多聚焦图像

摘要： 针对多聚焦图像融合提取聚焦区域不准确,融合图像的边缘存在伪影的问题,提出了一种基于鲁棒主成分分析的多聚焦图像融合方法.首先,用鲁棒主成分分析将源图像分解为低秩分量和稀疏分量.然后分析不同分量的特性,设计相应的融合规则.针对低秩分量,提出基于卷积神经网络的融合策略,用于提取源图像的纹理细节,构建权重图;对于稀疏分量,采用基于拉普拉斯能量和的方法生成决策图,为了使决策图的边缘与源图像保持一致,将多幅源图像的均值作为引导图像并用引导滤波器对决策图进行优化.最后,根据融合后的低秩分量和稀疏分量重构出最终的融合图像.实验结果表明,该方法提高了融合图像的对比度和边缘清晰度,在主观分析和客观评价指标上都优于其他七种方法.

摘要： 提出了一种结合视觉显著性和非下采样轮廓波变换(NSCT)的、改进的多聚焦图像融合算法.显著性检测算法用于获得多焦点图像的视觉显著性图;采用NSCT对图像进行分解得到各自的低频与高频子带.为增加像素之间的联系,获得更多的图片细节,采用比较拉普拉斯能量和的方法进行高频子带系数的融合,低频子带系数则选用基于视觉显著性改进的自适应权重以及区域能量的方法进行融合.通过3组融合试验将融合效果与其他方法做对比,结果表明所提出方法的图片融合效果更佳.

摘要： 针对张量积小波不具有对称性,在图像融合中难以获得高空间分辨率图像的问题,文中利用伸缩矩阵为[2,0;0,2]的不可分小波的构造方法构造四通道6×6对称的不可分小波滤波器组,并把它应用于多聚焦图像的融合中.利用此类滤波器组中的低通滤波器对多聚焦图像进行加性小波分解,得到小波平面组,然后利用融合规则对分解后的小波平面进行融合.实验结果表明,该方法有较好的融合效果,融合结果图像具有较高的清晰度和空间分辨率,其融合性能优于拉普拉斯金字塔融合方法(基于LP的融合方法)、基于小波分解的融合方法(基于DWT的融合方法)和基于三通道不可分对称小波的融合方法(基于3-NSDWT的融合方法).

摘要： 机器视觉是机器人导航的基础,双目立体成像是机器视觉常用的方法.双目立体成像中因为对焦的问题,生成的影像有着一定的区别,这种区别对立体成像有着严重的制约.提出一种针对多聚焦图像的拉普拉斯金字塔融合方法,左右聚焦的图像经过多尺度分解,得到不同频率域的图像细节;在对应的尺度上进行融合,得到一个融合后的多尺度图像;再进行拉普拉斯金字塔逆变换,得到融合图像.该方法有效地解决了多聚焦图像局部不清晰的问题,有利于双目视觉立体成像.

摘要： 为提高融合图像的清晰度,提出了一种基于非下采样剪切波变换(NSST)的多聚焦图像融合新方法.首先,对待融合的两幅源图像采用非下采样剪切波变换,获得低频子带系数和一系列的高频子带系数.然后对低频子带系数采用基于高阶奇异值分解(HOSVD)的融合策略,通过对低频子带进行HOSVD分解,利用Sigmoid函数得到融合低频系数;对高频子带系数采用区域特征选择的融合策略,通过对比区域能量和对比区域方差的差异来确定融合的高频系数.最后,通过NSST逆变换得到融合图像.实验结果表明,该方法能够更好地保留图像的边缘细节信息,在视觉效果和客观指标评价上均优于对比方法.

摘要： 针对传统图像融合方法中需人为设计局部滤波器的问题,提出基于深度卷积神经网络的图像融合算法,旨在学习源图像和决策图之间的映射关系.采用Siamese网络结构训练高质量图像块及其模糊版本,将上述的映射关系进行编码,最终获得能自动分辨图像模糊区与清晰区的功能.该方法的优势在于用深度学习解决了图像融合中活跃程度测量和融合规则的不协调,使图像融合更具连贯性以及合理性.同时,引入了最新的梯度优化算法Adadelta,大大提升了模型训练过程的速度以及训练结果的.实验结果表明,论文提出的方法可以在视觉质量和客观评估方面获得更加优越的融合性能.

摘要： 针对传统方法中使用单特征不足以衡量图像像素清晰度的局限性,利用非下采样轮廓波变换(non-subsampled Contourlet transform,NSCT)的系数特点和局部特征匹配度,结合基于区域分割的边缘检测算法,提出一种针对多聚焦图像的融合算法.该算法首先通过NSCT变换将两幅待融合的源图像分解为一个低频分量和一系列高频分量;其次,针对低频分量包含了源图像的大部分能量和信息的特点采用局域信息熵.局域改进的拉普拉斯能量和的统计特征进行特征匹配度融合,以及对高频分量中包含了源图像的细节纹理信息的特点采用区域平均梯度的兄弟关联权重进行融合;最后对源图像的高频分量进行边缘检测加权平均融合,将边缘图覆盖到经NSCT逆变换的初步融合图像上,得到最终融合图像.将所提算法与传统NSCT变换方法和DWT变换方法进行对比,该算法在视觉效果和平均梯度、空间频率、标准差与互信息多个评价指标上都有较好的结果.

摘要： 针对光学成像系统景深范围有限、景深范围外目标成像模糊的问题,提出一种区域方差和点锐度相结合的拉普拉斯金字塔变换图像融合方法.该方法首先对多幅源图像做拉普拉斯金字塔变换,提取源图像在不同频率层的特征信息;对金字塔顶层图像和其余各层图像,分别采用区域方差和点锐度作为融合度量,对其进行融合,得到融合图像的金字塔各层系数;最后进行拉普拉斯金字塔逆变换得到融合图像.仿真结果表明,本文方法得到的融合图像主观视觉效果和客观评价指标均优于其他常用算法,标准差、互信息和边缘保持度分别提高了0.24％、6.8％和8.4％.该方法有效降低了融合图像的噪声,获得了更加丰富的边缘信息,对实现光学成像系统在大视场范围获取高分辨率光学图像具有重要意义.

摘要： 该文针对现有的基于多尺度几何变换的图像融合算法低频系数融合算法简单的缺点,结合非下采样方向复小波变换(Nonsubsampled direction filter bank—dual-tree complex wavelet transform,NSDFB-DTCWT)具有更多的低频子带系数的优点,提出一种基于NSDFB-DTCWT变换的多聚焦图像融合算法.首先,对源图像进行NSDFB-DTCWT分解;其次对分解的低频系数进行自适应加权融合策略;然后对分解的高频系数进行改进拉普拉斯能量和模取大的融合策略;最后将融合后的系数进行NSDFB-DTCWT反变换得到融合后的图像.该算法有效的利用了图像的轮廓信息,有利于更好的保持源图像的信息.实验结果表明,该融合算法不仅可以获得很好的视觉融合效果,而且其客观评价指标也得到了提升.

摘要： 结合Shearlet变换的优点和改进的图像低频融合规则,提出了一种基于Shearlet变换的多聚焦图像融合算法.首先,采用Shearlet变换对源图像进行多尺度几何分解,区别于其他的多尺度几何融合算法,该文在分解的低频系数采用基于SML加权的融合规则进行融合,Shearlet域高频系数采用基于区域系数SML值取大的融合规则.最后,对融合后的系数进行逆Shearlet变换重构融合图像.实验结果表明,与基于小波变换和Contoulet变换的图像多聚焦融合算法相比,该文方法在视觉效果和客观评价指标上都得到了提升.

摘要： 图像融合是一种重要的增强图像信息的方法。提出了一种基于局部能量的多聚焦图像融合算法。对不同聚焦图像进行小波变换，采用局部离散度准则对各个方向上的高频系数进行融合，采用小绝对值准则对低频系数进行融合，对融合后的小波系数进行重构，这样得到高低频比例升高的融合图像。结果表明，以像素的局部能量为准则的融合效果更好，既可避免传统融合规则的信息损失，又提高了融合图像的空间分辨率和清晰度，融合图像更符合人的视觉特性，也有利于机器视觉。

摘要： 本文针对多聚焦图像融合问题,借鉴生物视觉特性和相关图像处理理论,提出了一种基于视觉感知特性的多聚焦图像融合算法。该算法在对待融合的多聚焦图像进行RGB分块分解的基础上,采用视觉对比度模型以确定融合后图像的选取准则。为了获得最佳图像融合效果,采用免疫遗传算法以指导图像分块,标准熵和标准偏差作为评价图像融合质量的的标准。实验表明,该算法具有较好的效果,能够解决多聚焦图像融合问题。

摘要： 平均梯度反映图像中微小细节反差和纹理变化特征。本文针对光学成像系统聚焦范围有限，很难使得同一场景中所有物体都清晰显现这一特点，将平均梯度引入到多聚焦图像融合之中。首先将图像进行分块，然后计算每一块的平均梯度，根据平均梯度大ig小对相应块的像素进行处理，最后得到同一场景中所有物体都能清楚显现的融合图像。本文通过对多幅多聚焦图像进行融合和实验分析，以此来验证算法的有效性，本文对提出的基于平均梯度的多聚焦图像融合算法性能进行了评价和分析，结果表明该算法是切实可行的，在多聚焦图像融合中可以取得较好的效果。

摘要： 非下采样剪切波变换(NSST)具有多尺度、多方向等诸多性质,但是它仅限于时频域有限信号,分数阶傅里叶变换(FRFT)将信号的分析转入分数域,对时频分析有整体性,但是又难以分析信号的局部特征,本文提出一种基于FRFT和NSST的图像融合方法,首先,将两幅源图像进行非下采样剪切波变换,之后将其进行分数阶傅里叶变换,得到高频分量采用基于区域系数改进的拉普拉斯能量和(SML)值取大的方法选取高频融合系数,低频系数采取加权平均来获得,最终通过FRFT和NSST逆变换获得融合图像,实验结果显示,本文提出的算法优于直接使用非下采样轮廓波(NSCT)变换和非下采样剪切波(NSST)变换.

摘要： 本发明提供一种无需更换安装用的适配器而能够检查不同的端面形状的光连接器的端面检查装置。一种端面检查装置，其包括：光学系统(2)，使固定于规定的位置的部件的端面的像成像于图像传感器(3)的位置；及焦点检测部(5)，获取图像传感器(3)输出的图像数据，并判定图像数据是否对焦，焦点检测部(5)每次将光学系统(2)的焦点位置改变规定距离而获取对焦于端面的一部分的多个图像数据，并合成该多个图像数据中的对焦的各一部分而获取聚焦图像数据。

摘要： 本发明基于深度图的光场全聚焦图像生成方法属于光场成像领域，解决了传统全聚焦图像生成时采用DCT、小波变换等算法实现多图像融合，存在块效应及边缘效应的问题，本发明采用光场相机获得的散焦图像来生成全聚焦图像，具体采用以下步骤：1)微透镜标定，2)4D光场获得，3)数字重聚焦，4)深度获取，5)全聚焦图像生成，本发明的优点是避免了传统全聚焦图像生成时融合算法的限制，能够准确地找出散焦图像的聚焦区域进行全聚焦图像生成，同时在应对块效应以及边缘效应上要优于小波变换与DCT变换。

摘要： 一种基于火焰光场重聚焦图像的三维温度重建联合方法，本发明涉及基于火焰光场重聚焦图像的三维温度重建联合方法。本发明的目的是为了解决现有最近邻域法对于最外层和次外层火焰的物性重建精度低，而Lucy‑Richardson解卷积方法应用在中间层火焰物性重建时的精度低的问题。过程为：一：由光场相机拍摄火焰并记录火焰的三维光场成像；二：得到火焰的光场重聚焦图像；三：得到光场相机的点扩散函数；四：得到火焰层析图像；五：得到黑体平面面辐射力和灰度的拟合关系，并以此拟合关系将火焰层析图像的灰度重建出辐射力，根据辐射力得到三维火焰温度。本发明用于高温火焰温度重建过程中的火焰图像处理领域。

摘要： 本发明公开了一种面向光场重聚焦图像的聚焦分割方法，包括：使用PCNN计算模型将输入图像变换到神经元点火序列空间，生成二维点火序列矩阵；在点火序列矩阵中，分析各点火序号的连通区域和连通度，得到每个像素的连通度属性；根据像素连通度属性和像素邻域点火序列模型，建立像素分类准则；）对每个像素，根据像素分类准则，标记其分类属性，形成分类标记矩阵；在分类标记矩阵上，使用滑窗技术查找“清晰标记”密度最大的区域，在原始重聚焦图像中分割出对应区域作为聚焦区域输出。本发明可以在不失分割准确性的情况下，显著降低聚焦分割时间；方法配置简单、可扩展性好，非常适合用于计算密集型的光场图像处理领域。

摘要： 一种进行检查对象的端面的检查的端面检查装置，其具备：光学系统，能够将保持的检查对象的端面的像成像于图像获取部；聚焦度变化机构，使检查对象的端面与光学系统的焦点位置之间的距离变化；及控制部，进行利用图像获取部获取的图像数据的处理，在使检查对象的端面与光学系统的焦点位置之间的距离变化的期间，以预先设定的时间间隔来获取所述图像获取部输出的一连串的图像数据，并判定图像数据的每一个是否对焦，并选择对焦的图像数据作为端面检查用的图像数据。

摘要： 提供了一种像素阵列和包括该像素阵列的自动聚焦图像传感器。所述像素阵列包括衬底、多个像素、深器件隔离区域和多个第一接地区域。衬底包括其上设置有栅电极的第一表面以及与第一表面相对的第二表面。多个像素设置在衬底中，并且包括被配置为检测相位差的多个第一像素以及被配置为检测图像的多个第二像素。深器件隔离区域设置在衬底中，从衬底的第二表面基本上竖直地延伸，以将多个像素彼此隔离。多个第一接地区域被设置为在衬底中与第一表面相邻，并且仅与多个第一像素中的至少一些相邻。

摘要： 本发明提供可了一种基于角膜共聚焦图像的菌丝筛查系统，其特征在于，包括：图像获取模块，用于获取待检测的角膜共聚焦图像；诊断模块，具有菌丝诊断模型，所述诊断模块接收图像获取模块获取的所述待检测的角膜共聚焦图像并将所述待检测的角膜共聚焦图像输入至所述菌丝诊断模型中，所述菌丝诊断模型对所述待检测的角膜共聚焦图像进行图像特征提取，并根据所提取的图像特征判断所述角膜共聚焦图像中是否存在菌丝；菌丝可视化模块，用于在诊断模块诊断出菌丝后从所述待检测的角膜共聚焦图像中提取菌丝区域并生成包含所述菌丝区域的可视化图像。该菌丝筛查系统能够自动地推角膜共聚焦图像进行判断是否存在菌丝并在存在菌丝时使菌丝区域可视化。

摘要： 本发明属于光场图像处理领域，特别是公开了一种基于块效应的微透镜光场相机全聚焦图像生成算法，该算法直接基于4D光场数据进行融合，数据融合规则建立时通过计算空间相同位置不同方向光线能量积分形成的光场宏像素的块效应来完成聚焦度评价，最后对融合后的4D光场进行积分得到全聚焦图像，经实验论证了本发明算法的有效性，本发明基于角度信息得到的融合图像与基于空间信息得到的融合图像具有等同的视觉效果，从融合图像的平均质量评价对比结果看，本发明算法得到图像的感知清晰度值最高，相位一致性值和归一化互信息值仅次于BF算法。

摘要： 本发明公开了一种基于生成对抗网络的增量式聚焦的图像到图像转换方法。本发明包括以下步骤：1、对源图像、目标图像进行数据预处理构成数据二元组；2、网络结构设计，在生成对抗网络模型中加入增强的自我注意力机制模块，并针对网络的两个输出，相应地采用一个鉴别器，进一步增强表征能力以生成更多的细节；3、损失函数设计，提出了增量式聚焦损失以稳定、加速网络训练；4、模型训练，利用反向传播算法训练对抗神经网络模型参数。本发明将增量式聚焦损失和增强的自我注意力机制模块应用于各种无监督和有条件的GANs中来证明它们的有效性，并且达到了训练速度快且稳定的效果。

摘要： 本公开涉及图像处理技术领域，提供了一种多聚焦图像的处理方法、多聚焦图像的处理装置、计算机存储介质、电子设备，其中，多聚焦图像的处理方法包括：获取至少两张多聚焦图像，多聚焦图像包含基准图像以及非基准图像；提取基准图像中包含的第一目标物图像；根据第一目标物图像的像素点位置，确定非基准图像中包含的第二目标物图像；根据脉冲耦合神经网络对第一目标物图像与第二目标物图像进行融合处理，以得到全聚焦图像。本公开中的多聚焦图像的处理方法不仅能够解决现有技术中的成像方法无法对来自不同视角、具有不同视差的图像进行融合处理的技术问题，而且能够提高图像清晰度。