑处理和所述下采样操作，重复本步骤，直至满足预设条件停止，基于多层不同分辨率的所述高斯图像构建生成高斯金字塔。
11、进一步地，基于所述清晰度构建第一图像掩码金字塔包括以下步骤：
12、设置每层所述拉普拉斯图像中的一个所述图像区域作为起始区域，基于所述起始区域的位置对所有所述图像区域进行编号，对比不同的所述红外热图像在相同编号处的所述图像区域的所述清晰度，获取其中所述清晰度最大的所述图像区域，将对应所述拉普拉斯图像中所述图像区域的分块掩码设置为第一数值，其它所述红外热图像对应的所述图像区域的所述分块掩码设置为第二数值，对比所述图像区域后，将各个包括所述第一数值和所述第二数值的所述拉普拉斯图像作为掩码图像，重复本步骤，直至遍历所有所述拉普拉斯图像，基于获得的所述掩码图像生成第一图像掩码金字塔。
13、进一步地，调整分块策略包括以下步骤：
14、调整所述图像区域的大小和所述起始区域位置，基于新的所述图像区域的大小，对所述拉普拉斯图像进行重新分块。
15、进一步地，获取融合图像包括以下步骤：
16、基于所述拉普拉斯金字塔和所述高斯金字塔获取每张所述红外热图像对应的拉普拉斯逆金字塔图像，将所述拉普拉斯逆金字塔图像中的每层图像与所述最优掩码金字塔图像中的每层最优掩码图像进行融合，获得第二图像，将所述第二图像逐层与所述高斯上采样图像进行融合获得融合图像。
17、3.进一步地，计算每个所述图像区域的清晰度使用的函数包括brenner梯度函数、tenengrad梯度函数、laplacian梯度函数、smd函数、smd2函数、方差函数、能量梯度函数、vollath函数或熵函数。
18、进一步地，获取所述最优掩码金字塔图像包括以下步骤：
19、从所述第一图像掩码金字塔和多个所述第二图像掩码金字塔的每层中筛选出最优掩码图像，基于所述最优掩码图像构建所述最优掩码金字塔图像。
20、进一步地，筛选出最优掩码图像包括以下步骤：
21、将不同所述红外热图像在相同分块策略下的所述第一图像掩码金字塔和所述第二图像掩码金字塔中的每层掩码图像进行融合，获取融合结果中所述图像区域的所述分块掩码为所述第一数值的数量，将所述数量最大对应的所述分块策略下对应层的所有所述掩码图像定义为最优掩码图像。
22、进一步地，所述预设条件包括高斯金字塔的层数达到第一阈值。
23、与现有技术相比，本专利技术的有益效果至少如下所述：
24、本专利技术通过获取多张聚焦位置不同的红外热图像，基于拉普拉斯金字塔算法为每张红外热图像建立拉普拉斯金字塔图像，可以有效地保留图像中的细节信息，基于拉普拉斯金字塔图像获取每层的拉普拉斯图像，对拉普拉斯图像进行分块处理生成多个图像区域，计算每个图像区域的清晰度，基于清晰度构建图像掩码金字塔，在图像融合过程中，基于清晰度的图像掩码可以用于控制不同图像区域的融合方式，实现更自然、更清晰的融合效果，对拉普拉斯逆金字塔图像和图像掩码金字塔进行加权融合，同时本专利技术也支持三通道或者单通道图像数据融合，可自行调整图像分块策略，支持多张图像进行融合，综合基于变换域与基于结合域的多聚焦融合方法的优点，不需要进行数据学习和训练，即可得到细节丰富的融合图像。
本文档来自技高网...【技术保护点】
1.一种红外热图像多聚焦融合方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，建立拉普拉斯金字塔图像包括以下步骤：
3.根据权利要求2所述的方法，其特征在于，构建高斯金字塔包括以下步骤：
4.根据权利要求3所述的方法，其特征在于，基于所述清晰度构建第一图像掩码金字塔包括以下步骤：
5.根据权利要求4所述的方法，其特征在于，调整分块策略包括以下步骤：
6.根据权利要求4所述的方法，其特征在于，获取融合图像包括以下步骤：
7.根据权利要求1所述的方法，其特征在于，计算每个所述图像区域的清晰度使用的函数包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD函数、SMD2函数、方差函数、能量梯度函数、Vollath函数或熵函数。
8.根据权利要求6所述的方法，其特征在于，获取所述最优掩码金字塔图像包括以下步骤：
9.根据权利要求8所述的方法，其特征在于，筛选出最优掩码图像包括以下步骤：
10.根据权利要求3所述的
...【技术特征摘要】
1.一种红外热图像多聚焦融合方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，建立拉普拉斯金字塔图像包括以下步骤：
3.根据权利要求2所述的方法，其特征在于，构建高斯金字塔包括以下步骤：
4.根据权利要求3所述的方法，其特征在于，基于所述清晰度构建第一图像掩码金字塔包括以下步骤：
5.根据权利要求4所述的方法，其特征在于，调整分块策略包括以下步骤：
6.根据权利要求4所述的方法，其特征在于，获取融合图像包括以下步骤：
7...
【专利技术属性】
技术研发人员：黄晟，王雪，龚忠毅，崔昌浩，
申请(专利权)人：武汉高德智感科技有限公司，
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。